本發(fā)明涉及文件存儲(chǔ)技術(shù)領(lǐng)域，尤其涉及一種基于文件元數(shù)據(jù)的增量備份方法。

背景技術(shù)：

近年來(lái)，數(shù)字信息是國(guó)際發(fā)展的大趨勢(shì)所在，各國(guó)對(duì)數(shù)字信息化發(fā)展都極為重視，隨著我國(guó)數(shù)字信息化進(jìn)程的不斷推進(jìn)，數(shù)字信息呈現(xiàn)爆炸式增長(zhǎng)的態(tài)勢(shì)，數(shù)據(jù)占用空間越來(lái)越大，而在歸檔、備份等集中存儲(chǔ)系統(tǒng)中，存在大量的冗余數(shù)據(jù)信息，研究發(fā)現(xiàn)，在存儲(chǔ)系統(tǒng)中，保存的數(shù)據(jù)中有高達(dá)60％是冗余的，而且隨著時(shí)間的推移越來(lái)越多，在這種情況下，消除重復(fù)數(shù)據(jù)，節(jié)省存儲(chǔ)空間就成為了存儲(chǔ)系統(tǒng)需要解決的關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

基于背景技術(shù)存在的技術(shù)問(wèn)題，本發(fā)明提出了一種基于文件元數(shù)據(jù)的增量備份方法。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于文件元數(shù)據(jù)的增量備份方法，其特征在于，包括步驟：

S1，在目的盤建立一個(gè)當(dāng)前需要備份文件的文件特征表A；

S2,在存儲(chǔ)器中建立一個(gè)文件特征表B，記錄曾經(jīng)拷貝過(guò)的源盤文件的MD5碼值；

S3,將待存儲(chǔ)文件進(jìn)行技術(shù)分塊，計(jì)算分塊后的元數(shù)據(jù)的MD5碼值并記錄在目的盤的文件特征表A中；

S4，比對(duì)文件特征表A和文件特征表B中的MD5碼值，如果在文件特征表B中檢索不到文件特征表A中的MD5碼值，在存儲(chǔ)器內(nèi)進(jìn)行元數(shù)據(jù)的復(fù)制備份，如果在文件特征表A中的MD5碼值與文件特征表B中的MD5碼值一致，則存儲(chǔ)器中不進(jìn)行元數(shù)據(jù)的備份；

S5，更新存儲(chǔ)器中的文件特征表B。

優(yōu)選的，S2中的文件特征表B記錄的元數(shù)據(jù)的屬性包括文件名稱、文件尺寸、文件創(chuàng)建時(shí)間、文件修改時(shí)間、文件自定義元數(shù)據(jù)、文件存儲(chǔ)路徑中的幾種或全部。

優(yōu)選的，S3中的文件特征表A記錄的元數(shù)據(jù)的屬性包括文件名稱、文件尺寸、文件創(chuàng)建時(shí)間、文件修改時(shí)間、文件自定義元數(shù)據(jù)、文件存儲(chǔ)路徑中的幾種或全部。

優(yōu)選的，S4中文件特征表A中的所有MD5碼值均與文件特征表B中的MD5碼值進(jìn)行比對(duì)，比對(duì)完成后，文件特征表A中所有與文件特征表B中相同的元數(shù)據(jù)刪除。

優(yōu)選的，S3中采用CDC分塊技術(shù)對(duì)待存儲(chǔ)文件進(jìn)行技術(shù)分塊。

本發(fā)明中提到的MD5，是Message-Digest Algorithm5(消息摘要算法第五版)的簡(jiǎn)稱，是Rivest于1991年對(duì)MD4的改進(jìn)版本，作為當(dāng)前計(jì)算機(jī)領(lǐng)域用于確保信息傳輸完整一致廣泛使用的hash算法，主流編程語(yǔ)言普遍已有MD5的實(shí)現(xiàn)。MD5比MD4來(lái)得復(fù)雜，并且速度較之要慢一些，但更安全，在抗分析和抗差分方面表現(xiàn)更好。

它對(duì)輸入以512位分組，經(jīng)過(guò)計(jì)算流程，生成四個(gè)32位數(shù)據(jù)，最后將這四個(gè)值聯(lián)合起來(lái)成為一個(gè)128-bits散列值?；痉绞綖椋呵笥?、取余、調(diào)整長(zhǎng)度、與鏈接變量進(jìn)行循環(huán)運(yùn)算，得出結(jié)果。

本發(fā)明中S3采用的CDC分塊技術(shù)的分塊流程包括：

因?yàn)橛?jì)算滑動(dòng)窗口內(nèi)容的Rabin指紋值函數(shù)足夠離散，其值模D等r的概率的1/D，則從概率分析，每滑動(dòng)D長(zhǎng)度就有一次h模D的值為r，因此變長(zhǎng)塊的期望值為D，當(dāng)然，這只是期望值，劃分的元數(shù)據(jù)仍可能出現(xiàn)過(guò)大或者過(guò)小的情況，CDC分塊技術(shù)將兩個(gè)文件分割為完全相同的元數(shù)據(jù)，同時(shí)因?yàn)镽abin函數(shù)有著較好的字符串識(shí)別能力，當(dāng)文件進(jìn)行插入、刪除或者修改操作時(shí)，除了變化點(diǎn)之后的少數(shù)斷點(diǎn)需要重新劃分，其他元數(shù)據(jù)的邊界仍然不變，所以不會(huì)出現(xiàn)將文件進(jìn)行一個(gè)小改動(dòng)而分割成完全不同的元數(shù)據(jù)，從而找不到重復(fù)內(nèi)容的情況。

本發(fā)明與現(xiàn)有技術(shù)相比較，具有的有益技術(shù)效果：

本發(fā)明采用的是一種基于文件元數(shù)據(jù)的的增量備份方式，首先在存儲(chǔ)器中建立一個(gè)文件特征表B，用于記錄記錄曾經(jīng)拷貝過(guò)的源盤文件的MD5碼值，同時(shí)在目的盤建立一個(gè)文件特征表A，文件特征表A的屬性與文件特征表B相同，采用CDC分塊技術(shù)對(duì)待存儲(chǔ)文件進(jìn)行技術(shù)分塊，計(jì)算分塊后的元數(shù)據(jù)的MD5碼值并記錄到文件特征表A中，比對(duì)文件特征表A和文件特征表B中的MD5碼值，如果在文件特征表B中檢索不到文件特征表A中的MD5碼值，在存儲(chǔ)器內(nèi)進(jìn)行元數(shù)據(jù)的復(fù)制備份，如果在文件特征表A中的MD5碼值與文件特征表B中的MD5碼值一致，則存儲(chǔ)器中不進(jìn)行元數(shù)據(jù)的備份，最后，存儲(chǔ)器中的文件特征表B進(jìn)行更新，為下一次備份做準(zhǔn)備，與傳統(tǒng)技術(shù)相比較，增量備份方式可以幫助消除文件之間的重復(fù)數(shù)據(jù)，在更大程度上縮減數(shù)據(jù)占用空間，緩解存儲(chǔ)系統(tǒng)的空間增長(zhǎng)問(wèn)題，最大程度地利用已有資源，降低存儲(chǔ)成本。

附圖說(shuō)明

圖1顯示為本發(fā)明提出的一種基于文件元數(shù)據(jù)的的增量備份方式的具體實(shí)施例的流程方框示意圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步解說(shuō)。

一種基于文件元數(shù)據(jù)的增量備份方法，S1，在目的盤建立一個(gè)當(dāng)前需要備份文件的文件特征表A；S2,在存儲(chǔ)器中建立一個(gè)文件特征表B，記錄曾經(jīng)拷貝過(guò)的源盤文件的MD5碼值；S3,將待存儲(chǔ)文件進(jìn)行技術(shù)分塊，計(jì)算分塊后的元數(shù)據(jù)的MD5碼值并記錄在目的盤的文件特征表A中；S4，比對(duì)文件特征表A和文件特征表B中的MD5碼值，如果在文件特征表B中檢索不到文件特征表A中的MD5碼值，在存儲(chǔ)器內(nèi)進(jìn)行元數(shù)據(jù)的復(fù)制備份，如果在文件特征表A中的MD5碼值與文件特征表B中的MD5碼值一致，則存儲(chǔ)器中不進(jìn)行元數(shù)據(jù)的備份；S5，更新存儲(chǔ)器中的文件特征表B，為下一次備份做準(zhǔn)備。

本發(fā)明中提到的MD5，是Message-Digest Algorithm5(消息摘要算法第五版)的簡(jiǎn)稱，是Rivest于1991年對(duì)MD4的改進(jìn)版本，作為當(dāng)前計(jì)算機(jī)領(lǐng)域用于確保信息傳輸完整一致廣泛使用的hash算法，主流編程語(yǔ)言普遍已有MD5的實(shí)現(xiàn)。MD5比MD4來(lái)得復(fù)雜，并且速度較之要慢一些，但更安全，在抗分析和抗差分方面表現(xiàn)更好。

它對(duì)輸入以512位分組，經(jīng)過(guò)計(jì)算流程，生成四個(gè)32位數(shù)據(jù)，最后將這四個(gè)值聯(lián)合起來(lái)成為一個(gè)128-bits散列值?；痉绞綖椋呵笥唷⑷∮?、調(diào)整長(zhǎng)度、與鏈接變量進(jìn)行循環(huán)運(yùn)算，得出結(jié)果。

本發(fā)明中S3采用的CDC分塊技術(shù)的分塊流程包括：

因?yàn)橛?jì)算滑動(dòng)窗口內(nèi)容的Rabin指紋值函數(shù)足夠離散，其值模D等r的概率的1/D，則從概率分析，每滑動(dòng)D長(zhǎng)度就有一次h模D的值為r，因此變長(zhǎng)塊的期望值為D，當(dāng)然，這只是期望值，劃分的元數(shù)據(jù)仍可能出現(xiàn)過(guò)大或者過(guò)小的情況，CDC分塊技術(shù)將兩個(gè)文件分割為完全相同的元數(shù)據(jù)，同時(shí)因?yàn)镽abin函數(shù)有著較好的字符串識(shí)別能力，當(dāng)文件進(jìn)行插入、刪除或者修改操作時(shí)，除了變化點(diǎn)之后的少數(shù)斷點(diǎn)需要重新劃分，其他元數(shù)據(jù)的邊界仍然不變，所以不會(huì)出現(xiàn)將文件進(jìn)行一個(gè)小改動(dòng)而分割成完全不同的元數(shù)據(jù)，從而找不到重復(fù)內(nèi)容的情況。

以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。