[發明專利]將去除了重復的數據打包到有限大小容器中的方法和系統

在審

• 申請號: 201310242409.X
• 申請日: 2013-06-19
• 公開（公告）號: CN103514247A
• 公開（公告）日: 2014-01-15
• 發明（設計）人: M·海爾什;T·卡羅斯
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 吳信剛

1.一種使用處理器裝置將去除了重復的數據打包到多個有限大小容器中的方法，包括：

計算去除了重復的數據的多個相似比較文件之間的相似性分數；以及

使用該相似性分數將去除了重復的數據的所述多個相似比較文件分組成子集，用于使每個所述子集從去除重復系統離臺到所述多個有限大小容器中的一個。

2.根據權利要求1所述的方法，還包括在創建去除了重復的數據的所述多個相似比較文件的攝取時間，將去除重復系統中之前去除重復的數據文件與進入去除重復系統中要被去除重復的新數據文件進行比較。

3.根據權利要求1所述的方法，其中，計算相似性分數還包括，計算去除了重復的數據的所述多個相似比較文件之間共享的共同數據交集的第n百分數閾值，其中確定去除了重復的數據的所述多個相似比較文件之間的傳遞閉包。

4.根據權利要求3所述的方法，還包括使用所述傳遞閉包以幫助使用相似性分數將去除了重復的數據的所述多個相似比較文件分組成子集。

5.根據權利要求4所述的方法，還包括通過遍歷每個所述子集以確定所述多個有限大小容器中的一個的要求存儲空間來計算存儲度量值。

6.根據權利要求3所述的方法，還包括在文件相似性索引中保持所述多個相似比較文件中的每個的標識以及針對所述多個相似比較文件中的每個計算的相似性分數。

7.根據權利要求1所述的方法，還包括接收要將所述多個相似比較文件中的哪些分組成子集用于使每個所述子集從去除重復系統離臺到所述多個有限大小容器中的一個的用戶指示。

8.一種用于在計算環境中將去除了重復的數據打包成多個有限大小容器的系統，包括：

處理器裝置，在計算環境中可操作，其中至少一個處理器裝置適于：

計算去除了重復的數據的多個相似比較文件之間的相似性分數；以及

使用該相似性分數將去除了重復的數據的所述多個相似比較文件分組成子集，用于使每個所述子集從去除重復系統離臺到所述多個有限大小容器中的一個。

9.根據權利要求8所述的系統，其中，處理器裝置還適于在創建去除了重復的數據的所述多個相似比較文件的攝取時間，將去除重復系統中之前去除重復的數據文件與進入去除重復系統中要被去除重復的新數據文件進行比較。

10.根據權利要求8所述的系統，其中，為了計算所述相似性分數，處理器裝置還適于計算去除了重復的數據的所述多個相似比較文件之間共享的共同數據交集的第n百分數閾值，其中確定去除了重復的數據的所述多個相似比較文件之間的傳遞閉包。

11.根據權利要求10所述的系統，其中，處理器裝置還適于使用所述傳遞閉包以幫助使用相似性分數將去除了重復的數據的所述多個相似比較文件分組成子集。

12.根據權利要求11所述的系統，其中處理器裝置還適于通過遍歷每個所述子集以確定所述多個有限大小容器中的一個的要求存儲空間來計算存儲度量值。

13.根據權利要求10所述的系統，其中，處理器裝置還適于在文件相似性索引中保持所述多個相似比較文件中的每個的標識以及針對所述多個相似比較文件中的每個計算的相似性分數。

14.根據權利要求8所述的系統，其中，處理器裝置還適于接收要將所述多個相似比較文件中的哪些分組成子集用于使每個所述子集從去除重復系統離臺到所述多個有限大小容器中的一個的用戶指示。