云数据中心规模的持续增长和虚拟机镜像数量的急剧扩张,给云数据中心的存储管理带来严峻的挑战。另外,海量的虚拟机镜像中占有很高比重的重复数据,其消耗大量的存储资源和占用大量的I/O开销,极大的影响了云数据中心的性能。现有针对虚拟机镜像去重方法虽然取得一定的成果,但仍面临诸多挑战,对有时效性要求的海量镜像备份场景并不适用。虚拟机镜像文件大,之间具有高度相似性,以及不易修改等特点。针对海量的虚拟机镜像去重备份场景,本文设计在传统镜像去重方法的基础上加上预处理性能优化步骤。通过以上的优化方法,不仅保证其去重率,且缩短其去重时间。首先,针对云数据中心大量虚拟机镜像备份过程的重复数据删除存在的备份时长限制和目前传统重删技术存在的索引性能瓶颈等问题,提出一种基于镜像相似性的改进去重优化方法(ISGA)。该方法着眼于海量虚拟机镜像备份场景,从提高系统整体性能的目标出发,在充分保证一定重删率的基础上,通过基于镜像随机抽样来减少抽样范围,从而降低指纹索引查找比对的范围和次数;然后利用镜像之间的相似性对抽样的样本镜像块计算指纹,并通过相同指纹数确定其相似程度,对相似度达到阈值的镜像归为一组;最终形成多个相似的镜像组,再在镜像组内进行去重的过程。经过以上预处理,减少去重过程中的索引范围,减少了去重的时间,提高了备份效率,特别适用于海量虚拟机镜像的快速备份去重场景中。其次,虽然以上预处理减少了去重备份时间,同时也降低了去重率。另外预处理仍不能解决传统的重删系统受到磁盘瓶颈限制的问题。所以本文对经过预处理后的相似镜像组,在进行传统指纹检索前引入基于布隆过滤器的虚拟机镜像去重性能优化算法。算法改进的布隆过滤器对数据分块的哈希指纹进行快速判断和过滤。通过以上操作能够减少对指纹库的访问操作,解决硬盘性能瓶颈的问题,可以最大限度的提高重复数据删除率。综上所述,本文利用镜像相似性和局部性的特点,较好的解决镜像备份去重过程的索引瓶颈和磁盘瓶颈问题,在加快指纹搜索时间的同时,还保证了去重率,提高镜像备份去重系统的整体性能。实验结果表明:与虚拟机镜像聚类分组相比,本文提出的优化方法存在以下优势:在相同的镜像数量条件下,所需的去重备份时间更短;随着镜像库中操作系统种类增加的情况下,总镜像所需的去重时间更短。