數據大清理

申請免費試用、咨詢電話：400-8352-114

數據分類工具提供了基于策略管理數據的功能，從而為主存儲器騰出了空間。但這些工具大多數處理的只是非結構化數據（如電子郵件和文件服務應用創(chuàng)建的數據），而不是數據庫記錄。

美國國家核安全局的IT經理Matt Decker知道自己不能只通過添加昂貴的高端存儲陣列，來跟上該局數據每年增長40%的迅猛勢頭。而人工刪除回收箱和臨時文件又無法釋放足夠的存儲空間。他說: “當數據不斷增多時，你突然成了它的奴隸?！?

Decker想知道到底是哪類數據在塞滿高端磁盤，那樣就可以評估數據價值，決定怎樣把數據轉移到較便宜的存儲介質上，或聯(lián)機方式或離線方式。

這時，總部設在加州的Arkivio公司有了用武之地。兩年前，Decker請來這家公司進行數據審查。Arkivio的發(fā)現(xiàn)結果讓他大為震驚: 存放的數據大部分是重復文件、臨時文件和電子郵件的附件，多達3.5TB。Decker說: “要是有人發(fā)給我一封郵件，我認為其中的附件沒有問題，就會保存下來，而別人收到附件后也會這么做。”

如今，Decker使用Arkivio公司的Auto-xplor工具，就可以自動標記這些數據，然后備份起來，并設置策略引擎，根據數據重要性決定如何存儲。

這種數據分類或者標記工作過去要靠人工完成。而如今許多新興供應商出售的工具則把代理放在應用服務器上，由它們來搜尋磁盤卷。然后，分類軟件會生成有關這些卷的報告，并把該信息放入可以搜索的數據庫當中。

譬如，數據分類軟件有“創(chuàng)建日期”和“上一次訪問日期”這樣的字段，就可以根據關鍵字進行搜索。隨后，管理員就可以制訂策略，確定數據一旦分類完畢，應存放在何處。

許多公司很早就向市場推出了能夠跨多種應用（如電子郵件和文件服務器）對數據進行分類及存儲的軟件，譬如Arkivio、倫敦的Njini公司、加州的Kazeon系統(tǒng)公司以及StoredIQ公司。

Gartner公司的分析師Carolyn Dicenzo說，電子郵件最占用主存儲陣列上的空間。其次是文本文件。而保存這些數據風險很高: 如果保存時間超過必要期限，就很難理清大量電子郵件的頭緒，以便合法取證，還會讓公司面臨訴訟。

迄今為止，數據分類技術廠商幾乎全都提供用于處理非結構化數據（如電子郵件和文本文件）的產品。數據庫里面的結構化數據用不著加以分類，不過越來越需要為這部分數據編制索引，以便它們也能夠加以搜索。企業(yè)戰(zhàn)略集團公司的分析師Steve Duplessie說，目前惟一在處理結構化數據索引編制的一家公司是開發(fā)Greenwich軟件的英格蘭公司: CopperEye。

一切為了遵從法規(guī)

美國伊利諾斯州年產值57億美元的技術分銷商CDW公司預計，自己用于實施數據分類及分層存儲架構所需的軟硬件上的開支將超過100萬美元。目的是為了更好地管理多達250TB的數據，而大部分放在主存儲器上。

CDW的IT業(yè)務部門高級主管K.C. Tomsheck說: “對《財富》500強公司而言，法規(guī)遵從問題在過去一年事關重大。這讓我們把注意力轉向了記錄管理和信息生命周期管理?！?

于是Tomsheck在6月份開始實施數據分類項目。在第一個階段，他的法律事務部門對于如何對待不同類型的數據制訂了相應策略。在第二個階段，項目管理辦公室對數據進行了分類。而在最后一個階段，網絡技術小組將確認由哪項技術來支持分層存儲架構。

Tomsheck說，公司的主數據中心和備用數據中心都集中放在芝加哥，這為他的數據分類工作提供了極大幫助。他說: “數據庫、電子郵件、文件共享文檔，包括非結構化數據，它們都放在兩個地方的存儲設備上。我們的數據放在一個主存儲站點，然后可從該站點評估數據，這很有幫助?！?

該公司購買了EMC公司的12個網絡附加存儲（NAS）陣列，包括Centera內容尋址存儲陣列。如果一切按計劃發(fā)展，大約150TB的數據將從主存儲陣列遷移到輔助的NAS陣列上。Tomsheck說: “我們把這看成是‘現(xiàn)在獲得回報還是以后獲得回報’的問題?！彼Ｍ茉谌哪陜全@得投資回報。

Duplessie強調，數據分類的成本通常不是來自技術本身，而是來自確定如何對數據進行分類所用的時間。

作為其戰(zhàn)略的一部分，Decker購買了EMC公司的Centera內容尋址存儲器陣列，以便對電子郵件和文件進行聯(lián)機歸檔，那樣最終用戶仍能夠訪問數據。 (CCW)