Datendeduplizierung für Endgeräte in Unternehmen

Transkript

1 EINSPARUNG AN SPEICHER ANWENDUNGSSENSIBLE DEDUPLIZIERUNG AUF BASIS VARIABLER BLÖCKE SKALIERBAR Datendeduplizierung für Endgeräte in Unternehmen Dieses Whitepaper erläutert Deduplizierungsverfahren und veranschaulicht, wie sich mit der branchenführenden Technologie von Druva bis zu 90 % an Speicher und Bandbreite sparen lassen.

2 Inhalt Einführung...2 Die Zunahme der Unternehmensdaten verursacht einen starken Anstieg der Speicher- und Bandbreitenkosten...2 Die Deduplizierung von Daten ermöglicht erhebliche Einsparungen bei den Speicher- und Bandbreitenkosten...3 Unterschiedliche Methoden der Datendeduplizierung...4 Auf dem Server oder auf dem Client... 4 Datendeduplizierung auf Dateiebene und Unterdateiebene Blockbasierte Deduplizierung... 5 Anwendungssensible Datendeduplizierung... 6 Beschreibung der branchenführenden Deduplizierungstechnologie von Druva....8 Globale Deduplizierung... 9 Clientseitige Deduplizierung Objektbasierte anwendungssensible Datendeduplizierung Skalierbare Deduplizierung mit hoher Leistung Einheitliche Deduplizierung für Backups und gemeinsamen Dateizugriff Einsparungen von Bandbreite und Speicher durch die Deduplizierung von Druva insync Über Druva Datendeduplizierung für Endgeräte in Unternehmen

3 Einführung Unternehmen suchen neue Methoden, um den schnell wachsenden Umfang ihrer Daten effizient zu verwalten und zu schützen. Dies gilt insbesondere für die Daten auf Laptops und Mobilgeräten (zusammenfassend als Endgeräte bezeichnet). Die Menge der Daten in Unternehmen hat erheblich zugenommen, die Daten sind zunehmend auf unterschiedliche Speicherorte verteilt und die Verknüpfung zwischen Datasets ist komplexer geworden. Alle diese Faktoren treiben die Kosten für Speicher und Bandbreite in die Höhe. Datendeduplizierung bietet Unternehmen die Möglichkeit, den Umfang an Speicher und Bandbreite für Backups und den gemeinsamen Dateizugriff drastisch zu reduzieren. Druva insync bietet eine besondere Technologie der Datendeduplizierung, die den Kunden helfen soll, die Herausforderungen beim Datenschutz zu meistern. Die Zunahme der Unternehmensdaten verursacht einen starken Anstieg der Speicher- und Bandbreitenkosten Der Umfang der Unternehmensdaten hat in den letzten 5 Jahren erheblich zugenommen. Dies treibt die Kosten für Bandbreite und Speicher immens in die Höhe. Eine Umfrage von AFCOM (Fachverband der Betreiber von Rechenzentren) kam zu dem Ergebnis, dass mehr als 63 % der befragten IT-Manager einen drastischen Anstieg der Speicherkosten zu verzeichnen hatten. Zwei der wichtigsten Gründe für diesen Anstieg sind die stark zunehmende Anzahl von Endgeräten im Unternehmen und die zunehmende Nutzung von Tools für gemeinsamen Dateizugriff und Collaboration. Glücklicherweise ist die Zunahme der Daten zu einem großen Teil auf deren Duplizierung zurückzuführen. Insbesondere Tools für gemeinsamen Dateizugriff und Collaboration verursachen in großem Umfang die Änderung der Speicheranforderungen während der letzten 5 Jahre 35 % moderate Zunahme 2 % Abnahme 63 % drastische Zunahme Duplizierung von Daten. Dieselbe Datei wird von mehreren Benutzern gemeinsam verwendet und oft müssen auf Unternehmensservern Kopien derselben Datei gespeichert werden. 2 Datendeduplizierung für Endgeräte in Unternehmen

4 Die Deduplizierung von Daten ermöglicht erhebliche Einsparungen bei den Speicher- und Bandbreitenkosten Bei der Datendeduplizierung handelt es sich um die Eliminierung von redundanten Daten. Mit Deduplizierungsalgorithmen werden Duplikate ermittelt und gelöscht, sodass nur eine Kopie (eine einzelne Instanz) der Daten gespeichert bleibt. Jedoch bleibt die Indizierung sämtlicher Daten erhalten für den Fall, dass diese Daten irgendwann benötigt werden. Durch die Deduplizierung lassen sich die benötigte Bandbreite und Speicherkapazität verringern, da nur eine Instanz der Daten gespeichert wird. Ein typisches -System kann beispielsweise 100 Instanzen des gleichen Dateianhangs von 1 MB enthalten. Wenn die -Plattform gesichert oder archiviert wird, werden alle 100 Instanzen gespeichert, und dies erfordert 100 MB Speicherplatz. Bei der Nutzung von Datendeduplizierung wird nur eine Instanz des Anhangs tatsächlich gespeichert. Alle anderen Instanzen bleiben lediglich als Verweis auf die eine gespeicherte Kopie erhalten. In diesem Beispiel konnten 100 MB Speicher und Bandbreite auf nur 1 MB reduziert werden. Die konkreten Vorteile dieser Technologie hängen von verschiedenen Faktoren ab, z. B. dem Anwendungsort, dem verwendeten Algorithmus, dem Datentyp und den Richtlinien für Datenaufbewahrung und Datenschutz. Betrachten wir die Eigenschaften in denen sich Deduplizierungstechnologien voneinander unterscheiden: Sie unterscheiden sich nach dem Ort, an dem die Deduplizierung erfolgt (Server oder Client), nach der Genauigkeit der Deduplizierung (auf der Ebene von Dateien oder Unterdateien) und schließlich nach der Logik zur Ermittlung doppelter Daten (blockbasiert oder anwendungssensibel). 3 Datendeduplizierung für Endgeräte in Unternehmen

5 MacBook Pro MacBook Pro MacBook Pro MacBook Pro Unterschiedliche Methoden der Datendeduplizierung Es gibt mehrere Methoden der Datendeduplizierung. Auf dem Server oder auf dem Client Serverseitige Deduplizierung Clientseitige Deduplizierung ALLE DATEN ERFASST DEDUPLIZIERTE DATEN BACKUP- SERVER BACKUP- SERVER DEDUPLIZIERUNGS- ANWENDUNG BACKUP- SPEICHER BACKUP- SPEICHER Die SERVERSEITIGE DEDUPLIZIERUNG wirkt sich auf die Daten auf dem Server aus. In diesem Fall erfolgt auf dem Client keinerlei Deduplizierung. Das Deduplizierungsmodul kann in die Hardwareanordnung integriert werden, die sich als NAS/SAN-System mit Deduplizierungsfunktionen nutzen lässt. Alternativ kann es auch als eigenständige Software- oder Hardwareanwendung angeboten werden, die als Vermittler zwischen Backup-Server und Speicheranordnung fungiert. In beiden Fällen verringert diese Methode nicht den Umfang der übertragenen Daten und sie bietet keine verbesserte Bandbreitennutzung sie verbessert lediglich die Speichernutzung. Die CLIENTSEITIGE DEDUPLIZIERUNG wirkt sich auf die Daten auf dem Client aus, bevor diese auf den Server übertragen werden. Auf dem Client wird ein deduplizierungssensibler Backup Agent installiert, der nur jeweils eine Instanz der Daten sichert. Diese Methode bietet eine bessere Bandbreiten- und Speichernutzung. Sie erhöht jedoch die Rechenlast für den Backup-Client. 4 Datendeduplizierung für Endgeräte in Unternehmen

6 Datendeduplizierung auf Dateiebene und Unterdateiebene Der Algorithmus zum Entfernen von Duplikaten kann auf Dateiebene oder Unterdateiebene angewendet werden. Duplikate auf Dateiebene lassen sich einfach entfernen, indem eine einzelne Prüfsumme der gesamten Dateidaten berechnet und mit vorhandenen Prüfsummen gesicherter Dateien verglichen wird. Diese Methode ist einfach und schnell. Jedoch ist das Ausmaß der Deduplizierung sehr gering, da duplizierter Inhalt in unterschiedlichen Dateien oder Datasets (z. B. s) erhalten bleibt. Die Deduplizierung auf Unterdateiebene teilt die Datei in kleinere Blöcke fester oder variabler Größe auf und sucht dann mithilfe von Hash-basierten Standardalgorithmen ähnliche Blöcke. Blockbasierte Deduplizierung Die blockbasierten Deduplizierungsalgorithmen arbeiten nach dem folgenden Prinzip: Das Deduplizierungsmodul überprüft eine Sequenz von Daten, segmentiert diese in Blöcke variabler Länge und sucht Blöcke, die sich wiederholen. Das Modul speichert einen Zeiger auf den ursprünglichen Block, statt den duplizierten Block erneut zu speichern. Es gibt zwei Haupttypen der blockbasierten Methode. Die Methode mit Blöcken fester Länge unterteilt, wie der Name sagt, die Dateien in Blöcke fester Länge und sucht mithilfe einer einfachen Prüfsummenfunktion (MD5/ SHA usw.) Duplikate. Blockbasierte Deduplizierung DATEI 1 DATEI 2 BACKUP Zwar ist es möglich, nach wiederholt auftretenden Blöcken zu suchen, jedoch ist die Effektivität dieser Methode sehr begrenzt, da sich Daten um wirkungsvollsten reduzieren lassen, indem duplizierte Blöcke in zwei übertragenen Datasets gesucht werden, die zum Großteil, jedoch nicht vollständig, aus den gleichen Datensegmenten bestehen. Beispielsweise können in zwei unterschiedlichen Datasets ähnliche Datenblöcke mit unterschiedlichem Offset vorhanden sein. Anders ausgedrückt: Ähnliche Daten können unterschiedliche Blockgrenzen aufweisen. Dies ist häufig der Fall, wenn einige Bytes in eine Datei eingefügt werden. Wenn die geänderte Datei erneut verarbeitet und in Blöcke fester Länge unterteilt wird, scheinen alle Blöcke geändert worden zu sein. Aus diesem Grund verfügen zwei Datasets mit sehr geringen Unterschieden mit hoher Wahrscheinlichkeit über sehr wenige identische Blöcke fester Länge. Die Methode mit Datensegmenten variabler Länge unterteilt den Datenstrom in Datensegmente variabler Länge. Hierzu wird eine Methodik verwendet, die die gleichen Blockgrenzen an unterschiedlichen Positionen und in unterschiedlichen Kontexten ermitteln kann. Dies ermöglicht fließende Grenzen im Datenstrom, sodass Änderungen in einem Teil des Datasets geringe oder keine Auswirkungen auf die Grenzen an anderen Positionen des Datasets haben. Mit dieser Methode lassen sich doppelte Datensegmente an unterschiedlichen Positionen in einer Datei oder in unterschiedlichen Dateien ermitteln, die mit der gleichen Anwendung oder unterschiedlichen Anwendungen erstellt wurden. 5 Datendeduplizierung für Endgeräte in Unternehmen

7 Beschränkungen der blockbasierten Deduplizierung Die Blockgröße (konstant oder Unterschiedliche Anwendungen 1 variabel), anhand derer die 2 schreiben On-Disk-Daten auf 3 Datengrenze bestimmt wird, ist i. d. R. ein Schätzwert und kann daher von der tatsächlichen Blockgröße der Anwendung abweichen. unterschiedliche Weise. Blockbasierte Algorithmen sind häufig nicht in der Lage, identische Blöcke dateitypübergreifend zu erkennen (z. B. den gleichen Textblock, der in einer MS Word-Datei und in einer PST- -Datei gespeichert ist). Anwendungen wie Microsoft Outlook and Office nutzen eine komplexe Datenbank auf Grundlage der On-Disk-Daten-Struktur. Dabei wird jeder Block mit einer eindeutigen Kopf- und Fußzeile gekennzeichnet; dies macht das Ermitteln doppelter Datenblöcke noch schwieriger. Anwendungssensible Datendeduplizierung Die anwendungssensible Datendeduplizierung ist ein revolutionäres Konzept, das die Beschränkungen der Deduplizierung auf Blockebene überwindet. Dieses Konzept nutzt die Informationen über das Format der Daten, die gesichert werden. Statt die optimale Blockgröße zu schätzen, wird die Datei auf die gleiche Weise wie von der Anwendung interpretiert und die logischen Blöcke oder Nachrichten in den Dateien, die geändert wurden, werden identifiziert. Anwendungssensible Deduplizierung Der Deduplizierungsalgorithmus entfernt Duplikate auf der Ebene doppelter logischer Blöcke oder Nachrichten und arbeitet äußerst präzise, da er auf der Kenntnis der Struktur der On-Disk- Daten basiert. Dieser neue Ansatz erweist sich bei komplexen Anwendungen wie Microsoft Outlook und Office, die mehr als 95 % der Daten auf Unternehmens-PCs erzeugen, als äußerst effizient. Die anwendungssensible Deduplizierung identifiziert und entfernt nicht nur alle Duplikate in allen s und Anhängen in einer einzelnen PST-Datei, sondern identifiziert und entfernt Duplikate auch anwendungsübergreifend. Mit dieser neuen Methode kann ein Bild in einem Microsoft Word-Dokument als Duplikat eines Bildes identifiziert werden, das als Anhang in einer PST Datei vorhanden ist. Die anwendungssensible Deduplizierung erfolgt außerdem schneller als andere Deduplizierungsmethoden, da Daten in geringem Umfang oder überhaupt nicht gescannt werden, um die fließenden Blockgrenzen zu ermitteln. 6 Datendeduplizierung für Endgeräte in Unternehmen

8 Vorteile der anwendungssensiblen gegenüber der blockbasierten Deduplizierung ÄUSSERST EFFIZIENT beim anwendungsübergreifenden Entfernen von Duplikaten Bis zu 300 % EFFIZIENTER als die einfachere blockbasierte Methode beim Entfernen von Duplikaten in komplexen Anwendungen wie Microsoft Outlook Bis zu 200 % SCHNELLERE Datenverarbeitung als bei der auf variablen Blöcken basierenden Methode BEISPIEL: Angenommen, eine kurze ist wie folgt auf der Festplatte gespeichert. Date ; From: Bill Gates ; To: Warren Buffett ; Subject: Sell ; Body: sell everything! Bill Gates öffnet nach einer Woche Outlook; Outlook ändert das Datum in 07/17 und speichert die Nachricht wie folgt: Date ; From: Bill Gates ; To: Warren Buffett ; Subject: Sell ; Body: sell everything! Mit blockbasierten Deduplizierungsmethoden wird die Meldung vor und nach der Änderung in den folgenden Blöcken gespeichert. VORHER: BLOCK 1 BLOCK 2 BLOCK 3 BLOCK 4 BLOCK 5 Date ; Fro m: Bill Gates ; To: W arren Buffett ; Sub ject: Sell ; Body: s ell everything NACHHER: BLOCK 1 BLOCK 2 BLOCK 3 BLOCK 4 BLOCK 5 Date ; Fr om: Bill Gates ; To: Warren Buffett ; Su bject: Sell ; Body: sell everything! Beachten Sie, dass durch die Änderung des Datums von zwei Zeichen in ein Zeichen alle Daten verschoben und alle Blöcke geändert werden. Das blockbasierte Deduplizierungsmodul speichert eine gesamte neue Kopie der Nachricht, obwohl nur ein Zeichen geändert wurde. Die auf variablen Blöcken basierende Deduplizierung liefert in diesem Fall ein Ergebnis, das ein wenig besser, jedoch nicht optimal ist. 7 Datendeduplizierung für Endgeräte in Unternehmen

9 Beschreibung der branchenführenden Deduplizierungstechnologie von Druva Die anwendungssensible Deduplizierungstechnologie (Patent angemeldet) von Druva insync bietet unübertroffene Einsparungen an Bandbreite und Speicher bei Backups und gemeinsamem Dateizugriff. Schritte zum Entfernen von Duplikaten aus einem Backup Der insync-client-agent überwacht und erfasst stetig 1 Änderungen auf Dateiebene. 2 Vor dem Ausführen eines Backups überprüft der Agent beim Server anhand einer fortschrittlichen Dateifingerabdruck-Vergleichsmethode (Patent angemeldet), ob eine Datei oder auch nur ein Teil einer Datei von irgendeinem Benutzer auf irgendeinem Endgerät bereits gesichert wurde. 5 Während der Wiederherstellung werden für den Benutzer alle seine Dateien angezeigt, unabhängig von den Duplikaten. 4 Auf dem Server werden nur eine einzelne Kopie der duplizierten Daten und mehrere Verweise gespeichert. Anschließend wird nur eine Instanz des Inhalts an den 3 Server gesendet. 8 Datendeduplizierung für Endgeräte in Unternehmen

10 Besondere Eigenschaften der Deduplizierungstechnologie von Druva Global: Die Redundanz von Daten wird 1 benutzer- und endgerätübergreifend beseitigt Clientseitig: Die Überprüfung auf Duplikate und die Zwischenspeicherung der Duplikate erfolgen auf dem Client. Dies führt zu einer erheblichen Verringerung der Bandbreite und beschleunigt Backups. Anwendungssensibel: Die Kenntnis der On-Disk-Formate von Anwendungen (z. B. Outlook, Office und PDF) ermöglicht eine 100 % genaue und schnellere Deduplizierung mit geringeren Speicheranforderungen. Hohe Leistung und Skalierbarkeit: Die HyperCache-Technologie reduziert die Disk I/O um bis zu 80 %. Die Optimierung für SSDs verbessert den allgemeinen Durchsatz von Backups um das Fünffache. Einheitliche Deduplizierung für Backups und gemeinsamen Dateizugriff: Die Deduplizierung wird übergreifend auf Backups und gemeinsamen Dateizugriff angewendet; dies bietet immense Einsparungen an Speicher und Bandbreite. Eine ausführliche Erläuterung der Deduplizierungsverfahren und der innovativen Deduplizierungsstrategie von Druva finden Sie in einem Whitepaper zur Datendeduplizierung für Endgeräte unter Globale Deduplizierung Der insync-client-agent überprüft das Clientgerät auf Duplikate, indem Daten von allen Benutzern im Unternehmen und allen ihren Geräten verglichen werden. Auf dem Server wird nur eine einzige Instanz eines Blocks von allen Geräten/Benutzern gespeichert. Mit dieser Kombination von globaler und clientseitiger Deduplizierung lassen sich 90 % an Bandbreite und Speicher einsparen. 9 Datendeduplizierung für Endgeräte in Unternehmen

11 Clientseitige Deduplizierung Druva insync verwendet eine Architektur, in der Aktionen durch den Client ausgelöst werden. Dabei bietet die auf dem Client ausgeführte Deduplizierung ein hohes Maß an Skalierbarkeit und Sicherheit. Da die Deduplizierungsüberprüfungen auf dem Client erfolgen, ermöglicht insync erhebliche Einsparungen an Bandbreite. Darüber hinaus wird durch die clientseitige Zwischenspeicherung der Deduplizierungsüberprüfungen auf Datei- und Unterdateiebene die Geschwindigkeit von Backups merklich erhöht. Der insync-client verfügt über ein leistungsstarkes WAN-Optimierungsmodul, das die Netzwerkverfügbarkeit automatisch priorisieren und die Backup- Bandbreite als Prozentsatz der gesamten verfügbaren Bandbreite festlegen kann. Auf diese Weise stellt insync sicher, dass ein Backup weder einen großen Prozentsatz der Bandbreite beansprucht noch das Endanwendererlebnis unterbricht. Objektbasierte anwendungssensible Datendeduplizierung insync kennt das On-Disk-Format von Anwendungen und verbessert auf Grundlage dieser Informationen den Deduplizierungsvorgang erheblich, während die Genauigkeit zu 100 % gewahrt bleibt. Die anwendungssensible Deduplizierungstechnologie ist für Daten auf Endgeräten konzipiert; sie erkennt die Formate allgemein verbreiteter Anwendungen wie Outlook, Office und PDF. Die anwendungssensible Deduplizierung erfordert nicht mehrere Prüfsummen und ermöglicht somit eine schnellere Deduplizierung. Für andere Anwendungen verwendet insync auf Blöcken variabler Länge basierende Deduplizierung. DEDUPLIZIERUNG INNERHALB VON ANWENDUNGEN In vielen Anwendungen ändert sich die Datenstruktur einer Datei, auch wenn nur ein kleines Element der Datenstruktur geändert wird. Daher scheint die gesamte Datei unterschiedlich zu sein, wenn sie dauerhaft auf Festplatte gespeichert wird. Betrachten Sie beispielsweise eine Outlook-PST-Datei. In der PST-Datei werden bis zu 5 % der Blöcke geändert, auch wenn der Benutzer Outlook schließt, ohne dass eine Aktualisierung ausgeführt wurde. insync erkennt mithilfe seines anwendungssensiblen Deduplizierungsalgorithmus 87 verschiedene Nachrichtentypen in PST-Dateien. Dies ermöglicht es insync, die tatsächlichen Änderungen zu identifizieren und nur eine Instanz der Inhalte (z. B. s, Anhänge, Kalenderaktualisierungen usw.) zu sichern. Dieser Ansatz gewährleistet eine Deduplizierungsgenauigkeit von 100 % bei unterstützten Anwendungen und eine optimale Nutzung von Speicher und Bandbreite. ANWENDUNGSÜBERGREIFENDE DEDUPLIZIERUNG Jede Anwendung speichert Daten auf unterschiedliche Weise auf der Festplatte und häufig ändert sich die Darstellung der Daten vollständig, nachdem sie auf der Festplatte gespeichert und indiziert wurden. Ein gutes Beispiel hierfür ist eine Bilddatei, die sowohl in einem Word-Dokument als auch als Anhang in einer PST-Datei vorhanden ist. Bei der blockbasierten Deduplizierung können solche Duplikate häufig nicht anwendungsübergreifend identifiziert werden (da die Daten selbst geändert wurden). Da insync die logische Sicht der Daten interpretieren kann, können mit insync Duplikate viel effizienter anwendungsübergreifend erkannt und gelöscht werden, als dies mit anderen auf Deduplizierung basierenden Backup-Lösungen möglich ist. 10 Datendeduplizierung für Endgeräte in Unternehmen

12 BEISPIEL: Ein Word-Dokument auf dem Desktop eines Benutzers kann mithilfe anwendungssensibler Deduplizierung einfach als Duplikat eines -Anhangs, der gesichert wurde, identifiziert und aus dem Backup entfernt werden. Skalierbare Deduplizierung mit hoher Leistung insync bietet mit der HyperCache-Technologie Deduplizierung in unübertroffenem Umfang und mit unvergleichlicher Leistung. Die HyperCache-Technologie ist ein speicherinternes, auf dem Server ausgeführtes Caching-Verfahren, das die Disk I/O um % verringert und so das Skalieren der Deduplizierung durch Druva ermöglicht. HyperCaching ermöglicht basierend auf der Wahrscheinlichkeit und Häufigkeit von Blockzugriffen eine sehr große Anzahl paralleler Anforderungen. Außerdem bietet die Optimierung für SSDs eine 5-fache Erhöhung des allgemeinen Backup-Durchsatzes. Einheitliche Deduplizierung für Backups und gemeinsamen Dateizugriff insync bietet Funktionen sowohl für gemeinsamen Dateizugriff und Collaboration als auch für Backups. Der insync-deduplizierungsalgorithmus wird übergreifend auf diese Funktionen angewendet, sodass die Kosten für Bandbreite und Speicher zusätzlich verringert werden. Unternehmen nutzen in der Regel für gemeinsamen Dateizugriff und Backups jeweils zwei unterschiedliche Lösungen. Daher können sich auf dem Server mehrere Kopien der gleichen Datei befinden, die zuerst vom Backup- Programm und dann von einem Tool für den gemeinsamen Dateizugriff gespeichert wurde. Das verwendete Tool für den gemeinsamen Dateizugriff ist zwar möglicherweise zur Deduplizierung fähig, es kann jedoch keine dateiübergreifende Deduplizierung in Dateien ausführen, die von einem anderen Tool, z. B. einem Backup- Programm, gespeichert wurden. Druva insync ist die einzige Lösung, die es einem Unternehmen ermöglicht, ein einziges Tool sowohl für den gemeinsamen Dateizugriff als auch für Backups zu verwenden. Da insync weiß, welche Dateien für das Backup gespeichert werden und welche Dateien für den gemeinsamen Dateizugriff vorgesehen sind, kann es funktionsübergreifend Duplikate ermitteln und eliminieren. Dies bietet erhebliche Kostenvorteile bei Bandbreite und Speicher. 11 Datendeduplizierung für Endgeräte in Unternehmen

13 Einsparungen von Bandbreite und Speicher durch die Deduplizierung von Druva insync In der folgenden Tabelle wird die Deduplizierungsleistung von insync mit den gegenwärtigen Installationen bei vier Kunden in unterschiedlichen Branchen verglichen. Diese Vergleichswerte veranschaulichen überzeugend die Vorteile von insync im Hinblick auf Backup-Dauer und Speichernutzung. KUNDEN ANZAHL DER PCs DURCHSCHN. BACKUP- DAUER LAN (MIN.) DURCHSCHN. BACKUP- DAUER VPN/WAN (MIN.) GESAMTER GENUTZTER SPEICHER (TB) Herkömmliche Anwendung insync Herkömmliche Anwendung insync Herkömmliche Anwendung insync GROSSES FINANZ- UNTERNEHMEN ÖL- UND GAS- UNTERNEHMEN CONSULTING- GRUPPE GRAFIKUNTER- NEHMEN k. A , k. A. 6 6,8 1,6 BEISPIEL: Wenn eine mit einem Anhang von 1 MB an 1000 Benutzer gesendet wird, sichert eine herkömmliche Anwendung für inkrementelle Backups diesen Anhang von 1 MB aus jedem der 1000 Postfächer. Druva insync hingegen sichert 1 MB vom ersten Benutzer und ignoriert die anderen 999 Kopien als Duplikate. So werden 99,9 % an Backup-Dauer, Bandbreite und Speicher gespart. Durchschnittliche Reduzierung der Backup-Dauer Durchschnittliche Reduzierung an Speicherbedarf 100% Herkömmliches Backup 30% Herkömmliches Backup Druva insync 20% Druva insync 50% 10% 0% Backup-Dauer 100 MBit/s per LAN (Min.) Backup-Dauer 1 MBit/s per WAN (Min.) 0% Serverspeicher (TB) 12 Datendeduplizierung für Endgeräte in Unternehmen

14 Über Druva Druva bietet eine umfassende Suite von Lösungen für die Datenverwaltung auf Endgeräten für Laptops, PCs, Smartphones und Tablets von Unternehmen. Sein Flaggschiff-Produkt insync bietet den mobilen Mitarbeitern eines Unternehmens preisgekrönte Funktionen für Backups, für gemeinsamen Dateizugriff unter Aufsicht der IT-Abteilung, für die Verhinderung von Datenverlusten und vielfältige Analysefunktionen. insync wird in der öffentlichen oder privaten Cloud oder vor Ort bereitgestellt und ist die einzige Lösung, die den Anforderungen der IT-Abteilung und der Endanwender Rechnung trägt. Druva hat mehr als Kunden und schützt eine Million Endgeräte in 46 Ländern. Druva ist ein privates Unternehmen mit Niederlassungen in den Vereinigten Staaten, Indien und dem Vereinigten Königreich, das von Nexus Venture Partners und Sequoia Capital finanziell unterstützt wird. Weitere Informationen über Druva finden Sie unter Druva, Inc. Deutschland: +49 (0) Nord- und Südamerika: Asien-Pazifik und Japan: