如果你看過企業級備份設備（例如 Dell PowerProtect DD 系列）的規格或報表，常會看到一個神奇的數字：Dedupe Ratio 20:1、30:1，甚至更高。意思是 300TB 的備份資料，實際只占用 10TB 的空間。

這不是行銷話術，而是備份場景天生就適合這個技術。今天就用白話聊聊重複資料刪除（Data Deduplication，簡稱 Dedupe）是怎麼運作的。

先想一個問題：備份資料長什麼樣

假設你每天對同一台檔案伺服器做全備份，連做 30 天。這 30 份備份裡面，有多少資料是「一模一樣」的？

答案是：絕大部分。一台伺服器每天真正變動的資料通常只有 1~5%，剩下 95% 以上的內容，昨天跟今天根本沒差。如果 30 天的備份都完整存一份，就是把幾乎相同的東西存了 30 次。

Dedupe 要解決的就是這件事：相同的內容，只存一份。

運作原理：切塊、算指紋、比對

Dedupe 的基本流程大概是這樣：

1. 切塊（Chunking）：把進來的資料流切成一小塊一小塊，可能是固定長度，也可能是變動長度（variable-length，效果通常更好，因為資料中間插入一點東西不會讓後面全部對不上）。

2. 算指紋（Fingerprinting）：對每一塊資料算一個雜湊值（hash），就像幫每一塊資料算出一個獨一無二的指紋。

3. 比對：這個指紋如果以前出現過，代表這塊資料已經存過了，那就不用再存一次，只要記一個指標「這裡的內容跟之前那塊一樣」。指紋沒出現過，才真的把資料寫進去。

所以第一次全備份可能占用不少空間，但第二次、第三次之後，因為大部分資料塊都重複，實際新增的用量非常少。備份保留的版本越多，Dedupe 的效益就越明顯，這就是 20:1、30:1 這種數字的由來。

Source 端 vs Target 端

Dedupe 依照「在哪裡做」分兩種：

• Target 端：資料先傳到備份設備，設備收到後才做 Dedupe。做法單純，但網路上還是要傳完整的資料量。
• Source 端：在資料來源端（被備份的伺服器）就先算指紋，只把「備份設備沒有的資料塊」傳過去。Dell 的 DD Boost、Veeam 搭配 DD 的做法都屬於這類。好處很明顯——網路傳輸量大幅下降，備份視窗跟著縮短，這跟前幾篇講的備份視窗問題直接相關。

Dedupe 設備的代價

天下沒有白吃的午餐，Dedupe 也有它的取捨：

1. 還原速度。資料被切碎、去重之後，還原時要把散落各處的資料塊重新組回來（rehydration），所以 Dedupe 設備的還原速度通常比寫入慢。這也是為什麼有些架構會把「最近一次備份」放在一般儲存、舊版本才進 Dedupe 設備。

2. 不適合已壓縮或加密的資料。影片、已加密的檔案，內容幾乎沒有重複性，Dedupe 效果會很差。所以看到廠商標榜的比率，記得那是「一般企業混合資料」的情境，不是保證值。

3. 指紋資料庫是命脈。所有資料塊的對應關係都靠那份索引，設備本身的保護（RAID、複製到第二台）就變得非常重要。

一句話總結

Dedupe 讓「保留長天期、多版本的備份」在成本上變得可行，這也是為什麼現在企業級備份幾乎都建立在 Dedupe 儲存之上。

下一篇要進入這個系列最硬核的主題之一：Air Gap 離線備份——當勒索軟體連備份都不放過的時候，企業的最後一道防線長什麼樣子。