CN114691011A - 管理数据块的方法、电子设备和计算机程序产品 - Google Patents

管理数据块的方法、电子设备和计算机程序产品 Download PDF

Info

Publication number
CN114691011A
CN114691011A CN202011562733.6A CN202011562733A CN114691011A CN 114691011 A CN114691011 A CN 114691011A CN 202011562733 A CN202011562733 A CN 202011562733A CN 114691011 A CN114691011 A CN 114691011A
Authority
CN
China
Prior art keywords
fingerprint
data
data block
hash algorithm
determined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011562733.6A
Other languages
English (en)
Inventor
韩耕
徐鑫磊
刘友生
贾瑞勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
EMC Corp
Original Assignee
EMC IP Holding Co LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by EMC IP Holding Co LLC filed Critical EMC IP Holding Co LLC
Priority to CN202011562733.6A priority Critical patent/CN114691011A/zh
Priority to US17/308,481 priority patent/US11822803B2/en
Publication of CN114691011A publication Critical patent/CN114691011A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/0671—In-line storage system
    • G06F3/0673—Single storage device
    • G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G06F3/064—Management of blocks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0608—Saving storage space on storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0614—Improving the reliability of storage systems
    • G06F3/0619—Improving the reliability of storage systems in relation to data integrity, e.g. data losses, bit errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G06F3/064—Management of blocks
    • G06F3/0641—De-duplication techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0659—Command handling arrangements, e.g. command buffers, queues, command scheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/0643—Hash functions, e.g. MD5, SHA, HMAC or f9 MAC

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开的实施例涉及用于管理数据块的方法、电子设备和计算机程序产品。一种管理数据块的方法包括基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹。该方法还包括如果确定指纹数据库中存在基于第一哈希算法针对第二数据块生成的第二指纹与第一指纹匹配，确定指纹数据库中是否存在基于第二哈希算法针对第二数据块生成的第三指纹，其中该指纹数据库记录存储在存储设备中的数据块的指纹。该方法还包括如果确定指纹数据库中存在第三指纹，基于第二哈希算法针对第一数据块生成第四指纹；以及通过比较第三指纹和第四指纹来确定第一数据块与第二数据块是否重复。本公开的实施例能够有效降低数据去重中识别重复数据块的开销。

Description

管理数据块的方法、电子设备和计算机程序产品
技术领域
本公开的实施例总体涉及数据存储领域，具体涉及用于管理数据块的方法、电子设备和计算机程序产品。
背景技术
通常，在将数据块存储到存储设备之前，可以执行去重(deduplication)操作来避免将重复数据块存储到存储设备中。去重操作通常按照如下流程进行。首先确定待存储数据块的指纹(例如，哈希值)，然后将所确定的指纹与已存储到存储设备的数据块的指纹进行比较。如果所确定的指纹与已存储数据块的指纹都不匹配，则表明待存储数据块不是重复数据块。如果所确定的指纹与已存储数据块的指纹匹配，为了避免由于哈希算法碰撞导致的误判，可以从存储设备中读取已存储数据块并对其进行解压缩。通过将解压缩后的数据块与待存储数据块进行逐比特比较来确定两者是否为重复数据块。如果确定待存储数据块不是重复数据块，则对待存储数据块进行压缩，然后将压缩后的数据块存储到存储设备中。
发明内容
本公开的实施例提供了用于管理数据块的方法、电子设备和计算机程序产品。
在本公开的第一方面，提供了一种管理数据块的方法。该方法包括：基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹；如果确定指纹数据库中存在基于第一哈希算法针对第二数据块生成的第二指纹与第一指纹匹配，确定指纹数据库中是否存在基于第二哈希算法针对第二数据块生成的第三指纹，其中该指纹数据库记录存储在存储设备中的数据块的指纹；如果确定指纹数据库中存在第三指纹，基于第二哈希算法针对第一数据块生成第四指纹；以及通过比较第三指纹和第四指纹来确定第一数据块与第二数据块是否重复。
在本公开的第二方面，提供了一种电子设备。该电子设备包括至少一个处理单元和至少一个存储器。至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。该指令当由至少一个处理单元执行时使得装置执行动作，动作包括：基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹；如果确定指纹数据库中存在基于第一哈希算法针对第二数据块生成的第二指纹与第一指纹匹配，确定指纹数据库中是否存在基于第二哈希算法针对第二数据块生成的第三指纹，其中该指纹数据库记录存储在存储设备中的数据块的指纹；如果确定指纹数据库中存在第三指纹，基于第二哈希算法针对第一数据块生成第四指纹；以及通过比较第三指纹和第四指纹来确定第一数据块与第二数据块是否重复。
在本公开的第三方面，提供了一种计算机可读存储介质，其上存储有机器可执行指令，机器可执行指令在由设备执行时使设备执行根据上述第一方面所描述的方法的任意步骤。
在本公开的第四方面，提供了一种计算机程序产品。该计算机程序产品被有形地存储在非瞬态计算机存储介质中并且包括机器可执行指令。该机器可执行指令在由设备执行时使该设备执行根据本公开的第一方面所描述的方法的任意步骤。
提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或必要特征，也无意限制本公开的范围。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了本公开的实施例能够在其中被实施的示例系统的示意图；
图2示出了根据本公开的实施例的用于管理数据块的示例方法的流程图；以及
图3示出了可以用来实施本公开的实施例的示例设备的示意性框图。
在各个附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上所述，在将数据存储到存储设备之前，通常可以执行去重操作来避免将重复数据块存储到存储设备中。去重操作通常按照如下流程进行。首先确定待存储数据块的指纹(例如，哈希值)，然后将所确定的指纹与已存储到存储设备的数据块的指纹进行比较。如果所确定的指纹与已存储数据块的指纹都不匹配，则表明待存储数据块不是重复数据块。如果所确定的指纹与已存储数据块的指纹匹配，为了避免由于哈希算法碰撞导致的误判，可以从存储设备中读取已存储数据块并对其进行解压缩。通过将解压缩后的数据块与待存储数据块进行逐比特比较来确定两者是否为重复数据块。如果确定待存储数据块不是重复数据块，则对待存储数据块进行压缩，然后将压缩后的数据块存储到存储设备中。
在上述传统方案中，当所确定的指纹与已存储数据块的指纹匹配时，为了避免由于哈希算法碰撞导致的误判，需要执行一系列开销较大的操作来识别待存储数据块是否为重复数据块，从而导致系统性能降低。
本公开的实施例提出了一种用于管理数据块的方案，以解决上述问题和其他潜在问题中的一个或多个。在该方案中，基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹。如果确定指纹数据库中存在基于第一哈希算法针对第二数据块生成的第二指纹与第一指纹匹配，确定指纹数据库中是否存在基于第二哈希算法针对第二数据块生成的第三指纹，其中该指纹数据库记录存储在存储设备中的数据块的指纹。如果确定指纹数据库中存在第三指纹，基于第二哈希算法针对第一数据块生成第四指纹。然后，通过比较第三指纹和第四指纹来确定第一数据块与第二数据块是否重复。以此方式，本公开的实施例能够有效降低数据去重中识别重复数据块的开销。
图1示出了本公开的实施例能够在其中被实现的示例系统100的框图。如图1所示，系统100包括主机110、存储管理器120以及存储设备130。应当理解，仅出于示例性的目的描述系统100的结构和功能，而不暗示对于本公开的范围的任何限制。例如，本公开的实施例还可以被应用到与系统100不同的系统中。
在系统100中，主机110可以例如是运行用户应用的任何物理计算机、虚拟机、服务器等等。主机110可以向存储管理器120发送输入/输出(I/O)请求，例如用于从存储设备130读取数据和/或向存储设备130写入数据等。响应于接收到来自主机110的读请求，存储管理器120可以从存储设备130读取数据，并且将所读取的数据返回给主机110。响应于接收到来自主机110的写请求，存储管理器120可以向存储设备130写入数据。存储设备130可以是任何目前已知或者将来开发的非易失性存储介质，例如磁盘、固态盘(SSD)或磁盘阵列等。
如图1所示，例如，存储管理器120可以包括数据缓存121和指纹数据库122。数据缓存121可以缓存要被写入到存储设备130的数据。例如，数据缓存121中的数据可以以页面(本文中也称为“数据块”)为单位来组织，页面可以被冲刷到存储设备130中以实现数据的持久化存储。待冲刷到存储设备130中的页面也被称为“脏页面”。指纹数据库122可以记录已冲刷至存储设备130的页面的指纹，从而避免重复的页面被写入到存储设备130中。指纹可以是基于预定哈希算法所计算的页面的哈希值。例如，针对同一页面，指纹数据库122可以记录基于一种或多种哈希算法而生成的一个或多个指纹。
应当理解，数据缓存121和/或指纹数据库122可以利用任何目前已知或者将来开发的易失性存储介质、非易失性存储介质、或者两者的组合来实现。此外，数据缓存121和指纹数据库122可以利用相同或不同的存储介质来实现。本公开的范围在此方面不受限制。
图2示出了根据本公开的实施例的用于存储数据的示例方法200的流程图。方法200例如可以由如图1所示的存储管理器120来执行。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。以下结合图1来详细描述方法200。
如图2所示，在框205处，存储管理器120基于第一哈希算法，针对要存储到存储设备130的第一数据块生成第一指纹。在一些实施例中，第一哈希算法例如可以是Murmur3哈希算法，或者任何其他合适的哈希算法。
在框210处，存储管理器120查询指纹数据库122，以确定其中是否存在基于第一哈希算法针对第二数据块生成的第二指纹与第一指纹匹配。
如果确定指纹数据库122中不存在与第一指纹匹配的指纹，则存储管理器120可以确定第一数据块与已存储在存储设备130中的数据块都不重复。在此情况下，方法200进行至框235处，其中存储管理器120将第一数据块存储到存储设备130中，并且将第一数据块的第一指纹(基于第一哈希算法而生成的指纹)存储在指纹数据库122中。在一些实施例中，存储管理器120可以对第一数据块进行压缩，然后将压缩后的第一数据块写入到存储设备130中。在另一些实施例中，压缩操作可以被省略。
如果确定指纹数据库122中存在第二数据块的第二指纹与第一指纹匹配，则在框215处，存储管理器120确定指纹数据库122中是否存在基于第二哈希算法针对第二数据块生成的第三指纹。第二哈希算法可以是碰撞概率低于第一哈希算法的任何合适的哈希算法。在此所述的“碰撞”是指两个数据块不同但是它们的哈希值却相同的情况。在一些实施例中，例如，第二哈希算法是SHA-1哈希算法，其运算开销大约是Murmur3算法的3倍，但是碰撞概率远远低于Murmur 3算法(例如，160比特的SHA-1哈希值碰撞概率为0.00000000000019％)。
如果确定指纹数据库122中存在基于第二哈希算法针对第二数据块生成的第三指纹，则在框220处，存储管理器120基于第二哈希算法来生成第一数据块的第四指纹。在框225处，存储管理器120比较第三指纹和第四指纹，以确定两者是否匹配。
如果第三指纹与第四指纹匹配，由于SHA-1算法的碰撞概率极低，则存储管理器120可以确定第一数据块和第二数据块为重复数据块。在此情况下，存储管理器120不会将第一数据块存储到存储设备130中，以避免重复存储。此外，由于指纹数据库122已经保存有第二数据块的指纹，存储管理器120也不会向指纹数据库122写入第一数据块的指纹。与传统方案相比，通过比较基于不同哈希算法生成的指纹来识别重复数据块能够避免从存储设备读取数据块并进行逐比特比较的操作，因此能够有效降低识别重复数据块的开销。
如果第三指纹与第四指纹不匹配，则存储管理器120可以确定第一数据块与第二数据块不重复。在此情况下，在框230处，存储管理器120可以将第一数据块存储到存储设备130中，并且将第一数据块的第一指纹(也即，基于第一哈希算法而生成的指纹)和第四指纹(也即，基于第二哈希算法而生成的指纹)存储在指纹数据库122中，以供后续查询。在一些实施例中，存储管理器120可以对第一数据块进行压缩，然后将压缩后的第一数据块写入到存储设备130中。在另一些实施例中，压缩操作可以被省略。
如果在框215处确定指纹数据库122中不存在基于第二哈希算法针对第二数据块生成的第三指纹，则存储管理器120将按照传统方案来进一步确定第一数据块和第二数据块是否重复。
具体地，在框240处，存储管理器120从存储设备130获取第二数据块。如果所获取的第二数据块为压缩后的数据块，则存储管理器120可以对其进行解压缩。在框245处，存储管理器120逐比特比较第一数据块和第二数据块，以确定两者是否重复。
如果确定第一数据块和第二数据块重复，则在框250处，存储管理器120可以基于第二哈希算法针对第二数据块生成第三指纹，然后在框255处，将所生成的第三指纹存储在指纹数据库122中，以供后续查询。通过将第三指纹的计算(例如，基于SHA-1算法)延迟到确定第一数据块和第二数据块为重复数据块的时间点，能够避免针对重复数据块计算多个指纹的开销。
如果确定第一数据块和第二数据块不重复，则方法200进行至框235，其中存储管理器120将第一数据块存储到存储设备130中，并且将第一数据块的第一指纹(基于第一哈希算法而生成的指纹)存储在指纹数据库122中。在一些实施例中，存储管理器120可以对第一数据块进行压缩，然后将压缩后的第一数据块写入到存储设备130中。在另一些实施例中，压缩操作可以被省略。
尽管图2中仅描述基于至多两种哈希算法来生成数据块的指纹，应当理解，本公开的实施例也可以被扩展到通过比较基于多于两种哈希算法而生成的更多指纹来识别重复数据块。此外，为了抵御恶意碰撞攻击，在生成数据块的指纹之前可以向该数据块添加私有的数据头和/或数据尾，然后基于哈希算法针对添加了数据头和/或数据尾的数据块生成相应指纹。
从以上描述能够看出，本公开的实施例提出了一种用于管理数据块的方案，以解决上述问题和其他潜在问题中的一个或多个。在该方案中，基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹。如果确定指纹数据库中存在基于第一哈希算法针对第二数据块生成的第二指纹与第一指纹匹配，确定指纹数据库中是否存在基于第二哈希算法针对第二数据块生成的第三指纹，其中该指纹数据库记录存储在存储设备中的数据块的指纹。如果确定指纹数据库中存在第三指纹，基于第二哈希算法针对第一数据块生成第四指纹。然后，通过比较第三指纹和第四指纹来确定第一数据块与第二数据块是否重复。与传统方案相比，本公开的实施例通过比较基于不同哈希算法生成的指纹来识别重复数据块能够避免从存储设备读取数据块并进行逐比特比较的操作，因此能够有效降低识别重复数据块的开销。
图3示出了可以用来实施本公开的实施例的示例设备300的示意性框图。例如，如图1所示的存储管理器120可以由设备300实施。如图3所示，设备300包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的计算机程序指令或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序指令，来执行各种适当的动作和处理。在RAM 303中，还可存储设备300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理，例如方法200，可由处理单元301执行。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序被加载到RAM 303并由CPU 301执行时，可以执行上文描述的方法200的一个或多个动作。
本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (19)

1.一种管理数据块的方法，包括：
基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹；
如果确定指纹数据库中存在基于所述第一哈希算法针对第二数据块生成的第二指纹与所述第一指纹匹配，确定所述指纹数据库中是否存在基于第二哈希算法针对所述第二数据块生成的第三指纹，其中所述指纹数据库记录存储在所述存储设备中的数据块的指纹；
如果确定所述指纹数据库中存在所述第三指纹，基于所述第二哈希算法针对所述第一数据块生成第四指纹；以及
通过比较所述第三指纹和所述第四指纹来确定所述第一数据块与所述第二数据块是否重复。
2.根据权利要求1所述的方法，还包括：
如果确定所述指纹数据库中不存在与所述第一指纹匹配的指纹，
将所述第一数据块存储在所述存储设备中；以及
将所述第一指纹存储在所述指纹数据库中。
3.根据权利要求1所述的方法，还包括：
如果确定所述指纹数据库中不存在所述第三指纹，从所述存储设备中获取所述第二数据块；以及
通过比较所述第一数据块和所述第二数据块来确定所述第一数据块与所述第二数据块是否重复。
4.根据权利要求3所述的方法，还包括：
如果确定所述第一数据块与所述第二数据块重复，
基于所述第二哈希算法针对所述第二数据块生成所述第三指纹；以及
将所述第三指纹存储在所述指纹数据库中。
5.根据权利要求3所述的方法，还包括：
如果确定所述第一数据块与所述第二数据块不重复，
将所述第一数据块存储在所述存储设备中；以及
将所述第一指纹存储在所述指纹数据库中。
6.根据权利要求1所述的方法，其中确定所述第一数据块与所述第二数据块是否重复包括：
如果所述第三指纹与所述第四指纹匹配，确定所述第一数据块与所述第二数据块重复；以及
如果所述第三指纹与所述第四指纹不匹配，确定所述第一数据块与所述第二数据块不重复。
7.根据权利要求6所述的方法，还包括：
如果确定所述第一数据块与所述第二数据块不重复，
将所述第一数据块存储在所述存储设备中；以及
将所述第一指纹和所述第四指纹存储在所述指纹数据库中。
8.根据权利要求1所述的方法，其中所述第二哈希算法的碰撞概率低于所述第一哈希算法的碰撞概率。
9.根据权利要求1所述的方法，其中所述第一哈希算法是Murmur3哈希算法，并且所述第二哈希算法是SHA-1哈希算法。
10.一种电子设备，包括：
至少一个处理单元；
至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述电子设备执行动作，所述动作包括：
基于第一哈希算法，针对要存储到存储设备的第一数据块生成第一指纹；
如果确定指纹数据库中存在基于所述第一哈希算法针对第二数据块生成的第二指纹与所述第一指纹匹配，确定所述指纹数据库中是否存在基于第二哈希算法针对所述第二数据块生成的第三指纹，其中所述指纹数据库记录存储在所述存储设备中的数据块的指纹；
如果确定所述指纹数据库中存在所述第三指纹，基于所述第二哈希算法针对所述第一数据块生成第四指纹；以及
通过比较所述第三指纹和所述第四指纹来确定所述第一数据块与所述第二数据块是否重复。
11.根据权利要求10所述的电子设备，其中所述动作还包括：
如果确定所述指纹数据库中不存在与所述第一指纹匹配的指纹，
将所述第一数据块存储在所述存储设备中；以及
将所述第一指纹存储在所述指纹数据库中。
12.根据权利要求10所述的电子设备，其中所述动作还包括：
如果确定所述指纹数据库中不存在所述第三指纹，从所述存储设备中获取所述第二数据块；以及
通过比较所述第一数据块和所述第二数据块来确定所述第一数据块与所述第二数据块是否重复。
13.根据权利要求12所述的电子设备，其中所述动作还包括：
如果确定所述第一数据块与所述第二数据块重复，
基于所述第二哈希算法针对所述第二数据块生成所述第三指纹；以及
将所述第三指纹存储在所述指纹数据库中。
14.根据权利要求12所述的电子设备，其中所述动作还包括：
如果确定所述第一数据块与所述第二数据块不重复，
将所述第一数据块存储在所述存储设备中；以及
将所述第一指纹存储在所述指纹数据库中。
15.根据权利要求10所述的电子设备，其中确定所述第一数据块与所述第二数据块是否重复包括：
如果所述第三指纹与所述第四指纹匹配，确定所述第一数据块与所述第二数据块重复；以及
如果所述第三指纹与所述第四指纹不匹配，确定所述第一数据块与所述第二数据块不重复。
16.根据权利要求15所述的电子设备，其中所述动作还包括：
如果确定所述第一数据块与所述第二数据块不重复，
将所述第一数据块存储在所述存储设备中；以及
将所述第一指纹和所述第四指纹存储在所述指纹数据库中。
17.根据权利要求10所述的电子设备，其中所述第二哈希算法的碰撞概率低于所述第一哈希算法的碰撞概率。
18.根据权利要求10所述的电子设备，其中所述第一哈希算法是Murmur3哈希算法，并且所述第二哈希算法是SHA-1哈希算法。
19.一种计算机程序产品，所述计算机程序产品被有形地存储在非瞬态计算机存储介质中并且包括机器可执行指令，所述机器可执行指令在由设备执行时使所述设备执行根据权利要求1-9中的任一项所述的方法。
CN202011562733.6A 2020-12-25 2020-12-25 管理数据块的方法、电子设备和计算机程序产品 Pending CN114691011A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011562733.6A CN114691011A (zh) 2020-12-25 2020-12-25 管理数据块的方法、电子设备和计算机程序产品
US17/308,481 US11822803B2 (en) 2020-12-25 2021-05-05 Method, electronic device and computer program product for managing data blocks

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011562733.6A CN114691011A (zh) 2020-12-25 2020-12-25 管理数据块的方法、电子设备和计算机程序产品

Publications (1)

Publication Number Publication Date
CN114691011A true CN114691011A (zh) 2022-07-01

Family

ID=82117058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011562733.6A Pending CN114691011A (zh) 2020-12-25 2020-12-25 管理数据块的方法、电子设备和计算机程序产品

Country Status (2)

Country Link
US (1) US11822803B2 (zh)
CN (1) CN114691011A (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10372695B2 (en) 2014-12-27 2019-08-06 Intel Corporation Technologies for computing rolling hashes
US10303390B1 (en) * 2016-05-02 2019-05-28 Pure Storage, Inc. Resolving fingerprint collisions in flash storage system
US11010300B2 (en) 2017-05-04 2021-05-18 Hewlett Packard Enterprise Development Lp Optimized record lookups
US10949088B1 (en) 2017-07-21 2021-03-16 EMC IP Holding Company LLC Method or an apparatus for having perfect deduplication, adapted for saving space in a deduplication file system
US10762051B1 (en) * 2018-07-30 2020-09-01 Amazon Technologies, Inc. Reducing hash collisions in large scale data deduplication
US11055005B2 (en) * 2018-10-12 2021-07-06 Netapp, Inc. Background deduplication using trusted fingerprints
US11301427B2 (en) * 2019-10-15 2022-04-12 EMC IP Holding Company LLC Inline and post-process data deduplication for a file system

Also Published As

Publication number Publication date
US20220206699A1 (en) 2022-06-30
US11822803B2 (en) 2023-11-21

Similar Documents

Publication Publication Date Title
US11153094B2 (en) Secure data deduplication with smaller hash values
US11243915B2 (en) Method and apparatus for data deduplication
US9344112B2 (en) Sampling based elimination of duplicate data
CN110109915B (zh) 用于管理哈希表的方法、设备和计算机程序产品
US11829624B2 (en) Method, device, and computer readable medium for data deduplication
US11461276B2 (en) Method and device for deduplication
CN110389859B (zh) 用于复制数据块的方法、设备和计算机程序产品
CN111104052A (zh) 存储数据的方法、装置和计算机程序产品
US20200327227A1 (en) Method of speeding up a full antivirus scan of files on a mobile device
CN110609708B (zh) 用于数据处理的方法、设备和计算机可读介质
US10956042B2 (en) Tiering data compression within a storage system
US11520818B2 (en) Method, apparatus and computer program product for managing metadata of storage object
CN112835740A (zh) 用于管理数据备份的方法、电子设备和计算机程序产品
CN112241336A (zh) 用于备份数据的方法、设备和计算机程序产品
US11507511B2 (en) Method, electronic device and computer program product for storing data
CN112148728A (zh) 用于信息处理的方法、设备和计算机程序产品
CN114691011A (zh) 管理数据块的方法、电子设备和计算机程序产品
CN110413215B (zh) 用于获取访问权限的方法、设备和计算机程序产品
CN114780501A (zh) 数据处理方法、电子设备和计算机程序产品
US11340811B2 (en) Determining reclaim information for a storage block based on data length and matching write and delete parameters
US11809709B2 (en) Metadata size reduction for data objects in cloud storage systems
US20230385240A1 (en) Optimizations for data deduplication operations
US11500590B2 (en) Method, device and computer program product for data writing
US11422975B2 (en) Compressing data using deduplication-like methods
CN111831620B (zh) 用于存储管理的方法、设备和计算机程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination