企业网D1Net 2012年5月3日 数据保护往往是数据中心遗忘的部分，在大数据技术的推出上也是如此。人们通常在事后才想到数据保护，特别是和大数据有关的方面，如大数据分析。

关于大数据分析，首先，它有一个非常独特的样本集--例如，一个每30秒检测土壤样品一次的设备，一个每分钟拍摄数千张图片的相机，或记录数百万条短信的手机呼叫中心。所有这些数据都在某一时刻是独一无二的，如果失去了就不可能再重现。

这种独特性也意味着数据是不可能重复删除的。正如我在最近的一篇文章中所讨论的那样，你可能需要停止重复删除，或者，在这样的环境下重复数据删除的效率非常低。这意味着，相比你可能利用高效的重复数据删除技术进行计算的其他备份情况，备份设备的容量可能要更接近真实数据集。而更大的数据集，意味着更大的遵约挑战。

大数据的黑暗面：数据归档、保存与备份。

使大量文件可以在大数据分析环境下得以保存也是一个挑战。为了备份应用程序和设备，企业处理了大量这样的文件。备份服务器和备份设备需要很大的带宽，接收设备必须在数据可以交付使用的情况下摄取数据。他们还需要大量功能强大的CPU来处理这数十亿文件。

还有一个需要考虑的因素是大数据的数据库组件。分析信息通常被加工成一个Oracle或Hadoop环境下的某些东西，所以这种环境保护可能是需要的。这意味着少量的大文件需要进行备份。

这是一个情况最糟糕时的高性能混合工作负载器：数十亿小文件，和与小文件相比较少的大文件，可能打破许多备份设备的限制，找到一个全速运行的、使用重复数据删除技术、不会影响性能，并可以扩展可能是大数据备份市场最大挑战的容量的配置，来摄取混合工作负载数据。你可能会考虑磁带，如果是这样，磁盘备份厂商就需要知道如何使用它。

大数据的其他形式，大数据归档，如果被正确设计的话，应该是一个需要讨论的问题。如果设计使用磁带作为归档文件的一部分，那么备份就可以成为工作流的一部分。为大数据归档环境设计存储基础设施，将是未来的主要课题。