MiB naar TB omrekenen

Een mebibyte is 1.024 kibibyte, oftewel 1.048.576 bytes. De hulpmiddelen van Linux en de geheugengetallen bedoelen vrijwel altijd dit, ook als er «MB» staat.

Een terabyte is duizend miljard bytes, oftewel 10¹². Een schijf die als 1 TB verkocht wordt heeft precies dat: de ruimte die lijkt te ontbreken is onenigheid over eenheden en geen tekort.

De factor is 0,000001, en die draagt vrijwel niemand met zich mee. Afgerond op 0,000001 zit hij er 0,14 % naast — bij kleine getallen onzichtbaar, en rond 1.000 MiB een hele eenheid.

Dat is het getal dat je vóór het afronden wilt weten: niet de fout zelf, maar vanaf waar hij ophoudt verwaarloosbaar te zijn. Daaronder is de korte factor de verstandige; daarboven gebruik je het veld hierboven, dat pas afrondt op het moment van afdrukken.

Eén MiB is 1.024 van de eenheid eronder; één MB is 1.000. Op deze pagina is dat het verschil tussen 0 TB en 0 TB — 4,9 % — en het gat groeit bij elke stap omhoog: op een foto een verwaarloosbare afronding, op een harde schijf een zichtbaar stuk.

Hierin zit het raadsel van de verdwenen opslag volledig. Een schijf die als terabyte verkocht wordt bevat in decimale eenheden precies wat erop staat; Windows telt hem daarna in binaire eenheden maar houdt de decimale naam aan, en daar krimpt het getal zonder dat er iets weg is. macOS telt deze eenheden sinds 10.6 decimaal, en daarom kan dezelfde schijf op twee computers twee maten lijken.

Agents rapporteren in mebibytes omdat dat is wat de machine telt, en facturen zijn in decimale terabytes want zo wordt capaciteit verkocht. Ertussen zit een optelling die triviaal oogt en waar een vlootrapport misgaat: een miljoen MiB is 1.048.576.000.000 bytes, wat 1,049 TB is, niet 1. Vermenigvuldig die fout over een echte vloot en het rapport en de rekening lopen bijna 5 procent uit elkaar.

De discrepantie gedraagt zich vervelend omdat hij precies proportioneel is met het totaal. Het is nooit een vaste afwijking die iemand kan opmerken en aftrekken; het is altijd hetzelfde percentage, dus oogt het als een systematische overfacturering eerder dan als een eenheidsfout. Daarom escaleert deze specifieke fout vaker naar de leverancier dan dat hij in de optelling gevonden wordt.

Reconciliatie is alleen mogelijk in een eenheid waar beide kanten het over eens zijn, en dat is noch TB noch MiB tot iemand zegt welke hij bedoelt. Bytes wel. Neem het monitoringtotaal en zet het om naar bytes, neem de gefactureerde hoeveelheid en zet die om naar bytes, en vergelijk die twee getallen; komen ze binnen het meetvenster overeen, dan was er nooit een factureringsprobleem en zat het hele verschil in het label.

Komen ze nog steeds niet overeen, dan is het restant de moeite waard te lezen in plaats van weg te wuiven. Opslagfacturen tellen vaak dingen die een gebruiksdashboard niet telt: snapshots, replica’s, onvoltooide multipart-uploads, verwijderde objecten nog binnen een bewaarvenster. Die produceren een verschil met een vorm — het verschijnt op specifieke momenten, het is geen vast percentage — wat precies hoe je het onderscheidt van een eenheidsfout die 4,9 procent van alles is, altijd.

Tel op in bytes en zet eenmalig om, aan het eind. Elke host zijn cijfer omzetten naar terabytes en de resultaten optellen introduceert een afrondingsfout per host, en met een grote genoeg vloot zijn die fouten een zichtbare hoeveelheid, ook als elke op zich verwaarloosbaar is. Eén vermenigvuldiging toegepast op een exact geheel totaal kan niet driften; enkele duizenden kleine delingen toegepast voor de optelling wel.

Dezelfde regel geldt voor de tussentijdse opslag. Een bytentotaal voor een vloot is een groot geheel getal, en dat zou een geheel getal moeten blijven doorheen de aggregatie in plaats van een float te worden dat onderweg middelt, afrondt en opmaakt. Moet het door een documentformaat zonder exact geheeltallig type op die schaal, draag het dan als tekenreeks en parse het terug op het punt van vergelijking.

Een pijplijn heeft drie punten waar de conventie kan omslaan, en elk oogt onschuldig. De exporter kiest wat hij uitstoot, en de nette exemplaren stoten ruwe bytes uit met een _bytes-achtervoegsel. De aggregatie kiest of er gedeeld wordt, en doet dat vaak met een met de hand getypte constante. De presentatielaag kiest een opmaak, en die keuze staat in een dashboarddefinitie die niemand leest.

Degene om als eerste te auditen is de middelste, want dat is de enige plek waar een verkeerde constante permanent wordt. Een recording rule die door 1.000.000 deelt om megabytes te maken en daarna als MiB wordt weergegeven, heeft een fout van 4,9 procent ingebakken in opgeslagen data, en elk rapport erop gebouwd erft hem. Weergaves kunnen achteraf gecorrigeerd worden; een opgeslagen aggregaat niet. De audit is kort: vind elke constante in de recording rules, controleer elke tegen de eenheid waarmee zijn uitvoer gelabeld is, en leg het antwoord naast de rule vast zodat niemand de oefening hoeft te herhalen de volgende keer dat een cijfer verkeerd oogt.

Een groeiprognose vermenigvuldigt welke fout dan ook in zijn basiscijfer. Zes maanden op 10 procent maandelijkse groei maakt van een onderschatting van 4,9 procent een onderschatting van 4,9 procent van een bijna dubbel zo groot getal, wat in absolute termen het verschil is tussen genoeg capaciteit bestellen en zichtbaar te weinig bestellen. Het percentage groeit niet; de hoeveelheid waarop het toegepast wordt wel.

De verdediging is in bytes te voorspellen en pas bij presentatie om te zetten, precies als bij de aggregatie. Het helpt ook de aanname in de prognose zelf te vermelden: een regel die zegt dat de cijfers decimale terabytes afgeleid van bytentellingen zijn, kost één zin, en het is de zin die iemand zes maanden later het getal laat controleren in plaats van herbouwen.

TB alleen is in de praktijk ambigu, wat de standaard ook zegt, want een substantieel deel van software drukt TB af en bedoelt tebibytes. TiB is niet ambigu, en een cijfer geschreven met een i erin heeft de lezer alles verteld wat nodig is. Zal het publiek TiB niet herkennen, dan is de terugval die werkt het decimale cijfer met de bytentelling ernaast, wat niemand verkeerd kan lezen en iedereen kan controleren.

Voor een terugkerend rapport hoort de labeling in de sjabloon in plaats van in elke editie, zodat hij niet weggelaten kan worden door wie de volgende editie onder tijdsdruk produceert. Een voettekst die de eenheid en zijn definitie vermeldt, kost één regel en verwijdert de meest voorkomende reden dat een capaciteitscijfer stilzwijgend opnieuw wordt afgeleid door zijn lezer, wat precies de uitkomst is die het rapport moest voorkomen. Dezelfde regel is wat een auditor of financiën het cijfer onafhankelijk laat controleren, wat meestal de reden is dat het rapport überhaupt gemaakt wordt.

Een miljoen mebibyte is iets meer dan een terabyte — vijf procent meer — dus is de mentale versie het MiB-totaal te nemen, de komma zes plaatsen te verschuiven, en er een twintigste bij op te tellen. Vierenhalf miljoen MiB is 4,5 plus ongeveer 0,22, wat 4,72 TB geeft tegen 4,7186 exact. Dat is dicht genoeg om een factor-tien-fout en een gemiste omzetting te vangen, wat de twee fouten zijn die ertoe doen.

De bijbehorende controle andersom is dat een decimale terabyte ongeveer 954 duizend mebibyte is. Elk cijfer dat een terabyte claimt van een miljoen MiB, of een miljoen MiB van een terabyte, heeft de twee systemen als uitwisselbaar behandeld, en de vijf procent die daarbij verloren ging is dezelfde vijf procent die later niet met de factuur zal kloppen. Beide controles duren langer om te beschrijven dan om uit te voeren, en beide zouden elke fout op deze pagina hebben gevangen voor hij een rapport bereikte dat iemand moest verdedigen.