dedup util文件打包工具
dedup util是一款開源的輕量級文件打包工具，它基于塊級的重復(fù)數(shù)據(jù)刪除技術(shù)，可以有效縮減數(shù)據(jù)容量，節(jié)省用戶存儲空間。該工具生成的數(shù)據(jù)包內(nèi)部數(shù)據(jù)部局(layout)如下：
--------------------------------------------------
| header | unique block data | file metadata |
--------------------------------------------------
數(shù)據(jù)包由三部分組成：文件頭(header)、唯一數(shù)據(jù)塊集(unique block data)和邏輯文件元數(shù)據(jù)(file metadata)。其中，header為一個結(jié)構(gòu)體，定義了數(shù)據(jù)塊大小、唯一數(shù)據(jù)塊數(shù)量、數(shù)據(jù)塊ID大小、包中文件數(shù)量、元數(shù)據(jù)在包中的位置等元信息。文件頭后緊接就存儲著所有唯一的數(shù)據(jù)塊，大小和數(shù)量由文件頭中元信息指示。在數(shù)據(jù)塊之后，就是數(shù)據(jù)包中文件的邏輯表示元數(shù)據(jù)，由多個實體組成，結(jié)構(gòu)如下所示，一個實體表示一個文件。解包時根據(jù)文件的元數(shù)據(jù)，逐一提取數(shù)據(jù)塊，還原出當(dāng)初的物理文件。
邏輯文件的元數(shù)據(jù)表示：
-----------------------------------------------------------------
| entry header | pathname | entry data | last block data |
-----------------------------------------------------------------
邏輯文件的實體頭中記錄著文件名長度、數(shù)據(jù)塊數(shù)量、數(shù)據(jù)塊ID大小和最后一個數(shù)據(jù)塊大小等信息。緊接著是文件名數(shù)據(jù)，長度在實體頭中定義。文件名數(shù)據(jù)之后，存儲著一組唯一數(shù)據(jù)塊的編號，編號與唯一數(shù)據(jù)塊集中的數(shù)據(jù)塊一一對應(yīng)。最后存儲著文件最后一個數(shù)據(jù)塊，由于這個數(shù)據(jù)塊大小通常比正常數(shù)據(jù)塊小，重復(fù)概率非常小，因此單獨保存。
dedup util目前處于pre-alpha開發(fā)階段，支持文件打包、解包、追加文件、刪除文件、羅列包中文件等功能。初步的測試結(jié)果顯示，即使在不明確數(shù)據(jù)是否具備較高重復(fù)率的情況下，dedup技術(shù)也能較明顯地減少數(shù)據(jù)包的數(shù)據(jù)量，產(chǎn)生的數(shù)據(jù)包比Tar工具的要小。