문서 번호: 000003886
Data Domain과 관련된 압축 기술은 고객 데이터에 필요한 물리적 공간을 줄이기 위한 최첨단 기술을 사용합니다. 따라서 압축 수준의 기술과 측정은 복잡한 주제입니다. 이 문서에서는 Data Domain 시스템에서 사용되는 압축 유형, 용어 및 압축의 기타 측면을 더 잘 설명하기 위해 몇 가지 용어, 장단점 및 조치에 대해 설명합니다.
적용 대상:
모든 Data Domain 모델
최종 업데이트: 2024년 1
월 압축은 더 적은 물리적 공간을 사용하여 데이터 세트를 저장하는 것을 목표로 하는 데이터 감소 기술입니다. DDOS(Data Domain system)에서는 중복 제거 및 로컬 압축을 수행하여 사용자 데이터를 압축합니다. 중복 제거는 이중화된 데이터 세그먼트를 식별하고 고유한 데이터 세그먼트만 저장하는 데 사용됩니다. 로컬 압축은 다음과 같은 특정 압축 알고리듬을 사용하여 고유한 데이터 세그먼트를 추가로 압축합니다. lz, gzfast, gz, 등등. DDOS의 전체 사용자 데이터 압축은 중복 제거와 로컬 압축의 공동 작업입니다. DDOS는 "압축률"을 통해 데이터 압축의 효율성을 측정합니다. 일반적으로 압축된 데이터의 총 크기 또는 사용된 물리적 공간 크기에 대한 총 사용자 데이터 크기의 비율입니다.
Data Domain 파일 시스템은 "로그 구조" 중복 제거 파일 시스템입니다. 로그 구조형 파일 시스템은 데이터만 시스템에 추가하며, 삭제 자체로는 물리적 공간을 확보할 수 없습니다. 이러한 파일 시스템은 가비지 컬렉션을 사용하여 더는 필요 없는 공간을 확보합니다. 로그 구조 파일 시스템의 특성과 중복 제거 기술이 함께 결합되어 DDOS에서 압축의 모든 측면을 명확하게 이해하기는 까다롭습니다.
압축의 경우 측정할 수 있는 여러 측면이 있습니다. 이 문서에서는 DDOS 압축을 이해하는 데 도움이 되는 세부 정보를 단계별로 설명합니다. 먼저 Data Domain 시스템에서 달성되는 사실적인 압축, 사용자 데이터 양, 사용된 물리적 공간의 양 및 비율을 알려주는 전체 시스템 압축 효과에 대해 설명합니다. 이 비율은 이 문서에서 "시스템 유효 압축률"이라고 합니다. DDOS는 중복 제거를 인라인으로 수행하고 원래 사용자 데이터 세그먼트의 통계, 중복 제거 후 고유 데이터 세그먼트 및 고유 데이터 세그먼트에 대한 로컬 압축 효과를 추적합니다. 이러한 인라인 압축 통계는 인라인 압축 효과를 측정하는 데 사용됩니다. 인라인 압축 통계는 각 쓰기에 대해 측정할 수 있습니다. 또한 DDOS는 다양한 수준에서 통계를 추적합니다. 파일, MTree 및 전체 시스템.
이 문서의 내용은 이 문서가 발행될 때까지 DDOS 7.13까지 모든 DDOS 릴리스에 적용될 수 있습니다. 향후 릴리스에서 모든 내용이 정확하다는 보장은 없습니다. 5.0 이전 릴리스에서는 전체 시스템에 mtree가 하나만 있고 mtree라는 용어가 명시적으로 호출되지 않습니다.
시스템 전체의 전체 압축 효과는 사용된 물리적 공간 크기에 대한 사용자 데이터 크기의 비율인 시스템 유효 압축률로 측정됩니다. filesys show compression(FSC) CLI 명령에 의해 보고됩니다(해당 정보는 UI에서도 확인 가능). FSC의 샘플 출력은 아래에 나와 있습니다.
# 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.
시스템 유효 압축률은 CLI 출력의 결과 섹션 1행에 보고됩니다. 행이 위에 강조 표시됩니다. 총 사용자 데이터 크기는 "Pre-Comp"로 레이블이 지정됩니다. 사용된 총 물리적 공간(데이터 및 메타데이터 모두)은 "Post-Comp"로 레이블이 지정됩니다.
"Pre-Comp" 번호와 "Post-Comp" 번호는 모두 런타임에 읽습니다. FSC는 전체 시스템을 암시적으로 동기화한 다음 두 수치를 쿼리합니다. 이 두 숫자는 "filesys show space" 명령과 동일한 방식으로 측정됩니다.
시스템 유효 압축률 = Pre-Comp/Post-Comp
FSC 출력의 나머지 부분에서는 인라인 압축 통계에 대해 설명하고 나중에 설명합니다.
시스템 유효 압축률에 영향을 줄 수 있는 몇 가지 작업이 있습니다.
패스트카피
활성 네임스페이스의 파일(스냅샷이 아님)에서 fastcopy를 수행하는 경우 타겟 파일에 추가 물리적 공간이 필요하지 않으므로 완벽한 중복 제거가 가능합니다. fastcopy의 효과는 물리적 공간을 추가로 소비하지 않고도 사용자 데이터 크기를 늘리는 것입니다. 이렇게 하면 시스템 유효 압축률이 높아집니다. 많은 fastcopy를 수행하면 시스템 유효 압축률이 인위적으로 높아질 수 있습니다.
가상 신세틱
가상 합성 백업은 시스템 유효 압축률이 높은 경향이 있습니다. 가상 신세틱은 논리적 전체 백업을 수행하지만 변경된 데이터 또는 새 데이터만 Data Domain 시스템으로 전송하기 때문입니다. 가상 합성의 시스템 유효 압축률에 미치는 영향은 fastcopy의 효과와 다소 유사합니다.
덮어씁니다
덮어쓰기는 물리적 공간을 더 많이 사용하지만 데이터 세트의 논리적 크기를 늘리지 않으므로 덮어쓰기는 시스템 유효 압축률을 낮춥니다.
스파스 파일 저장
스파스(sparse) 파일에는 논리적 크기로 계산되지만, 압축으로 인해 물리적 공간은 소비하지 않는 큰 "구멍"이 포함되어 있습니다. 그 결과 시스템 유효 압축률이 높게 보일 수 있습니다.
작은 파일 저장
DDOS는 특정 내부 메타데이터의 경우 각 파일에 거의 1KB의 오버헤드를 추가합니다. 시스템에 크기가 작은 파일(크기가 1KB 미만이거나 한 자릿수 킬로바이트)이 많이 저장되어 있는 경우 메타데이터의 오버헤드로 인해 유효 압축률이 낮아집니다.
사전 압축되거나 사전 암호화된 파일 저장
압축 및 암호화는 데이터 변경 수준을 증폭시키고 중복 제거 가능성을 줄일 수 있습니다. 이러한 파일은 일반적으로 중복 제거가 잘 되지 않아 시스템 유효 압축률을 낮출 수 없습니다.
삭제
삭제로 시스템의 논리적 크기를 줄일 수 있지만, 가비지 컬렉션이 실행될 때까지 시스템은 사용되지 않는 해당 공간을 다시 확보할 수 없습니다. 삭제된 파일이 많으면 GC(가비지 컬렉션)가 실행될 때까지 압축률이 낮아집니다.
가비지 컬렉션(GC) 또는 정리
GC는 파일에서 더 이상 볼 수 없는 데이터 세그먼트에서 사용하는 공간을 회수합니다. 최근에 많은 파일이 삭제된 경우 GC는 물리적으로 차지하는 공간을 줄여 시스템 압축률을 높일 수 있습니다.
적극적으로 스냅샷 촬영
Mtree의 스냅샷을 생성할 때 데이터 세트의 논리적 크기는 변경되지 않습니다. 그러나 스냅샷이 참조하는 모든 데이터 세그먼트는 스냅샷이 생성된 후 스냅샷에 의해 캡처된 모든 파일이 삭제되더라도 잠겨 있어야 합니다. GC는 스냅샷에 여전히 필요한 공간을 회수할 수 없습니다. 따라서 스냅샷이 많으면 시스템 유효 압축률이 낮게 나타날 수 있습니다. 그러나 스냅샷은 유용한 크래시 복구 기능입니다. 필요한 경우 언제든지 스냅샷을 생성하거나 적절한 스냅샷 스케줄을 설정해야 합니다.
DDOS는 데이터가 시스템에 기록될 때 인라인 중복 제거를 수행합니다. 각 쓰기에 대한 인라인 중복 제거 및 로컬 압축의 효과를 추적하고 파일 레벨에서 통계를 누적합니다. 파일별 인라인 압축 통계는 mtree 수준과 시스템 수준에서 추가로 집계됩니다. 압축은 인라인 통계의 세 가지 숫자를 기준으로 측정됩니다.
DDOS는 위의 세 가지 수치를 기반으로 두 가지 더 세분화된 압축률을 정의합니다.
누적된 인라인 압축 통계는 DDOS에서 파일 메타데이터의 일부이며 inode 파일에 저장됩니다. DDOS는 세 가지 레벨 모두에서 인라인 압축을 확인하는 툴을 제공합니다. 파일, MTree 및 시스템 차원의 확장입니다. 이에 대해서는 다음 섹션에서 자세히 설명합니다.
3.1 파일 압축
파일 압축은 파일 inode에 저장된 누적 압축 통계를 보고하는 "filesys show compression <path>" CLI 명령을 사용하여 확인할 수 있습니다. 디렉토리가 지정되면 해당 디렉토리 아래에 있는 모든 파일의 인라인 압축 통계가 합산되고 보고됩니다. CLI 출력에서 raw_bytes는 "Original Bytes"로 레이블이 지정됩니다. pre_lc_size는 "Globally Compressed"로 표시됩니다. post_lc_bytes는 "Locally Compressed"로 표시됩니다. 다른 오버헤드는 "메타데이터"로 보고됩니다. 두 가지 예는 실제 DD:예 1에서 캡처됩니다.
파일의 인라인 압축 통계
# 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
예 2: 모든 하위 디렉토리를 포함하여 디렉토리 아래의 모든 파일에 대한 인라인 압축 통계
# 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
시스템은 위 CLI 출력의 전체 인라인 압축률을 "바이트/storage_used"로 보고합니다. 그러나 위의 정보를 해석할 때는 다양한 이유로 오해의 소지가 있을 수 있으므로 주의해야 합니다. 한 가지 이유는 pre_lc_size와 post_lc_size가 데이터 작업이 처리되는 시점에 기록된다는 점입니다. 원래 해당 세그먼트를 추가한 파일이 삭제되면 나머지 파일의 고유 데이터 세그먼트 수를 늘려야 합니다.
예를 들어 sample.file 파일이 Data Domain에 백업되고 첫 번째 백업에서 파일의 압축 정보가 pre_lc_size=10GiB, post_lc_size=5GiB라고 가정합니다.
다음으로, 이 파일의 데이터가 다른 파일과 데이터를 공유하지 않는 고유한 데이터라고 가정합니다. 파일의 두 번째 백업에서는 파일의 모든 세그먼트가 이미 시스템에 있기 때문에 pre_lc_size와 post_lc_size가 모두 0이 되도록 파일의 중복 제거가 이상적이라고 가정합니다. 첫 번째 백업이 삭제되면 파일의 두 번째 백업은 5GiB의 데이터 세그먼트를 참조하는 유일한 파일이 됩니다. 이 경우 이상적으로는 두 번째 백업에서 파일의 pre_lc_size과 post_lc_size가 모두 0에서 각각 10GiB 및 5GiB로 업데이트되어야 합니다. 그러나 어떤 파일을 위해 이 작업을 수행해야 하는지 감지할 수 있는 방법이 없으므로 기존 파일의 인라인 압축 통계는 변경되지 않습니다.
위의 수치에 영향을 미치는 또 다른 요소는 누적 통계입니다. 파일을 많이 덮어쓰는 경우 누적 통계에 라이브 데이터를 도입한 쓰기가 반영되는 정도를 추적할 수 없습니다. 따라서 오랜 시간 동안 인라인 압축 통계는 특정 파일의 압축을 대략적으로 추정하기 위한 추론으로만 취급될 수 있습니다.
강조할 가치가 있는 또 다른 사실은 파일의 인라인 압축을 임의의 시간 간격 동안 측정할 수 없다는 것입니다. 파일 인라인 압축 통계는 누적 결과이며 파일이 수신한 모든 쓰기를 포함합니다. 파일이 많은 덮어쓰기를 받으면 raw_bytes 파일의 논리적 크기보다 훨씬 클 수 있습니다. 스파스 파일의 경우 파일 크기가 "원본 바이트"보다 클 수 있습니다.
3.2 MTree 압축
특정 mtree의 압축을 "mtree show compression" (엠에스씨) CLI 명령을 사용합니다. 인라인 압축 통계의 절대값은 MTree의 수명 동안 누적됩니다. MTree의 수명이 몇 년이 될 수 있다는 점을 감안할 때 이러한 값은 시간이 지남에 따라 점점 더 적은 정보를 제공합니다. 이 문제를 해결하기 위해 인라인 압축 통계의 변경량(델타)을 사용하고 특정 시간 간격에 대해서만 압축을 보고합니다. 기본 접근 방식은 MTree 인라인 압축 통계를 주기적으로 로그에 덤프하는 것입니다. 클라이언트가 MSC 명령을 사용하여 MTree 압축을 쿼리하면 로그를 사용하여 압축 보고를 위한 숫자의 델타를 계산합니다. 기본적으로 MSC는 지난 7일과 지난 24시간 동안의 압축을 보고하지만, 관심 있는 기간을 언제든지 지정할 수 있습니다.
이를 입증하기 위해 MTree A에 대한 다음 로그를 가정합니다.
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
이 시간 동안 MTree A의 압축은 다음과 같습니다.
g_comp = (12000-11000)/(200-100) = 10x l_comp = (200-100)/(100-50) = 2x overall compression ratio = (12000-11000)/(100-50) = 20x
위의 압축률 계산은 데이터 세트 크기에 아무 작업도 수행하지 않습니다. 예를 들어, 위의 mtree에는 500GB의 논리 데이터만 있을 수 있습니다.
MSC는 "daily" 및 "daily-detailed" 옵션을 지원하며 "filesys show compression" 명령도 지원합니다. "daily"를 지정하면 명령은 달력 방식으로 일일 압축을 보고합니다. 매일 raw_bytes 및 post_lc_size의 델타를 사용하여 일일 압축률을 계산합니다. "daily-detailed"를 지정하면 명령은 각 날짜에 대한 세 가지 델타(각각 raw_bytes, pre_lc_size 및 post_lc_size)를 모두 표시합니다. 또한 총 압축 계수와 함께 g_comp 및 l_comp를 계산합니다.
이러한 시스템의 샘플 출력은 부록에 있습니다.
3.3 시스템 압축
MTrees에서 압축이 보고되는 방식을 이해하면 개념을 전체 시스템으로 확장하는 것이 간단합니다. 시스템 전체 압축 인라인 통계 수집 및 보고는 MTree와 정확히 동일합니다. 유일한 차이점은 범위인데, 하나는 특정 MTree에 있는 반면 하나는 전체 시스템에 대한 범위입니다. "filesys show compression" 명령을 사용하여 결과를 확인할 수 있습니다. 이에 대한 예는 섹션 2에서 찾을 수 있습니다. "지난 7일" 및 "지난 24시간" 시스템 압축은 FSC 출력에서 결과 섹션의 마지막 두 줄에 보고됩니다.
클라우드 계층이 구현된 DD에서 스토리지는 두 개의 독립적인 중복 제거 도메인인 활성 계층과 클라우드 계층으로 분리됩니다. 사용자는 활성 계층에만 데이터를 삽입할 수 있습니다. 이후 DDOS 데이터 이동 기능을 사용하여 활성 계층에서 클라우드 계층으로 데이터를 마이그레이션할 수 있습니다. 따라서 공간 및 압축 측정과 보고는 각 계층에서 독립적으로 처리됩니다. 그러나 파일 수준에서는 계층별로 구분하지 않고 인라인 압축 통계를 보고합니다. 섹션 3.1에서 설명한 것과 정확히 동일합니다.
마지막으로 강조할 항목은 많은 Data Domain 문서에서 "글로벌 압축"이라고 하는 중복 제거의 몇 가지 특성입니다. "압축"이라는 단어가 포함되어 있지만 DDOS에서 "로컬 압축"이라는 이름으로 제공하는 기존의 압축 개념과는 완전히 다릅니다.
로컬 압축은 특정 알고리즘을 사용하여 데이터 조각의 크기를 줄입니다(일부 데이터 종류는 압축할 수 없으며 압축 알고리즘을 적용하면 데이터 크기가 약간 증가할 수 있음). 일반적으로 알고리즘이 결정되면 데이터 자체가 압축률의 유일한 요소입니다.
그러나 중복 제거는 지역적 개념이 아니라 "전역적" 개념입니다. 수신 데이터 세그먼트는 중복 제거된 도메인의 모든 기존 데이터 세그먼트에 대해 중복 제거되며, 여기에는 클라우드가 아닌 Data Domain 시스템의 모든 데이터가 포함됩니다. 데이터 세그먼트 자체는 중복 제거 절차에서 중요하지 않습니다.
실제로 데이터 세트의 초기 백업에서 중복 제거율이 높은 경우는 거의 없습니다. 초기 백업에서는 대개 로컬 압축에서 주요 데이터 감소가 발생합니다. 후속 백업이 Data Domain에 도달하면 중복 제거의 강점이 드러나며 압축의 주요 요소가 됩니다. 중복 제거의 효과는 백업 간 데이터 세트의 변경률이 낮다는 사실에 좌우됩니다. 이러한 이유로 변경률이 높은 데이터 세트는 중복 제거가 잘 되지 않습니다. 백업 애플리케이션에서 자체 메타데이터 청크(Data Domain에서는 마커라고 함)를 백업 이미지에 높은 빈도로 삽입하는 경우에도 중복 제거 비율이 좋지 않을 수 있습니다. 당사의 마커 처리 기술은 때때로 도움이 될 수 있지만 항상 그런 것은 아닙니다.
이러한 관찰을 감안할 때 우리는 무엇을 기대할 수 있습니까?
중복 제거된 파일 시스템에서 압축을 측정하는 것은 어렵지만 로그 구조의 중복 제거 파일 시스템에서는 더욱 어렵습니다. 중복 제거가 작동하는 방식과 압축 통계를 추적하는 방법을 이해해야 합니다. 압축률은 특정 시스템의 동작을 이해하는 데 유용한 정보입니다. 시스템 유효 압축률은 가장 중요하고 신뢰할 수 있으며 정보를 제공하는 척도입니다. 인라인 압축 통계도 도움이 될 수 있지만 일부 상황에서는 추론에 지나지 않을 수 있습니다.
부록: 샘플 출력: "mtree show compression" command
254792.4GiB의 데이터를 보유하는 MTree가 있다고 가정합니다. 지난 7일 동안 4379.3GiB, 지난 24시간 동안 78.4GiB의 새 데이터를 받았습니다(다른 시간 간격을 지정할 수 있음). "daily" 옵션은 최근 33일 동안의 인라인 압축 통계를 보고합니다. "daily-detailed" 옵션이 제공되면 총 압축률을 전역 압축률과 로컬 압축률로 구분하여 더 자세히 설명합니다.
Mtree 목록 출력:
# 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
# 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)
------------- -------- --------- ----------- ---------- -------------
"매일" 옵션 사용 시:
# 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
"daily-detailed" 옵션 사용 시:
# 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
Data Domain
Data Domain
28 3월 2024
16
How To