[发明专利]采用可搜索块的内容可寻址存储系统和方法

说明书

相关申请信息

本申请要求通过引用而结合到本文的于2008年9月11日提交的 临时申请序列号61/095,994和通过引用而结合到本文的于2009年7 月29日提交的非临时申请12/511,126的优先权。

技术领域

本发明一般涉及管理存储介质上的数据存储，更具体而言，涉及 使用辅助存储系统上的可搜索数据块来管理数据内容的存储。

背景技术

用于存储信息的一般机制是内容可寻址存储(Content Addressable Storage，CAS)系统，其使数据块的地址基于其内容而不是预定的存 储位置。通常，CAS系统被用于辅助或“永久性”存储器中的相对固定 内容的快速存储和检索。内容可寻址存储(CAS)系统通过使用内容 的地址来提供对存储数据的访问。一般通过将若干信息片组合起来形 成内容地址(CA)，所述若干信息片中的至少一个取决于存储对象的 内容。通常，通过对于对象的相关数据块的内容应用诸如SHA-1之类 的强散列函数来得出内容地址的至少一部分。

与传统存储系统相反，在一旦写入(write)数据块、则不能将其 改变的意义上，基于内容地址的存储系统是不变的，因为改变块的数 据内容还将改变其地址。这不仅向用户提供所检索的数据与所存储的 数据完全相同的某种保证，而且其还允许系统避免存储重复块。例如， 如果用户对相同的数据执行多次写操作，则系统将只存储该数据的一 份拷贝，并对于每个写操作都返回相同的内容地址。这是可能的，因 为数据块的地址由系统来确定。然而，应注意的是，虽然在本文中将 CAS系统描述为不变的，但不应将“不变”解释为意指不能删除数据 块。相反，应将“不变”解释为意指系统防止能够用已被用于不同数据 内容的内容地址来引用数据内容。

遗憾的是，当采用CAS系统时，用户必须在写入对象之后存储 CA，以便保持在稍后检索或读取该对象的能力。例如，因为由于散列 函数的使用而不能在没有原始内容的情况下得出CA，所以用户不能 在未存储内容地址的情况下检索块。另外，即便使用诸如EMS的 C-clip之类的其中将CA嵌入存储对象以允许创建有向非循环图 (DAG)的高级系统，DAG的根也是包括在没有内容的情况下不可 得出的地址位的CA。在写入对象时，C-clip的内容地址被返回到必须 将其存储在不同位置的应用程序。

因此，采用CAS的当前存储系统不是独立的(self-contained)， 因为其需要保持(retain)根块的CA、且在许多系统中还保持其它块 的CA的单独存储器。

发明内容

因此，为了提高存储效率，需要一种不需要使用单独存储空间来 保持数据块的地址的CAS系统。依照本发明的各种示例性实施方式， 下文所讨论的“可搜索块”的使用消除了对维持用于数据块根的地址的 单独存储器的任何需要。例如，可以依照不必基于块内容的散列(hash) 且用户可简单地记起的用户定义搜索关键字来存储并引用(reference) 被实现为保留根(retention root)的可搜索块。另外，如下文所讨论 的，可以对其余DAG进行内容寻址以允许CAS系统的所有其它特征 的无缝操作。

本发明的一个示例性实施例包括存储在存储介质上的内容可寻 址数据结构系统，该系统包括：一组不变规则块(regular block)，其 中每个规则块可用由该系统根据相应规则块的数据内容而得出的内 容地址来引用；以及一组不变可搜索块，其中每个可搜索块可用相应 可搜索块的用户定义搜索关键字来引用，并且其中，每个可搜索块是 有向非循环图(DAG)的根，该有向非循环图包括所述规则块的至少 一个子集作为DAG节点。