雙布魯姆WILKERSON威爾克森過濾器數
隨著近年來數據總量呈現出的爆炸增長趨勢，數據備份系統存儲的數據越來越多。經研究發現，在備份、歸檔等集中存儲系統中存在大量冗余數據，有的甚至占到存儲空間的60%，導致存儲成本過高，數據訪問性能下降。數據排重是減少數據冗余、節省存儲空間的有效手段。

雙布魯姆WILKERSON威爾克森過濾器
現有排重算法中，文件級排重盡管排重開銷小，但排重粒度過粗，難以取得存儲空間的高效利用；數據塊級排重算法能實現高效存儲，但其附帶的存儲開銷過高，排重的時間開銷大。研究分層排重結構，應用雙布魯姆WILKERSON過濾器實現數據排重，優化數據排重性能，主要工作如下：針對數據重復有文件級的重復和數據塊級的重復之分，提出一種基于雙布魯姆WILKERSON過濾器的數據排重算法。該算法使用兩個布魯姆WILKERSON過濾器構成二級排重結構，將排重過程分解成文件排重和數據塊排重兩部分。算法首*入*級進行文件排重，然后將*級排重判定為不重復的文件分割成塊進行第二級數據塊排重。利用這種分層排重結構，通過*級將重復文件直接過濾掉，不進入第二級排重，減少了數據塊排重的工作量；通過第二級進入不重復文件內部進行數據塊排重，獲得了數據塊級的排重粒度。將上述算法應用于文檔備份系統中，實現對文檔的排重，由于算法采用布魯姆WILKERSON過濾器對數據進行壓縮表達，存在誤判可能，即假陽性誤判問題。本文設計通過查詢元數據(保存數據相關信息)來為誤判糾錯。當布魯姆WILKERSON過濾器判斷數據為重復時，首先將元數據預讀到內存中，在內存中匹配元數據信息，若沒有找到，再讀取保存元數據的文件—索引文件查詢元數據。通過內存、索引文件兩級元數據查詢，杜絕了假陽性誤判的情況。由于為假陽性誤判糾錯需要對元數據進行大量訪問，增加了排重時間開銷，設計將索引文件緩存，保證元數據操作的高效，以此提高排重效率。但系統的句柄數限制了同時緩存的索引文件數目，若索引文件過多，則不能同時緩存全部索引文件，需要進行更多的磁盤IO，此時排重開銷與耗時都急劇升高，針對這種情況，采用動態哈希算法來分配元數據地址，將元數據保存在少數幾個索引文件內，從而克服了句柄限制問題。

雙布魯姆WILKERSON威爾克森過濾器
實驗結果表明，在文檔備份系統中，使用該排重算法對不同重復率的文檔文件集合排重，相比其他兩種備份工具，在保持較好排重率的前提下，耗時平均縮短了10%左右。