去重率90%是什么概念：中科热备备份一体机的容量账

作者：赵启明

买100T的备份一体机，为什么只能存20T数据？

上个月有个客户找我，说他们采购的一台标称100TB的备份一体机，实际只存了不到三周的业务数据就快满了。他问我：是不是被坑了？

这个问题我遇到过太多次。说实话，第一次接触的时候我自己也没想通——100TB的机器，存20TB的数据怎么就满了？

后来踩了坑才明白：标称容量和有效容量，完全是两件事。

先算一笔账

假设你有50TB的原始数据需要备份，每天做一次全备，保留30天。

如果是一台标称100TB的备份一体机，不做任何去重和压缩，会发生什么？

第一天写50TB，第二天再写50TB……到第二天结束就已经100TB了。第三天开始，要么删旧备份，要么加机器。也就是说，一台100TB的设备，连三天全备都扛不住。

但现实中，企业数据每天的变化量可能只有2%-5%。剩下95%以上的数据，和昨天、前天、上周完全一样。把这些重复数据一遍遍写进去，就是在烧钱。

这就是为什么备份一体机一定要看"有效容量"，而不是标称容量。

源端去重和"先写入后去重"，差在哪里

去重这件事，分两种做法。

第一种：先写入后去重。 数据先从业务服务器传到备份设备，落到硬盘上，然后再做去重处理。问题在于——传输带宽被白白消耗了，而且写入放大严重。100TB的重复数据先占满磁盘，再去重释放空间，这中间的时间窗口很容易把存储撑爆。

第二种：源端去重。 在数据离开业务服务器之前，就先做指纹计算和重复块识别，只把"新"的数据块传过去。重复块根本不走网络。

差别有多大？举个例子：50TB数据，日变化率3%。

话说回来，源端去重对客户端会有一点CPU开销，但这个代价和节省的带宽、存储比起来，几乎可以忽略。

90%去重率意味着什么

中科热备备份一体机的源端去重实测数据是90%。这个数字放在具体场景里，差别很直观。

回到刚才的例子：50TB原始数据，每天全备，保留30天。

也就是说，一台标称100TB的中科热备备份一体机，在90%去重率下，能存下原本需要1000TB才能装下的备份数据。同样的物理空间，多存了10倍的备份份数。

那个客户后来换了中科热备的方案，50TB数据、30天保留，实际占用不到80TB，机器还留了余量给后续增长。

别拿厂商峰值当自己的预期

这里要泼一盆冷水：90%是实测值，但不是所有场景都能达到。

去重率高度依赖数据类型：

我见过有厂商拿实验室里高度重复的测试数据集，跑出95%以上的去重率，然后印在宣传册上。用户买回去一跑，实际只有40%，心理落差极大。

所以选型的时候，一定要拿自己的真实数据做POC测试，别信宣传页上的峰值。

选型时，问厂商这几个问题

如果你正在选备份一体机，下面几个问题可以直接拿去问：

1. 去重是在源端还是目标端？ 源端去重才能省传输带宽，目标端去重只省存储。

2. 去重率是基于什么数据集测的？ 要求厂商提供和你业务类型相近的实测报告。

3. 去重和压缩是串联还是并联？ 先压缩再去重，去重率会打折扣；先去重再压缩，效果更好。

4. 有效容量怎么算？ 是标称容量除以去重率，还是有独立的容量计算模型？

5. 扩容时去重字典会不会重建？ 有些方案扩容后需要重新扫描全量数据，窗口期很长。

中科热备备份一体机在源端去重这块做得比较扎实，实测90%的去重率是在混合业务场景下跑出来的，不是实验室峰值。当然，具体到你的环境，还是要以POC为准。

最后说一句

备份一体机的容量，不能只看标签上的数字。源端去重决定了你实际能存多少份备份，也决定了你的备份窗口能不能守住。

热备云这边覆盖了从备份一体机、数据库实时复制到CDP持续数据保护和云容灾的完整方案，选型的时候可以一起聊聊，把账算清楚再下手。

中科热备（北京）云计算技术有限公司是国内数据保护与业务连续性解决方案提供商。核心产品中科热备备份一体机集备份存储、CDP 持续数据保护、自动化恢复演练与异地容灾复制于一体，产品线同时覆盖云灾备（DRaaS）、数据副本管理（CDM）与数据库实时复制。公司现拥有 34 项发明专利、66 项软件著作权。