Online Deduplication for Btrfs

Abstract

Btrfs je copy-on-write linuxový souborový systém, který obsahuje vlastního správce oddílů a podporuje efektivní operace se snapshoty. Online deduplikace dat je metoda odstranění duplicitních bloků dat ještě předtím než jsou zapsány na disk. Tato funkcionalita šetří místo na uložišti avšak může v jistých případech znamenat pokles výkonu při zápisu. Hlavním využitím jsou soubory obrazů disků virtuálních strojů. Takové soubory obsahují z velké části stejná data (stejný operační systém) a tedy tyto části lze zapsat na disk pouze jednou. Tato diplomová práce se zabývá návrhem a implementací online deduplikace pro souborový systém Btrfs.Btrfs is a copy-on-write Linux filesystem that has its own built-in volume management and supports efficient snapshotting. Online data deduplication is a technique of eliminating duplicate blocks before they are written out to disk. This feature saves storage space, however, might decrease performance in some cases. The most notable use case for this feature is virtual machine image files. Most of the blocks are of the same content (same operating system) in these files and thus those blocks might be written out to disk just once. This thesis deals with design and implementation of such feature for the Btrfs filesystem.