科技行者

行者学院 转型私董会 科技行者专题报道 网红大战科技行者

知识库

知识库 安全导航

至顶网存储频道大数据是可重复数据删除的?

大数据是可重复数据删除的?

  • 扫一扫
    分享文章到微信

  • 扫一扫
    关注官方公众号
    至顶头条

前不久本网站曾报道了Permabit和Isilon就大数据所展开的一场“论战”,该“论战”吸引了众多目光,巴西的ESG分析师Ronaldo Yamashita在“观战”之后发表了自己的看法,他反对Isilon关于大数据不可压缩的观点,并作出了以下阐述。

作者:存储时代(编译) 来源:Stor-age.com 2011年6月20日

关键字: 大数据 重复数据删除

  • 评论
  • 分享微博
  • 分享邮件

前不久本网站曾报道了Permabit和Isilon就大数据所展开的一场“论战”,该“论战”吸引了众多目光,巴西的ESG分析师Ronaldo Yamashita在“观战”之后发表了自己的看法,他反对Isilon关于大数据不可压缩的观点,并作出了以下阐述:

我们所谈论的“文本”大数据,如日志或者从不同的来源(如网络、信贷机构、Facebook)收集的信息,它们都是高度可压缩的。事实上,大多数数据仓库产品都是基于column的压缩,以达到较高的重复数据删除比率和提高性能。毕竟,最快的I/O是你不必实现的I/O。

重复数据删除数据的结果是提高缓存利用率,而降低磁盘I/O。重复数据删除可用于任何规模的数据;只是目前大多数重复数据删除产品还不能处理大容量的数据,但这并不意味着不能实现。

当我们从整体存储角度来考虑,而不仅仅是从专业数据库的角度考虑时,Rob Peglar对于元数据的担忧就是有道理的。但也有许多的解决方法。

微软曾在名为“ChunkStash”的技术研究中提出了一种减少重复数据删除对RAM需求的方法。这种方法在RAM中仅为每个记录分配2个字节。

而复制节点之间的元数据问题可由初创厂商Scality提供的方法来解决,它使用DHT(Distributed Hash Tables)来处理元数据的分布。这与P2P(端对端)系统处理PB级规模数据所使用的技术是一样的。

从性能的角度来看,Scality并没有Isilon高效,但它提供了一种可能解决该问题的方法。

NetApp采用的方法和Isilon的方法一样“高性能”,而且是以更加简单的方式来解决这个问题,它并没有重复删除元数据的复制。重复数据删除在单个节点上实现,而集群更加智能于聚合同类型的文件。这对性能和重复数据删除都更加有利。

而诸如Vertica和Greenplum的数据库也得益于数据的位置。它们并不使用全局重复数据删除,却获得了可观的压缩比。

由戴尔收购的压缩/重复数据删除厂商Ocarina曾展示过如何从意外的文件(比如图像和视频)获得更好压缩率的方法。该方法可以用于像石油和天然气这样的行业,它们的数据曾长期被认为是不可能达到良好的压缩率。

许多其他厂商处理数据的方法可能会获得更高的压缩率。来自IBM的Jesse Jonas曾介绍了如何堆积数据的方法,这是一种非常不错的数据精简算法。

压缩和重复数据删除将在大数据中起到举足轻重的作用;这一切都将关于与经济。正如Steve Duplessie所指出的那样,下一代存储之争将围绕着经济所展开。如果你的系统相比竞争供应商的系统需要更多数据级的存储,那么你就难以去竞争。

    • 评论
    • 分享微博
    • 分享邮件
    邮件订阅

    如果您非常迫切的想了解IT领域最新产品与技术信息,那么订阅至顶网技术邮件将是您的最佳途径之一。

    重磅专题
    往期文章
    最新文章