Data Domain：瞭解 Data Domain 壓縮

Summary: 在此將解釋一些術語、取捨和測量方法，以說明 Data Domain 上使用的壓縮類型、術語和其他壓縮特性。

Instructions

Affected Products

This article applies to This article does not apply to This article is not tied to any specific product. Not all product versions are identified in this article.

Check out other resources

Instructions

Data Domain 中涉及的壓縮技術採用最先進的技術，可減少備份資料所需的實體空間。因此，壓縮層級的技術與測量方法都是複雜的主題。

本文將討論一些術語、取捨和測量方法，以進一步解釋在 Data Domain 環境中使用的壓縮類型和其他壓縮特性。

適用於：所有 Data Domain 型號

簡介：

上次更新：2024 年 1 月

壓縮是一種資料減量技術，旨在使用較少的實體空間來儲存資料集。
在 Data Domain 系統（DDOS）中，會進行重複資料刪除和本機壓縮，以壓縮使用者資料。重複資料刪除會用於識別備援資料區段，並僅會儲存唯一的資料區段。
本機壓縮會使用特定壓縮演算法進一步壓縮唯一的資料區段，例如 lz, gzfast, gz，依此類推。
DDOS 中的整體使用者資料壓縮是重複資料刪除和本機壓縮的共同努力結果。DDOS 使用「壓縮率」來測量其資料壓縮的效果。
通常，它是用戶數據總大小與壓縮數據總大小或已使用的物理空間大小的比率。
Data Domain 檔案系統是「記錄結構」重複資料刪除檔案系統。
紀錄結構檔案系統僅會將資料附加至系統並自行刪除，無法釋放實體空間。
這樣的檔案系統仰賴垃圾收集，以回收不再需要的空間。
日誌結構文件系統和重複數據刪除技術的特性相結合，使得清楚地瞭解 DDOS 中壓縮的各個方面變得棘手。

對於壓縮，可以測量許多方面。

本文討論逐步詳細資料，以協助瞭解 DDOS 壓縮。

首先會說明整體的系統壓縮效果，這能讓我們瞭解在 Data Domain 系統中實現的實際壓縮、使用者資料量、耗用的實體空間量，以及其比例。
在本文中，此比率稱為「系統有效壓縮率」。
DDOS 會進行內嵌式重複資料刪除，並追蹤原始使用者資料區段的統計資料、刪除重復資料後的唯一資料區段，以及本機壓縮對唯一資料區段的影響。
這些內嵌式壓縮統計資料可用於測量內嵌式壓縮的效果。可針對每次寫入測量內嵌式壓縮統計資料。此外，DDOS 也會追蹤不同層級的統計資料：檔， MTrees，以及整個系統。

本文內容可套用至所有 DDOS 版本，直到本文發佈為止，最高至 DDOS 7.13。

不保證所有內容在未來的版本皆正確無誤。

在 5.0 之前的版本中，整個系統只有一個 mtree 和術語 mtree 未明確標註。

壓縮：系統整體效果：

系統的整體壓縮效果是以有效壓縮率來測量，也就是使用者資料大小與已使用實體空間大小的比率。它由「filesys show compression" (FSC） CLI 命令（使用者介面上也會提供對應的資訊）。以下項目的範例輸出： FSC 如下所示：

# filesys show compression

From: 2023-12-31 03:00 To: 2024-01-07 03:00

Active Tier:
                   Pre-Comp   Post-Comp   Global-Comp   Local-Comp      Total-Comp
                      (GiB)       (GiB)        Factor       Factor          Factor
                                                                     (Reduction %)
----------------   --------   ---------   -----------   ----------   -------------
Currently Used:*     6439.6       113.4             -            -    56.8x (98.2)
Written:
  Last 7 days      135421.3      1782.0         35.1x         2.2x    76.0x (98.7)
  Last 24 hrs         532.5         1.5        334.3x         1.1x   356.5x (99.7)
----------------   --------   ---------   -----------   ----------   -------------
 * Does not include the effects of pre-comp file deletes/truncates
   since the last cleaning on 2024/01/05 11:34:13.

- 系統有效壓縮率報告於 CLI 輸出中結果區段的第 1 列。此列會在上方反白顯示。
- 用戶數據的總大小標記為“Pre-Comp”。
- 耗用的總實體空間（資料和中繼資料）會標示為「Post-Comp」。
- 「Pre-Comp」和「Post-Comp」的數字皆為在執行階段時讀取。 FSC 隱式同步整個系統，然後查詢這兩個數位。
  - 這兩個數字的測量方式與”filesys show space命令。
  - 系統有效壓縮率 = 壓縮前/壓縮後

其餘輸出說明內嵌式壓縮統計資料（稍後將討論）。

有些作業可能會影響系統有效壓縮率：

快速複製
- 當 fastcopy 是從作用中命名空間中的檔案（而非快照）完成，是完美的重複資料刪除作業，因為目標檔案不需要額外的實體空間。效果 fastcopy 是在不佔用額外物理空間的情況下增加用戶數據大小。這可提高系統有效壓縮率。當許多 fastcopies 這樣做，系統有效壓縮率可能會變得人為地高。
虛擬合成作業
- 虛擬合成備份往往會顯示較高的系統有效壓縮率。這是因為虛擬合成會進行邏輯完整備份，但只會將變更或新資料傳輸至 Data Domain 系統。虛擬合成元件對系統有效壓縮率的影響與 fastcopy。
覆寫
- 覆寫會消耗更多實體空間，但不會增加資料集的邏輯大小，因此覆寫會降低系統有效壓縮率
儲存稀疏檔案
- 稀疏檔案包含大型的「孔洞」，這些「孔洞」會計入邏輯大小，但不會因為壓縮而使用實體空間。因此，它們會讓系統有效壓縮率看起來很高。
儲存小型檔案
- 針對特定的內部中繼資料，DDOS 會為每個檔案增加近 1 KB 的額外空間。當系統儲存大量小型檔案（小於 1 KB 或為個位數 KB）時，中繼資料的額外空間會降低有效壓縮率。
儲存預先壓縮或預先加密的檔案
- 壓縮和加密可以放大數據更改的級別，並降低重複數據刪除的可能性。此類檔通常無法很好地刪除重複數據，並降低系統有效壓縮率。
刪除
- 刪除會減少系統的邏輯大小，但系統在執行垃圾收集之前，不會取得對應的未使用空間。許多刪除的檔案會降低壓縮率，直到垃圾收集（GC）執行為止。
垃圾收集（GC）或清理
- GC 會回收任何檔案不再看到資料區段所耗用的空間。如果最近刪除了許多檔案，GC 可能會降低實體空間的使用量，以提高系統壓縮率。
積極拍攝快照
- 當 Mtree ，則數據集的邏輯大小不會更改。但是，即使在快照所參考的所有檔案在拍攝後皆已刪除，快照所參考的所有資料區段亦會受到鎖定。GC 無法回收快照仍需要的空間，擁有大量快照可能會使系統有效壓縮率較低。但是，快照是有用的崩潰恢復功能。在需要時隨時拍攝快照或設定適當的快照排程。

壓縮：內嵌式統計資料：

DDOS 會在資料寫入系統時進行內嵌式重複資料刪除。它會追蹤每次寫入的內嵌式重複資料刪除和本機壓縮效果，並在檔案層級累積統計資料。每個檔案的內嵌式壓縮統計資料會進一步匯總於 mtree 級別和系統級別。壓縮是根據內嵌式統計資料中的三個數字來測量：

每次寫入的長度： raw_bytes
The length of all unique segments: pre_lc_size
本機壓縮的唯一區段長度： post_lc_size

根據上述三個數字，DDOS 可定義兩個更精細的壓縮率：

- 全域壓縮（g_comp)
  - 等於（raw_bytes/pre_lc_size），並反映重複資料刪除率
- 本機壓縮（l_comp)
  - 等於（pre_lc_size/post_lc_size），並反映本地壓縮演演演算法的效果

累積的內嵌式壓縮統計資料是 DDOS 內檔案中繼資料的一部分，並會儲存在檔案中 inode。DDOS 提供的工具可檢查所有三個級別的內嵌式壓縮;檔， MTree和全系統。以下各節將詳述這些內容。

檔案壓縮：

- 可以使用「檢查檔案壓縮filesys show compression <path>」CLI 命令，報告儲存在檔案中的累積壓縮統計資料 inode。
- 指定目錄時，會加總並報告該目錄下所有檔案的內嵌壓縮統計資料。
- 在 CLI 輸出中， raw_bytes 標記為「原始位元組」， pre_lc_size 標記為「全域壓縮」 post_lc_bytes 標示為「本機壓縮」。其他開銷報告為「元數據」。這兩個範例是從生產 DD 擷取而得：

範例 1：檔案的內嵌式壓縮統計資料

filesys show compression /data/col1/main/dir1/file_1

Total files: 1;  bytes/storage_used: 7.1
        Logical Bytes:       53,687,091,200
       Original Bytes:       11,463,643,380
  Globally Compressed:        4,373,117,751
   Locally Compressed:        1,604,726,416
            Meta-data:           18,118,232

範例 2：目錄下所有檔案的內嵌式壓縮統計資料，包括所有子目錄

filesys show compression /data/col1/main/dir1

Total files: 13;  bytes/storage_used: 7.1
        Logical Bytes:       53,693,219,809
       Original Bytes:       11,501,978,884
  Globally Compressed:        4,387,212,404
   Locally Compressed:        1,608,444,046
            Meta-data:           18,241,880

- - 系統在上述 CLI 輸出中將整體內嵌式壓縮率報告為「bytes/」storage_used.」
  - 不過，解譯上述資訊時必須小心謹慎，因為它可能會因為各種原因而產生誤導。
  - 一個原因是 pre_lc_size 和 post_lc_size 在處理數據操作時記錄。
  - 刪除原先新增這些區段的檔案時，應增加剩餘檔案中唯一資料區段的數量。

例如，假設檔案範例檔案已備份至 Data Domain，而在第一次備份中，該檔案的壓縮資訊 pre_lc_size= 10 GiB， post_lc_size= 5 GiB。

- - 接下來，假設此文件的數據是唯一的，沒有與任何其他文件共享數據。
  - 在檔案的第二次備份中，進一步假設檔案已取得理想的重複資料刪除功能，如此兩者 pre_lc_size 和 post_lc_size 應為零，因為系統上已存在檔的所有段。
  - 刪除第一個備份時，檔案的第二個備份會成為唯一參考 5 GiB 資料區段的檔案。
  - 在這種情況下，理想情況下， pre_lc_size 和 post_lc_size 第二個備份中的檔案應分別從 0 更新為 10 GiB 和 5 GiB。
  - 但是，無法偵測應針對哪些檔案執行，因此現有檔案的內嵌式壓縮統計資料維持不變。

- 影響上述數位的另一個因素是累積統計數據。
- 當檔被大量覆蓋時，無法跟蹤累積統計資訊在多大程度上反映了引入實時數據的寫入。
- 因此，在很長一段時間內，內嵌式壓縮統計資料只能視為一種啟發式方法，以粗略估計特定文件的壓縮程度。
- 另一個值得強調的事實是，無法在任意時間間隔內測量檔的內聯壓縮。
- 檔案內嵌式壓縮統計資料是累積的結果，涵蓋了檔案所收到的所有寫入。
- 當檔案收到大量覆寫時， raw_bytes 可以遠大於文件的邏輯大小。對於稀疏檔，檔大小可能大於“原始位元組”。

MTree 壓縮：

- 特定 mtree 可以檢查 "mtree show compression" (MSC） CLI 命令。
- 內嵌式壓縮統計資料的絕對值會在 MTree。
- 鑒於 MTree 可能長達很多年，隨著時間的推移，這些值的信息變得越來越少。
- 為了解決此問題，我們使用內嵌式壓縮統計資料的變更量（delta），並且僅報告特定時間間隔的壓縮。
- 基本方法是 MTree 內嵌式壓縮統計資料會定期傾印至記錄檔。
- 當用戶端查詢使用 MSC 命令，該日誌用於計算壓縮報告的數字增量。
- 默認情況下， MSC 報告過去 7 天和過去 24 小時的壓縮效果，但可以指定感興趣的任何時段。

為了進行演示，假設以下日誌用於 MTree 答：

3:00AM, raw_bytes=11000GB, pre_lc_size=100GB, post_lc_size=50GB 4:00AM, raw_bytes=12000GB, pre_lc_size=200GB, post_lc_size=100GB

然後壓縮 MTree 此小時的 A 為：

g_comp = (12000-11000)/(200-100) = 10x
l_comp = (200-100)/(100-50) = 2x
overall compression ratio = (12000-11000)/(100-50) = 20x

上述壓縮率計算對數據集大小沒有任何作用。例如，上述 mtree 可能只有 500 GB 的邏輯資料。

- MSC 支援“每日”和“每日詳細”選項，”filesys show compression命令。
- 指定「每日」時，命令會以行事曆的方式報告每日壓縮。
- 它使用 raw_bytes 和 post_lc_size 以計算每日壓縮率。
- 指定「每日詳細資訊」時，該命令將顯示所有三個增量（ raw_bytes小 pre_lc_size以及 post_lc_size），分別為每天。它還計算出 g_comp 和 l_comp 在總壓縮係數旁邊。

以下附錄中提供這些系統的範例輸出結果。

系統壓縮：

- 一次如何報告壓縮 MTrees 可以理解，將概念擴展到整個系統是直截了當的。
- 全系統壓縮內嵌式統計資料的收集和報告與 MTrees。
- 唯一的區別是範圍，因為一個在特定的 MTree，而一個是整個系統。
- 可以使用「filesys show compression命令。
- 此範例請參閱第 2 節。
- 「過去 7 天」和「過去 24 小時」的系統壓縮會報告於 FSC 輸出。

雲端層：

在已實作雲端層的 DD 上，儲存裝置會分為使用中階層和雲端層，這是兩個獨立的重複資料刪除網域。
使用者只能將資料注入使用中的階層。
之後，DDOS 資料移動功能可用於將資料從使用中階層遷移到雲端階層。
因此，空間和壓縮測量與報告會在每個層級中獨立處理。
但在檔案層級，並未按層和報告內嵌式壓縮統計資料加以區分，其與第 3.1 節所述完全相同。

重複資料刪除：

最後一個要強調的主題是重複資料刪除的一些特性，在許多 Data Domain 文章中稱為「全域壓縮」。

雖然它包含“壓縮”一詞，但它與傳統的壓縮概念完全不同，DDOS 也以“本機壓縮”的名稱提供壓縮。

本地壓縮使用特定演演演算法減小數據片段的大小（某些類型的數據不可壓縮，對它們應用壓縮演演演算法可能會略微增加數據大小）。
通常，一旦決定了演演演算法，數據就是壓縮率的唯一因素。
然而，重複資料刪除則不同，它不適用於本機概念，而是「全域」的概念。
傳入的資料區段會針對重複資料刪除網域中的所有現有資料區段進行重復資料刪除，其中包括非雲端 Data Domain 系統上的所有資料。
在重複資料刪除過程中，資料區段本身並不重要。
實際上，在資料集的初始備份中很少出現高重複資料刪除率。在初始備份中，主要的資料減量通常來自於本機壓縮。
後續備份到達 Data Domain 時，重複資料刪除會展現其優勢，並成為壓縮的主力。
重複資料刪除的有效性取決於資料集在備份與備份之間的變更率較低。因此，無法針對具有高變更率的資料集進行完善的重復資料刪除。
當備份應用程式以高頻率將自己的中繼資料區塊（Data Domain 稱為標記）插入備份映像時，可能也無法取得良好的重複資料刪除率。我們的標記處理技術有時會有所説明，但並非總是如此。

鑒於這些觀察結果，可以期待什麼：

初始備份只能達到很小的系統有效壓縮率，通常是 2 倍或 3 倍。重複數據刪除通常幾乎沒有機會在初始備份中展示其優勢。
增量備份的全域壓縮率低於對應之完整備份的壓縮率。這是因為相較於之前的備份，增量備份只包含變更或新檔案。全域壓縮率取決於增量備份中的新資料百分比。
在某些情況下，完整備份（非初始備份）的重複數據刪除比率也可能很低。一些經常觀察到的情況包括：
- 所備份資料的變更率高
- 資料集主要由小型檔案（小於 5 MiB）主導
- 備份應用程式新增了許多緊密間隔的標記
- 增量資料庫備份或使用小塊大小
- 當在低資料變更率的完整備份中發現壓縮率較低時，請檢查是否適用上述其中一種情況，或是否需要進一步分析。
較高備份映像的壓縮效果不一定比初始壓縮更好。連續備份映像可能會顯示高重複資料刪除率，因為初始和較早的備份映像已將大部分資料新增至系統。刪除所有較早的備份映射時，早期備份映像的全域和本機壓縮率可能仍然很高，但這僅表示它在新增至系統時能獲得良好的重複資料刪除功能，僅此而已。刪除具有高全域和本機壓縮率且為特定資料集的最後一個備份映像的檔案時，釋放的空間可能會超過從壓縮率中獲得的大小。
無論以何種方式將資料集新增至不同系統，都無法比較相同資料集在不同系統上的壓縮率。因為每個系統都是獨立的重複資料刪除網域。即使兩個不同的 DD 的資料集相同，也不會期望獲得相同或甚至必須相似的壓縮率。

摘要：

在重複資料刪除的檔案系統中衡量壓縮很困難，但在日誌結構的重複資料刪除文件系統中卻更難。
必須瞭解重複數據刪除的工作原理以及如何跟蹤壓縮統計資訊。
壓縮率是瞭解特定系統行為的實用資訊。
系統有效壓縮率是最重要、最可靠，且可提供最多資訊的測量方法。
內嵌式壓縮統計資料也很實用，但在某些情況下可能僅能視為異質。

附錄：

以下項目的範例輸出： "mtree show compression" command

假設有一個 MTree 擁有 254792.4 GiB 的資料。它在過去 7 天內收到了 4379.3 GiB 的新數據，在過去 24 小時內收到了 78.4 GiB （可以指定其他時間間隔）。
「每日」選項會報告過去 33 天的內嵌式壓縮統計資料。
提供「每日詳細資料」選項時，總壓縮率會進一步細化為全域和本機壓縮率。

可使用 mtree 清單輸出：

mtree list /data/col1/main

Name              Pre-Comp (GiB)   Status
---------------   --------------   ------
/data/col1/main         254792.4   RW
---------------   --------------   ------
 D    : Deleted
 Q    : Quota Defined
 RO   : Read Only
 RW   : Read Write
 RD   : Replication Destination
 IRH  : Retention-Lock Indefinite Retention Hold Enabled
 ARL  : Automatic-Retention-Lock Enabled
 RLGE : Retention-Lock Governance Enabled
 RLGD : Retention-Lock Governance Disabled
 RLCE : Retention-Lock Compliance Enabled
 M    : Mobile
 m    : Migratable

MSC （無選項）：

mtree show compression /data/col1/main

From: 2023-09-07 12:00 To: 2023-09-14 12:00

                Pre-Comp   Post-Comp   Global-Comp   Local-Comp      Total-Comp
                   (GiB)       (GiB)        Factor       Factor          Factor
                                                                  (Reduction %)
-------------   --------   ---------   -----------   ----------   -------------
Written:
  Last 7 days     4379.3       883.2          3.4x         1.5x     5.0x (79.8)
  Last 24 hrs      784.6       162.1          3.3x         1.4x     4.8x (79.3)
-------------   --------   ---------   -----------   ----------   -------------

使用「每日」選項：

mtree show compression /data/col1/main daily

From: 2023-08-12 12:00 To: 2023-09-14 12:00

  Sun     Mon     Tue     Wed     Thu     Fri     Sat   Weekly
-----   -----   -----   -----   -----   -----   -----   ------   -----------------
 -13-    -14-    -15-    -16-    -17-    -18-    -19-            Date
432.0   405.9   284.1   438.8   347.0   272.7   331.4   2511.8   Pre-Comp
 85.5    66.2    45.3    81.9    61.4    57.4    66.3    464.1   Post-Comp
 5.0x    6.1x    6.3x    5.4x    5.7x    4.7x    5.0x     5.4x   Total-Comp Factor

 -20-    -21-    -22-    -23-    -24-    -25-    -26-
478.0   387.8   450.2   533.1   386.0   258.4   393.6   2887.1
100.6    81.5   100.8   119.0    84.0    40.6    75.3    601.8
 4.8x    4.8x    4.5x    4.5x    4.6x    6.4x    5.2x     4.8x

 -27-    -28-    -29-    -30-    -31-     -1-     -2-
 27.6     1.0     0.4   470.7   467.3   517.7   641.9   2126.7
  4.9     0.2     0.1    83.9    92.3    89.8   140.1    411.2
 5.6x    5.6x    4.3x    5.6x    5.1x    5.8x    4.6x     5.2x

  -3-     -4-     -5-     -6-     -7-     -8-     -9-
539.6   495.0   652.8   658.7   537.1   398.7   305.5   3587.3 
110.8   108.0   139.4   137.0   111.5    78.3    48.3    733.3 
 4.9x    4.6x    4.7x    4.8x    4.8x    5.1x    6.3x     4.9x 

 -10-    -11-    -12-    -13-    -14-   
660.2   738.3   787.2   672.9   796.9                   3655.5
143.9   152.5   167.6   126.9   163.3                    754.2 
 4.6x    4.8x    4.7x    5.3x    4.9x                     4.8x 
-----   -----   -----   -----   -----   -----   -----   ------   -----------------
                 Pre-Comp   Post-Comp   Global-Comp   Local-Comp      Total-Comp
                    (GiB)       (GiB)        Factor       Factor          Factor
                                                                   (Reduction %)
--------------   --------   ---------   -----------   ----------   -------------
Written:
  Last 33 days    14768.3      2964.5          3.4x         1.5x     5.0x (79.9)
  Last 24 hrs       784.6       162.1          3.3x         1.4x     4.8x (79.3)
--------------   --------   ---------   -----------   ----------   -------------

Key:
       Pre-Comp = Data written before compression
       Post-Comp = Storage used after compression
       Global-Comp Factor = Pre-Comp / (Size after de-dupe)
       Local-Comp Factor = (Size after de-dupe) / Post-Comp
       Total-Comp Factor = Pre-Comp / Post-Comp
       Reduction % = ((Pre-Comp - Post-Comp) / Pre-Comp) * 100

使用「每日詳細資料」選項：

mtree show compression /data/col1/main daily-detailed

From: 2023-08-12 12:00 To: 2023-09-14 12:00

  Sun     Mon     Tue     Wed     Thu    Fri     Sat    Weekly
-----   -----   -----   -----   -----   -----   -----   ------   -----------------
 -13-    -14-    -15-    -16-    -17-    -18-    -19-            Date
432.0   405.9   284.1   438.8   347.0   272.7   331.4   2511.8   Pre-Comp
 85.5    66.2    45.3    81.9    61.4    57.4    66.3    464.1   Post-Comp
 3.5x    4.1x    4.3x    3.6x    3.8x    3.3x    3.4x     3.7x   Global-Comp Factor
 1.4x    1.5x    1.5x    1.5x    1.5x    1.4x    1.5x     1.5x   Local-Comp Factor
 5.0x    6.1x    6.3x    5.4x    5.7x    4.7x    5.0x     5.4x   Total-Comp Factor
 80.2    83.7    84.1    81.3    82.3    78.9    80.0     81.5   Reduction %

 -20-    -21-    -22-    -23-    -24-    -25-    -26-
478.0   387.8   450.2   533.1   386.0   258.4   393.6   2887.1
100.6    81.5   100.8   119.0    84.0    40.6    75.3    601.8
 3.3x    3.3x    3.0x    3.0x    3.3x    4.1x    3.6x     3.3x 
 1.4x    1.5x    1.5x    1.5x    1.4x    1.5x    1.4x     1.5x 
 4.8x    4.8x    4.5x    4.5x    4.6x    6.4x    5.2x     4.8x
 79.0    79.0    77.6    77.7    78.2    84.3    80.9     79.2

 -27-    -28-    -29-    -30-    -31-    -1-     -2-
 27.6     1.0     0.4   470.7   467.3   517.7   641.9   2126.7
  4.9     0.2     0.1    83.9    92.3    89.8   140.1    411.2
 4.4x    3.7x    2.6x    3.8x    3.5x    3.9x    3.2x     3.5x 
 1.3x    1.5x    1.6x    1.5x    1.4x    1.5x    1.5x     1.5x
 5.6x    5.6x    4.3x    5.6x    5.1x    5.8x    4.6x     5.2x
 82.1    82.2    76.8    82.2    80.3    82.7    78.2     80.7

  -3-     -4-     -5-     -6-     -7-    -8-     -9-
539.6   495.0   652.8   658.7   537.1   398.7   305.5   3587.3 
110.8   108.0   139.4   137.0   111.5    78.3    48.3    733.3 
 3.4x    3.1x    3.2x    3.4x    3.3x    3.4x    4.1x     3.3x 
 1.4x    1.5x    1.5x    1.4x    1.4x    1.5x    1.6x     1.5x
 4.9x    4.6x    4.7x    4.8x    4.8x    5.1x    6.3x     4.9x 
 79.5    78.2    78.6    79.2    79.2    80.4    84.2     79.6

 -10-    -11-    -12-    -13-    -14-   
660.2   738.3   787.2   672.9   796.9                   3655.5
143.9   152.5   167.6   126.9   163.3                    754.2
 3.1x    3.4x    3.2x    3.7x    3.4x                      .3x 
 1.5x    1.4x    1.5x    1.4x    1.5x                     1.5x
 4.6x    4.8x    4.7x    5.3x    4.9x                     4.8x
 78.2    79.3    78.7    81.1    79.5                     79.4
-----   -----   -----   -----   -----   -----   -----   ------   -----------------
                 Pre-Comp   Post-Comp   Global-Comp   Local-Comp      Total-Comp
                    (GiB)       (GiB)        Factor       Factor          Factor
                                                                   (Reduction %)
--------------   --------   ---------   -----------   ----------   -------------
Written:
  Last 33 days    14768.3      2964.5          3.4x         1.5x     5.0x (79.9)
  Last 24 hrs       784.6       162.1          3.3x         1.4x     4.8x (79.3)
--------------   --------   ---------   -----------   ----------   -------------

Key:
       Pre-Comp = Data written before compression
       Post-Comp = Storage used after compression
       Global-Comp Factor = Pre-Comp / (Size after de-dupe)
       Local-Comp Factor = (Size after de-dupe) / Post-Comp
       Total-Comp Factor = Pre-Comp / Post-Comp
       Reduction % = ((Pre-Comp - Post-Comp) / Pre-Comp) * 100

Affected Products

Data Domain

Products

Data Domain

Article Number: 000003886

Article Type: How To

Last Modified: 17 Jun 2026

Version: 24

Check if your device is covered by Support Services.

Data Domain：瞭解 Data Domain 壓縮

Summary: 在此將解釋一些術語、取捨和測量方法，以說明 Data Domain 上使用的壓縮類型、術語和其他壓縮特性。

Instructions

Affected Products

Instructions

簡介：

壓縮：系統整體效果：

壓縮：內嵌式統計資料：

雲端層：

重複資料刪除：

摘要：

附錄：

Affected Products

Products

Article Properties

Find answers to your questions from other Dell users

Support Services

Article Properties

Find answers to your questions from other Dell users

Support Services

Data Domain：瞭解 Data Domain 壓縮

Summary: 在此將解釋一些術語、取捨和測量方法，以說明 Data Domain 上使用的壓縮類型、術語和其他壓縮特性。

Detailed Article

Instructions

Affected Products

Instructions

簡介：

壓縮：系統整體效果：

壓縮：內嵌式統計資料：

雲端層：

重複資料刪除：

摘要：

附錄：

Affected Products

Products

Article Properties

Find answers to your questions from other Dell users

Support Services

Article Properties

Find answers to your questions from other Dell users

Support Services