Data Domain：了解 Data Domain 压缩

Résumé: 此处介绍了术语、取舍和度量，以描述 Data Domain 上使用的压缩类型、术语以及压缩的其他方面。

Instructions

Produits concernés

Cet article concerne Cet article ne concerne pas Cet article n’est associé à aucun produit spécifique. Toutes les versions du produit ne sont pas identifiées dans cet article.

Consulter d’autres ressources

Instructions

Data Domain 中涉及的压缩技术使用先进的技术来减少备份数据所需的物理空间。因此，压缩级别的技术和衡量是复杂的主题。

本文讨论了一些术语、取舍和措施，以更好地解释所使用的压缩类型以及 Data Domain 环境中压缩的其他方面。

适用对象：所有 Data Domain 型号

简介：

上次更新时间：2024 年 1 月

压缩是一种数据缩减技术，旨在使用更少的物理空间存储数据集。
在 Data Domain 系统（DDOS）中，执行重复数据消除和本地压缩以压缩用户数据。重复数据消除或“重复数据消除”用于识别冗余数据段并仅存储唯一数据段。
本地压缩使用某些压缩算法进一步压缩唯一数据段，例如 lz, gzfast, gz，依此类推。
DDOS 中的整体用户数据压缩是重复数据消除和本地压缩共同作用的结果。DDOS 使用“压缩比”来衡量其数据压缩的有效性。
通常，它是总用户数据大小与压缩数据总大小或已用物理空间大小的比率。
Data Domain 文件系统是一种“日志结构式”重复数据消除文件系统。
日志结构文件系统仅将数据附加到系统，而删除本身无法释放物理空间。
此类文件系统依赖于垃圾收集来回收不再需要的空间。
日志结构文件系统的特征与经过重复数据消除的技术相结合，使得很难清楚地了解 DDOS 中压缩的所有方面。

对于压缩，可以衡量许多方面。

本文讨论分步详细信息，以帮助了解 DDOS 压缩。

首先，介绍了整体系统压缩效果，告诉我们在 Data Domain 系统中实现的实际压缩、用户数据量、占用的物理空间量以及它们的比率。
此比率在本文中称为“系统有效压缩比”。
DDOS 内联执行重复数据消除，并跟踪原始用户数据段的统计信息、重复数据消除后的唯一数据段以及本地压缩对唯一数据段的影响。
这些内联压缩统计信息用于衡量内联压缩效果。可针对每次写入测量线内压缩统计信息。此外，DDOS 还会跟踪不同级别的统计信息：文件 MTrees以及整个系统。

本文的内容可应用于本文发布之前的所有 DDOS 版本，直至 DDOS 7.13。

无法保证所有内容在未来版本中都准确无误。

在 5.0 之前的版本中，整个系统只有一个 mtree 和术语 mtree 没有明确指出。

压缩：系统整体效果：

系统范围的整体压缩效果通过有效压缩比来衡量，有效压缩比是用户数据大小与已用物理空间大小的比率。据”filesys show compression" (FSC） CLI 命令（UI 上也提供了相应的信息）。以下项的输出示例： 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.

- 系统有效压缩比在 CLI 输出的结果部分的第 1 行报告。该行在上面突出显示。
- 用户数据总大小标记为“Pre-Comp”。
- 使用的总物理空间（包括数据和元数据）标记为“Post-Comp”。
- “Pre-Comp”编号和“Post-Comp”编号均在运行时读取。 FSC 隐式同步整个系统，然后查询这两个数字。
  - 这两个数字的测量方法与”filesys show space“命令。
  - 系统有效压缩比 = 压缩前/压缩后

输出的其余部分描述了线内压缩统计信息（稍后讨论）。

有一些操作可能会影响系统有效压缩比：

快速复制
- 当 fastcopy 是从活动命名空间中的文件（而不是快照）完成的，这是一种完美的重复数据消除，因为目标文件不需要额外的物理空间。使用 fastcopy 是在不占用额外物理空间的情况下增加用户数据大小。这将提高系统有效压缩比。当许多 fastcopies 完成后，系统有效压缩比可能会人为变高。
虚拟合成
- 虚拟合成备份往往显示较高的系统有效压缩比。这是因为虚拟合成备份会进行逻辑完整备份，但仅将更改的数据或新数据传输到 Data Domain 系统。虚拟合成对系统有效压缩比的影响有点像 fastcopy。
覆盖
- 覆盖会占用更多物理空间，但不会增加数据集的逻辑大小，因此覆盖会降低系统有效压缩比
存储稀疏文件
- 稀疏文件包含大型“孔”，这些“孔”计入逻辑大小，但由于压缩而不占用物理空间。因此，它们可以使系统有效压缩比看起来很高。
存储小文件
- 对于某些内部元数据，DDOS 会为每个文件增加近 1 KB 的开销。当系统存储大量小文件（大小小于 1 KB 或大小为个位数 KB）时，元数据的开销会降低有效压缩比。
存储预压缩或预加密文件
- 压缩和加密可以放大数据更改级别并降低重复数据消除的可能性。此类文件通常不能很好地进行重复数据消除，从而降低系统有效压缩比。
删除
- 删除会减少系统的逻辑大小，但在垃圾收集运行之前，系统不会获得相应的未使用空间。许多已删除的文件使压缩比变低，直到垃圾数据收集（GC）运行。
垃圾收集（GC）或清理
- GC 会回收不再被任何文件看到的数据段占用的空间。如果最近删除了许多文件，GC 可能会通过减少物理空间占用来提高系统压缩比。
积极拍摄快照
- 当 Mtree ，数据集的逻辑大小不会更改。但是，快照引用的所有数据段都必须锁定，即使快照捕获的所有文件在快照创建后被删除也是如此。GC 无法回收快照仍需要的空间，拥有大量快照可能会使系统有效压缩比显得较低。但是，快照是有用的崩溃恢复工具。在需要时创建快照或设置适当的快照计划时，请不要犹豫。

压缩：内联统计信息：

当数据写入系统时，DDOS 会内联执行重复数据消除。它会跟踪线内重复数据消除和本地压缩对每次写入的影响，并在文件级别累积统计信息。每个文件的线内压缩统计信息进一步汇总在 mtree 级别和系统级别。压缩的衡量基于内联统计信息中的三个数字：

每次写入的长度： raw_bytes
The length of all unique segments: pre_lc_size
本地压缩的唯一数据段的长度： post_lc_size

根据上述三个数字，DDOS 定义了两个更细粒度的压缩比：

- 全局压缩（g_comp)
  - 等于（raw_bytes/pre_lc_size），并反映重复数据消除率
- 本地压缩（l_comp)
  - 等于（pre_lc_size/post_lc_size）并反映本地压缩算法的效果

累积的内联压缩统计信息是 DDOS 中文件元数据的一部分，存储在文件中 inode。DDOS 提供了在所有三个级别检查线内压缩的工具;文件 MTree和系统范围的。以下各节详细介绍了这些内容。

文件压缩：

- 可以使用”filesys show compression <path>“CLI 命令，用于报告文件中存储的累积压缩统计信息 inode。
- 指定目录后，将汇总并报告该目录下所有文件的内联压缩统计信息。
- 在 CLI 输出中， raw_bytes 标记为“Original Bytes”， pre_lc_size 标记为“Globally Compressed”（全局压缩）。 post_lc_bytes 标记为“本地压缩”。其他开销报告为“元数据”。这两个示例是从生产 DD 中捕获的：

示例 1：文件的内联压缩统计信息

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

示例 2：目录下所有文件（包括所有子目录）的内联压缩统计信息

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

- - 系统在上述 CLI 输出中将整体线内压缩比报告为“bytes/storage_used”的输出。
  - 但是，在解释上述信息时必须小心谨慎，由于各种原因，这些信息可能会有误导性。
  - 原因之一是 pre_lc_size 和 post_lc_size 在处理数据操作时记录。
  - 删除最初添加这些数据段的文件后，应增加剩余文件中唯一数据段的数量。

例如，假设将文件样本文件备份到 Data Domain，并且在第一次备份中，文件的压缩信息为 pre_lc_size= 10 GiB， post_lc_size= 5 GiB。

- - 接下来，假设此文件的数据是唯一的，不与任何其他文件共享数据。
  - 在文件的第二个备份中，进一步假设文件获得理想的重复数据消除，使得两者都 pre_lc_size 和 post_lc_size 应为零，因为系统上已存在文件的所有段。
  - 删除第一个备份后，该文件的第二个备份将成为引用 5 GiB 数据段的唯一文件。
  - 在这种情况下，理想情况下， pre_lc_size 和 post_lc_size 第二次备份中的文件应从两者的均为 0 分别更新为 10 GiB 和 5 GiB。
  - 但是，无法检测应该为哪些文件执行操作，因此现有文件的内联压缩统计信息保持不变。

- 影响上述数字的另一个因素是累积统计数据。
- 当文件被大量覆盖时，无法跟踪累积统计信息反映引入实时数据的写入的程度。
- 因此，在很长一段时间内，内联压缩统计信息只能被视为一种启发式方法，以粗略估计特定文件的压缩。
- 另一个值得强调的事实是，无法按任意时间间隔测量文件的内联压缩。
- 文件内联压缩统计信息是累积结果，涵盖文件收到的所有写入。
- 当文件收到大量覆盖时，会 raw_bytes 可以远远大于文件的逻辑大小。对于稀疏文件，文件大小可能大于“原始字节数”。

MTree 压缩：

- 特定 mtree 可以使用以下命令进行检查： "mtree show compression" (MSC） CLI 命令。
- 线内压缩统计信息的绝对值在 MTree。
- 考虑到 MTree 可能长达多年，随着时间的推移，这些值的信息变得越来越少。
- 为解决此问题，将使用内联压缩统计信息的更改量（增量），并仅报告特定时间间隔的压缩。
- 基本方法是 MTree 线内压缩统计信息会定期转储到日志。
- 当客户端使用 MSC 命令，日志用于计算用于压缩报告的数字增量。
- 默认情况下， MSC 报告过去 7 天和过去 24 小时的压缩，但可以指定任何感兴趣的时间段。

为了进行演示，假设以下日志 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

然后压缩 MTree 本小时的 A 为：

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

上述压缩比计算不会对数据集大小执行任何操作。例如，上述 mtree 可能只有 500 GB 逻辑数据。

- MSC 支持“每日”和“每日详细”选项，以及”filesys show compression“命令。
- 指定“daily”时，该命令会以日历方式报告每日压缩。
- 它使用 raw_bytes 和 post_lc_size 计算每日压缩比。
- 当指定“daily-detailed”时，该命令将显示所有三个增量（在 raw_bytes、 pre_lc_size以及 post_lc_size，分别）为每一天。它还计算 g_comp 和 l_comp 以及总压缩系数。

下面的附录中提供了这些系统的示例输出。

系统压缩：

- 一旦如何报告压缩 MTrees 可以理解，将这个概念扩展到整个系统是很简单的。
- 系统范围的压缩内联统计信息收集和报告与完全相同 MTrees。
- 唯一的区别是范围，因为一个在特定的 MTree，而一个则覆盖整个系统。
- 可以使用”filesys show compression“命令。
- 可以在第 2 节中找到这方面的示例。
- “过去 7 天”和“过去 24 小时”系统压缩在 FSC 命令。

云层：

在实施了云层的 DD 上，存储分为活动层和云层，这是两个独立的重复数据消除域。
用户只能将数据注入活动层。
稍后，可以使用 DDOS 数据移动功能将数据从活动层迁移到云层。
因此，空间和压缩测量和报告在每一层中都是独立处理的。
但在文件级别，没有按层进行区分，并报告内联压缩统计信息，它们与第 3.1 节中所述完全相同。

重复数据消除：

要重点介绍的最后一个主题是重复数据消除的一些特征，在许多 Data Domain 文章中称为“全局压缩”。

虽然它包含“压缩”一词，但它与传统的压缩概念完全不同，传统的压缩概念也由 DDOS 以“本地压缩”的名称提供。

本地压缩使用特定算法减小数据片段的大小（某些类型的数据不可压缩，对它们应用压缩算法可能会略微增加数据大小）。
通常，确定算法后，数据是压缩比的唯一因素。
但是，重复数据消除则不同 — 它不是本地概念，而是全局概念。
传入数据段会针对已消除重复数据的域中的所有现有数据段（包括非云 Data Domain 系统上的所有数据）进行重复数据消除。
数据段本身在重复数据消除过程中无关紧要。
在实践中，在数据集的初始备份中很少出现高重复数据消除率。在初始备份中，主要的数据缩减通常来自本地压缩。
当后续备份进入 Data Domain 时，重复数据消除将显示出其优势，并成为压缩的主导因素。
重复数据消除的有效性取决于这样一个事实：数据集在备份之间的更改率很低。因此，更改率高的数据集无法很好地进行重复数据消除。
当备份应用程序以高频率将自己的元数据块（Data Domain 称为标记）插入备份映像时，也可能无法获得良好的重复数据消除率。我们的标记处理技术有时会有所帮助，但并非总是如此。

根据这些观察结果，可以期待什么：

初始备份可能只能实现较小的系统有效压缩比，通常是 2 倍或 3 倍。重复数据消除通常几乎没有机会在初始备份中显示其优势。
增量备份的全局压缩比低于相应完整备份的压缩比。这是因为与上一个较早备份相比，增量备份仅包含更改的文件或新文件。全局压缩比取决于增量备份中新数据的百分比。
在某些情况下，完整备份（非初始备份）的重复数据消除率也可能很低。一些常见情景包括：
- 要备份的数据更改率很高
- 数据集由小文件主导（小于 5 MiB）
- 备份应用程序添加了大量间隔很近的标记
- 增量或使用小数据块大小的数据库备份
- 当在数据更改率较低的完整备份中观察到低压缩比时，请检查上述情况之一是否适用，或者是否需要进一步分析。
较新备份映像的压缩并不总是比初始映像更好。连续备份映像可能会显示较高的重复数据消除率，因为初始和较早的备份映像已将大部分数据添加到系统中。删除所有较早的备份映像后，最早的现有备份映像的全局和本地压缩比可能仍然很高，但这仅意味着它在添加到系统时获得了良好的重复数据消除，没有其他影响。当删除具有高全局和本地压缩比的文件并且是特定数据集的最后一个备份映像时，它释放的空间可能会超过压缩比得出的大小。
无论数据集以何种方式添加到这些系统，都无法比较不同系统上同一数据集的压缩比。这是因为每个系统都是独立的重复数据消除域。即使两个不同的 DD 数据集相同，也不需要两个不同的 DD 获得相同甚至一定相似的压缩比。

摘要：

在经过重复数据消除的文件系统中，衡量压缩是很困难的，但在日志结构的重复数据消除文件系统中则更难。
必须了解重复数据消除的工作原理以及如何跟踪压缩统计信息。
压缩比是了解特定系统行为的有用信息。
系统有效压缩比是最重要、最可靠且信息量最大的度量。
内联压缩统计信息也可能很有帮助，但在某些情况下，它们可能只不过是启发式方法。

附录：

以下项的输出示例： "mtree show compression" command

假设有一个 MTree 持有 254792.4 GiB 的数据。它在过去 7 天内收到了 4379.3 GiB 的新数据，在过去 24 小时内收到了 78.4 GiB（可以指定其他时间间隔）。
“daily”选项报告过去 33 天的内联压缩统计信息。
当提供“daily-detailed”选项时，将总压缩比分为全局压缩比和本地压缩比，从而进一步详细说明。

而 mtree 列表输出：

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 （无选项）：

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”选项：

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“每日详细”选项：

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

Produits concernés

Data Domain

Produits

Data Domain

Numéro d’article: 000003886

Type d’article: How To

Dernière modification: 17 Jun 2026

Version: 24

Vérifiez si votre appareil est couvert par les services de support.

Data Domain：了解 Data Domain 压缩

Résumé: 此处介绍了术语、取舍和度量，以描述 Data Domain 上使用的压缩类型、术语以及压缩的其他方面。

Instructions

Produits concernés

Instructions

简介：

压缩：系统整体效果：

压缩：内联统计信息：

云层：

重复数据消除：

摘要：

附录：

Produits concernés

Produits

Propriétés de l’article

Trouvez des réponses à vos questions auprès d’autres utilisateurs Dell

Services de support

Propriétés de l’article

Trouvez des réponses à vos questions auprès d’autres utilisateurs Dell

Services de support

Data Domain：了解 Data Domain 压缩

Résumé: 此处介绍了术语、取舍和度量，以描述 Data Domain 上使用的压缩类型、术语以及压缩的其他方面。

Article détaillé

Instructions

Produits concernés

Instructions

简介：

压缩：系统整体效果：

压缩：内联统计信息：

云层：

重复数据消除：

摘要：

附录：

Produits concernés

Produits

Propriétés de l’article

Trouvez des réponses à vos questions auprès d’autres utilisateurs Dell

Services de support

Propriétés de l’article

Trouvez des réponses à vos questions auprès d’autres utilisateurs Dell

Services de support