Note: Improving Restore Speed for Backup Systems that Use Inline Chunk-Based Deduplication

思路/方法

Measuring restore speed

提出了speed-factor，用以衡量存储速度。

Container capping

限制恢复文件时使用的container个数，为了保证调用container数目小于上限，有时需要放弃一部分重删效果（将某chunk在新的container中复制一次）
capping操作需要将数据形成segment（20M左右，5000个4KB chunk）

segment处理

1. 读取一个segment大小的chunk到buffer中，确定每个chunk是否已存储、位于哪个container中（bloom filter等均可）
2. 设置T个container的上限（用T个container可以还原该segment）
3. 写入“new”chunk，建立索引

assembly

提出新的恢复算法（I/O单位（container）与使用单位（chunk）大小差别很大）。

cache container中的chunks到一个buffer中，减少高频chunk提取时的I/O。

工作量

1. 9000+ 行C++代码。
2. dataSets：2个
   • Workgroup: Created from a semi- regular series of backups of the desktop PCs of a group of 20 engineers taken over a period of four months.
   • 2year: a synthetic data set provided to us by HP Storage that they have designed to mimic the important characteristics of the data from a past customer escalation involving high fragmentation.
3. 实验内容
   • RAM usage （2 dataSet）
   • BaseLine LRU cache
   • Capping (varSegmentSize varTNumber 2dataSet)
   • Assembly （speedFactor RAMUsage 2dataSet）
   • varContainerSzie - speed test