云存储中一种基于文件相似度的抽样重删索引算法

摘要 索引性能瓶颈制约着云存储下重复数据删除技术的发展和应用．通过分析影响索引性能的关键因素，提出一种基于抽样和相似度的重复数据删除索引算法．该方法利用基于文件级别的抽样，抽取每个文件部分指纹组成索引．通过减少指纹索引比对的范围和次数，提高索引检索的效率．当新写入文件的相似度达到临界值时，系统进行深度删冗，从而增加整体的重删率