Datalagring

Hvad det er

Datalagring, i daglig tale ofte bare lagring, er det lag i et
system, hvor data ligger mellem brugene, på medier, der bevarer dem
gennem en genstart og et strømsvigt. NIST's ordliste giver ordet to
betydninger, begge hentet fra SP

800-88r2: en bevaring af data, der lader dem hente frem igen, og det
hardware, som data kan skrives til og hentes fra.

Al lagring hviler på et fysisk medie: en roterende harddisk, et
SSD-drev, et SD-kort, et bånd. Software ser et af tre lag oven over
det:

  * Bloklagring viser en enhed som en række blokke af fast
størrelse, adresseret med nummer. En diskpartition, et RAID-array og
en virtuel disk i skyen ser alle sådan ud for kernen, og et
filsystem eller en databasemotor bestemmer, hvad blokkene betyder.

  * Fillagring lægger et filsystem over blokkene: navne, mapper,
størrelser, ejere og rettigheder, og en fil kan ændres nogle få byte
ad gangen. Delt over NFS eller SMB betjener ét mappetræ mange
maskiner.

  * Objektlagring gemmer hele objekter, hvert en række byte plus
metadata, under et navn i en beholder og nås gennem et HTTP-API i
stedet for en montering. Google Cloud Storage gemmer data som
objekter i beholdere kaldet buckets, hver bucket hører til et
projekt, og et objekt er et uforanderligt stykke data, der består af
en fil i et vilkårligt format.

De tre skilles ved, hvad en ændring koster. En blokenhed omskriver
én blok på stedet. Et filsystem retter en del af en fil og flytter
den med en omdøbning. Et objektlager erstatter hele objektet:
Googles side om objekter udelukker tilføjelse og afkortning, og en
erstatning sker atomart, så læsere får den gamle version, indtil den
nye upload er færdig. Afhængigt af værktøjet kan en omdøbning betyde
en kopi under det nye navn og en sletning af originalen; Cloud
Storage understøtter også atomare omdøbninger af objekter inden for
én bucket. I en bucket med fladt navnerum er mapper et billede, som
værktøjerne tegner ud fra skråstreger i objektnavnene; strengen
`folder1/` er en del af navnet, og bucketen gemmer slet ingen mappe.

Den samme fil ser sådan ud i hvert af de tre lag:

```sh
i# blok: kernens syn på en disk som nummererede blokke		engineer.company	70
lsblk /dev/sda

i# fil: et filsystem monteret over blokkene, med navne og mapper		engineer.company	70
df -h /srv

i# objekt: et helt objekt sendt til en bucket over et API		engineer.company	70
gcloud storage cp readings.csv.gz gs://example-bucket/2024/01/
```

Hvorfor det betyder noget

Mediet afgør, hvordan data går tabt. En harddisk, et SSD-drev og et
SD-kort svigter hver på sin måde, og en gendannelsesmetode, der
passer til det ene, er det forkerte værktøj til det næste. Redundans
inde i én kasse, som et spejlet diskpar eller et RAID-array, holder
data læsbare, når en enkelt disk dør, men den skriver hver sletning
til hver disk lige så trofast som selve dataene.

Holdbarhed og tilgængelighed er to forskellige løfter. Holdbarhed er
chancen for, at lagrede data overlever; tilgængelighed er chancen
for, at de kan læses i et givent øjeblik. Cloud Storage angiver en
årlig holdbarhed på 99,999999999 % for alle lagerklasser, mens den
typiske månedlige tilgængelighed går fra 99,9 % til over 99,99 %
afhængigt af klasse og placering. En lagerklasse er metadata på
hvert objekt, som fastlægger dets tilgængelighed og prismodel, og
nye objekter arver deres buckets standardklasse. De koldere klasser
bytter en lavere pris for at opbevare data mod lidt lavere
tilgængelighed, en minimumslagringsperiode på

30, 90 eller 365 dage og et gebyr for at læse dataene igen; Google
sigter dem mod data, der læses én gang om måneden eller sjældnere,
højst én gang i kvartalet og sjældnere end én gang om året.

Placering er en del af dataene. En kopi på samme disk, samme maskine
eller samme cloudkonto deler skæbne med den, og en kopi et andet
sted gør det ikke. Placering sætter også hastighed og pris: Google
bemærker, at data i samme region som den beregning, der bruger dem,
giver den bedste ydelse til dataintensivt arbejde og kan sænke
netværksomkostningerne.

Måden, software når lageret på, former resten.
Sikkerhedskopieringsprogrammet restic beskriver sit repository som
blot en mappe med et sæt undermapper og filer, og den samme mappe
kan ligge på en lokal disk, på en server, der nås over SFTP, eller i
et objektlager som Google Cloud Storage eller Amazon S3. Dataene er
de samme, mens latens, fejlmåder og den person, der styrer kontoen,
alle skifter.

Sådan ser det ud i praksis

Fra bunden af stakken og opefter omfattede grundlæggerens tidligere
arbejde det fysiske medie, der svigter, og objektlageret, der
flytter hele filer. Virksomhedens egen backupimplementering
beskriver automatisering, der skal sørge for en kopi hos en anden
udbyder som beskyttelse mod tabet af en vært; aktivering af det
lager og kontrol af en reel gendannelse er særskilte trin.

Nederst ligger det fysiske medie, og datagendannelsen omfattede
stort set alle almindelige lagertyper, fra SD-kort og roterende
harddiske til SSD'er, RAID-arrays, eksterne drev og Mac-systemer.
Folk kom med lagermedier, der var gået i stykker eller beskadiget,
med billeder, forretningsfiler, den eneste kopi af noget, der betød
noget. Hvert medie går i stykker og giver sine data fra sig på sin
egen måde: en SSD er et andet problem end et pladedrev, et
RAID-array er et andet problem igen, og et Mac-filsystem har sine
egne særheder. At kende den rette tilgang til det konkrete medie
betød lige så meget som nogen enkelt teknik, og kunderne fik
kritiske data tilbage fra enheder, de allerede havde afskrevet som
tabte.

Et lag højere ligger objektlageret. I seks ETL/ELT-pipelines, der
fødte data ind i Google BigQuery, stod en Google Cloud
Storage-bucket mellem kilden og datavarehuset. Kuraterede datasæt og
tabeller blev eksporteret til mellemformater, komprimeret med gzip
og overført til bucketen, og derfra indlæste bq CLI og
Python-scripts dem i BigQuery. Hele komprimerede filer gik ind, og
hele filer kom ud, det mønster objektlagring er bygget til.

Kopien et andet sted indgår i virksomhedens implementering af
sikkerhedskopiering og gendannelsestest. En Ansible-rolle
installerer restic-scripts og systemd-enheder til et databasedump,
hvor det er konfigureret, et krypteret, deduplikeret snapshot over
SFTP til lager hos en anden udbyder, udtynding efter
opbevaringspolitikken og et integritetstjek. Et separat månedligt
workflow gendanner en kendt fil til et midlertidigt arbejdsområde og
sammenligner dens bytes, så vejen tilbage bliver afprøvet og ikke
kun skrivningen. Sikkerhedskopiering og gendannelse har hver sit
successignal, og timerne kræver et konfigureret backuplager.
Implementeringsbeskrivelsen dateret 2026-10-27 angiver, at timerne
var deaktiveret uden et backuplager, og dokumenterer ingen
gennemført gendannelse i drift. Den dokumenterer automatiseringen og
det, der skal aktiveres; den beviser ikke, at virksomheden allerede
kan miste værten og gendanne sine data.

Hvor det går galt

Det meste besvær med lagring kommer fra en kopi, et tjek eller en
pris, der så fin ud indtil den dag, den skulle bruges.

En kopi deler skæbne med originalen. Et snapshot på samme konto, en
sikkerhedskopi på samme disk, en replika i samme bygning: hver af
dem overlever de små svigt og går ned med det store. Skriv de
enkelte hændelser op, der kunne tage begge, og flyt én kopi, til
listen er kort.

Redundans tælles som sikkerhedskopi. Et spejl kopierer hver
skrivning til hver disk, sletninger og korruption medregnet. Det
svarer på en død disk; en separat kopi med sin egen historik svarer
på en fejltagelse.

Et objektlager bruges som filsystem. Kode skrevet til filer
forventer billige omdøbninger og mappelister. Nogle værktøjer
udfører omdøbninger af objekter som en kopi plus en sletning, selv
om Cloud Storage også understøtter atomare omdøbninger inden for én
bucket. Google bemærker, at dybt indlejrede, mappeagtige strukturer
i et fladt navnerum mangler den ydelse ved listning, som et rigtigt
filsystem har. Læg objektnavnene an efter den måde, de skal læses
på, og hold arbejde, der retter filer på stedet, på fil- eller
bloklagring.

Tjekket læser indekset og springer dataene over. Som standard
verificerer restics `check`-kommando repositoryets struktur og lader
de pack-filer, der rummer de sikkerhedskopierede data, være ulæste,
fordi det kræver, at hver eneste af dem hentes. `--read-data` læser
dem alle, og `--read-data-subset=1/5` til `5/5` dækker repositoryet
på fem kørsler. Et tjek, der kun lister filer, beviser, at navnene
findes, og siger kun lidt om indholdet bag dem.

En kold klasse rummer varme data. En fil, der læses dagligt fra en
klasse prissat til månedlige læsninger, betaler et gebyr ved hver
læsning, så afstem klassen efter det læsemønster, dataene faktisk
har.

Læs mere

  * NIST glossary: storage — ordets to betydninger, som NIST SP
800-88r2 definerer dem.

  * About Cloud Storage objects — objektdata og metadata,
navneregler, uforanderlighed og det flade navnerum bag simulerede
mapper.

  * Cloud Storage: Storage classes — holdbarhed, tilgængelighed,
minimumslagringsperioder og gebyrer for hentning for hver klasse.

  * restic: Preparing a new repository — hvad et repository er, og
de lokale, SFTP- og objektlagerbackends, det kan ligge på.

  * restic: Working with repositories — at tjekke et repositorys
struktur og læse de data, det rummer, tilbage.

  * Cloud Storage: Flyt objekter — Den atomare omdøbning inden for
én bucket, til forskel fra værktøjer, der simulerer en flytning ved
kopiering og sletning.

hDenne side på nettet	URL:https://engineer.company/da/glossary/storage/	engineer.company	70
