deduplicazione

La deduplicazione dei dati, o deduplicazione, è una tecnica di gestione dello spazio di archiviazione volta a eliminare duplicazioni di contenuto all'interno di un insieme di dati. Conservando una sola copia di dati identici, consente di ridurre lo spazio occupato su supporti di memorizzazione e di migliorare l’efficienza della trasmissione dei dati in reti e durante i backup.

Il principio di funzionamento si fonda sull’analisi dei dati in unità chiamate chunk o blocchi. Per ogni pezzo viene calcolato un fingerprint o hash; se l’hash corrisponde a una copia già presente, il sistema memorizza solo un’istanza e sostituisce la duplicazione con un riferimento. Questo consente di conservare l’informazione originale senza duplicare i dati.

Esistono diverse modalità: deduplicazione a livello di file, che elimina duplicati tra file identici, e deduplicazione a livello di blocchi, che può rilevare duplicazioni all’interno di file diversi. Le operazioni possono essere inline, cioè eseguite al momento della scrittura, oppure post-processo, eseguite dopo la scrittura sui dati.

Gli ambiti di impiego principali sono i sistemi di backup, le architetture di archiviazione, le infrastrutture di virtualizzazione e i servizi di cloud. I benefici includono risparmio di spazio, riduzione della banda di rete e minori costi di storage. Tra i limiti vi sono l’overhead computazionale, la gestione complessa dei metadati e, in alcuni casi, una resa non proporzionale se i dati sono già poco ridondanti; inoltre la perdita di metadati di deduplicazione può influire sull’integrità se non adeguatamente protetta.