Recomendaciones para optimizar los costos de datos

  • Artículo

Se aplica a esta recomendación de lista de comprobación de optimización de costos de Azure Well-Architected Framework:

CO:10 Optimización de los costos de datos. Gasto de datos con prioridad de datos. La optimización de datos debe incluir mejoras en la administración de datos (por niveles y retención), el volumen, la replicación, las copias de seguridad, los formatos de archivo y las soluciones de almacenamiento.

En esta guía se describen las recomendaciones para optimizar los costos de datos de una carga de trabajo. La optimización de los costos de datos implica minimizar los gastos relacionados con el almacenamiento y la administración de datos según su importancia y frecuencia de acceso. La administración de datos adecuada puede reducir significativamente los costos de sobrecarga y alinear los gastos con la utilidad de datos. El abandono de optimizar los costos de datos puede provocar gastos inflados, una asignación de recursos ineficaz y un desperdicio financiero debido a soluciones de almacenamiento desalineadas y a la retención de datos innecesaria.

Definiciones

Término Definición
Administración del ciclo de vida de los datos Proceso de administración de datos a lo largo de todo su ciclo de vida, desde la creación hasta la eliminación. Este proceso implica organizar, almacenar, proteger y archivar datos en función de sus patrones de uso y valor.
Redundancia de datos La práctica de almacenar copias duplicadas de datos en varios sistemas de almacenamiento o ubicaciones. El propósito de la redundancia de datos es mejorar la disponibilidad de los datos y la tolerancia a errores.
Organización de los datos en capas Una estrategia de almacenamiento que implica clasificar los datos en función de su frecuencia de acceso y almacenarlos en los niveles de almacenamiento en consecuencia.
Directiva de retención Duración durante la cual se deben conservar los datos antes de que se puedan eliminar. Especifica el período de tiempo durante el que se deben conservar los datos para cumplir los requisitos legales, normativos o empresariales.

Estrategias de diseño principales

Dentro de una carga de trabajo específica, optimiza los costos de datos reduciendo los gastos asociados al almacenamiento y administración de datos. Existen varias estrategias y procedimientos recomendados para minimizar los costos de procesamiento y almacenamiento de datos. El objetivo es alinear los costos de datos con la prioridad de los datos. Debe asignar niveles de costo a tipos de datos en función de su importancia o frecuencia de acceso.

Los principales controladores para el costo de los datos de carga de trabajo son la frecuencia de acceso, la latencia de acceso y la cantidad de almacenamiento. Las instrucciones siguientes contienen estrategias para optimizar los costos en estos impulsores de costos.

Realizar un inventario de datos

Para poder optimizar el costo de los datos, debe generar un inventario de datos. Examine el acceso a los datos y determine su importancia dentro de la carga de trabajo y sus operaciones. Identifique a qué datos se accede con frecuencia y a qué datos se accede con menos frecuencia. Las siguientes acciones de inventario pueden ayudarle a asignar recursos de almacenamiento de forma eficaz:

  • Recopilar información de acceso a datos: Realice una auditoría de datos para identificar y catalogar todos los almacenes de datos. Determine el valor de los conjuntos de datos en función de su importancia para las operaciones empresariales, la rentabilidad de la inversión y la frecuencia de uso. Recopile registros de acceso, métricas de uso o análisis de las soluciones de almacenamiento de datos.

  • Identificar tipos de datos: Clasifique los datos en función de su tipo, como datos personales, datos financieros, propiedad intelectual o datos operativos. Comprenda la sensibilidad y la importancia de cada tipo de datos.

  • Identificar patrones de acceso: Identifique los patrones en el acceso a datos, como patrones de uso diario, semanal o mensual. Debe comprender los requisitos de latencia, tamaños de archivo y actualización de datos para esos datos.

Priorización de los datos

La priorización de datos es el proceso de categorizar y asignar niveles de importancia a los tipos de datos en función de la sensibilidad y la importancia. La prioridad de los datos debe alinearse con la importancia del entorno. Por ejemplo, los datos de producción son más importantes que los datos de preproducción.

Evalúe la importancia de varios tipos de datos en la carga de trabajo mediante estos pasos:

  1. Definir niveles de prioridad: Establezca niveles de prioridad para los datos (como alto, medio y bajo) en función de su valor para la organización, los requisitos normativos y el posible efecto de la pérdida de datos. El objetivo es alinear la prioridad de los datos con la solución de datos adecuada.

  2. Asignar etiquetas: Etiquete cada conjunto de datos con su sensibilidad y importancia. Puede aplicar etiquetas en el nivel de fila, columna o archivo, en función de la estructura y el uso de datos. En el caso de las bases de datos, puede usar una herramienta especial para etiquetar y relacionar la confidencialidad y la importancia de los datos con filas y columnas específicas. Este enfoque proporciona un control pormenorizado sobre la administración y el acceso de los datos.

Optimización de la administración de datos

La administración de datos es el proceso de almacenar, mover y proteger los datos de carga de trabajo. Al optimizar la administración de datos, puede alinear el gasto con la prioridad de los datos y derivar más valor de los datos. Tenga en cuenta las siguientes estrategias para la administración de datos.

Optimización de la administración del ciclo de vida de los datos

Es importante administrar los datos a lo largo de su ciclo de vida. Las fases del ciclo de vida incluyen la creación de datos (o la adquisición), el almacenamiento, el uso, el uso compartido, la retención y la eliminación (eliminación o archivado). El objetivo de la administración del ciclo de vida de los datos es optimizar las soluciones de almacenamiento de datos y cumplir con las normativas y directivas pertinentes.

El almacenamiento de datos tiene tres componentes de costo críticos:

  • Costo de almacenamiento: el gasto asociado al almacenamiento de datos, como por gigabyte.

  • Costo de transacción: costos vinculados a operaciones de datos, como operaciones de escritura, operaciones de lectura y recuperación de datos (por gigabyte). La lectura y escritura de datos puede tener costos diferentes.

  • Costo de latencia: gasto asociado a la velocidad o retraso en el acceso a los datos.

Las consideraciones siguientes son fundamentales para la administración del ciclo de vida de los datos:

  • Usar niveles de datos: El objetivo de la organización por niveles de datos es alinear el acceso y la retención con el nivel de almacenamiento más rentable. Los niveles de almacenamiento van desde el acceso frecuente o inmediato (frecuente) al acceso poco frecuente o retrasado (frío).

    Cuesta más usar un nivel que no se alinee con las necesidades de acceso y retención de datos. Por ejemplo, los datos a los que accede la aplicación con frecuencia deben estar en el almacenamiento en caliente. Los datos a los que accede la aplicación con poca frecuencia deben estar en almacenamiento en frío. La administración eficaz de estos aspectos ayuda a garantizar un almacenamiento de datos eficaz.

  • Considere los requisitos de cumplimiento: La implementación de niveles de datos requiere una consideración cuidadosa de los requisitos de cumplimiento y las directivas de gobernanza de datos. Los requisitos legales y de cumplimiento suelen impulsar el acceso a los datos y la retención. Establezca directivas de retención de datos para garantizar el cumplimiento de los requisitos legales, normativos y empresariales.

  • Definir directivas de ciclo de vida de datos. Las directivas de ciclo de vida de datos especifican cuándo y cómo se deben mover los datos entre niveles de almacenamiento en función de criterios predefinidos. Estas directivas garantizan que los datos se mantienen en el nivel adecuado durante la duración necesaria. Por ejemplo, una directiva puede indicar que los datos deben conservarse en el nivel de acceso frecuente durante 30 días, en el nivel de acceso esporádico durante 90 días y en el nivel de archivo durante un año. Establezca el período de retención en función de factores como requisitos legales, regulaciones del sector o directivas internas.

  • Uso de la automatización: las directivas de retención pueden desencadenar el movimiento de datos entre niveles. Debe automatizar las directivas mediante características de la plataforma antes de compilar cualquier solución personalizada.

    Cuando expira el período de retención de un nivel determinado, la directiva puede mover automáticamente los datos al siguiente nivel de menor costo. Por ejemplo, cuando finaliza el período de retención del nivel de acceso frecuente, la directiva puede mover los datos al nivel de acceso esporádico. La directiva garantiza que los datos se optimicen continuamente en función de sus patrones de acceso y los requisitos de costos.

Equilibrio: la administración de directivas de retención de datos requiere supervisión y mantenimiento continuos. Puede introducir más sobrecarga para los procesos de administración de datos. También puede afectar a los costos de almacenamiento. Los períodos de retención más largos o el uso de niveles de almacenamiento de mayor costo pueden aumentar los gastos de almacenamiento.

Riesgo: una implementación deficiente de la administración del ciclo de vida de los datos podría provocar la pérdida de datos o un acceso limitado a los datos críticos. Debe tener los mecanismos de copia de seguridad y recuperación adecuados para mitigar el riesgo de pérdida de datos.

Optimización de la segmentación de datos

La optimización de la segmentación de datos implica organizar estratégicamente los datos en segmentos distintos y consolidar tipos de datos similares para asignar recursos de almacenamiento de forma eficaz. Permite adaptar la asignación de recursos de almacenamiento a la prioridad de los datos.

Para optimizar eficazmente la segmentación de datos, puede clasificar los datos por tipo y patrón de uso. A continuación, coloque los segmentos de datos en la solución más eficaz en función de sus similitudes y requisitos operativos. Por ejemplo, se colocan datos que requieren almacenamiento de alto rendimiento en los recursos con un tiempo de recuperación más rápido. Los datos de archivado usan un recurso de menor costo con un tiempo de recuperación más lento.

Este enfoque garantiza que los datos de alta demanda usan un almacenamiento más rápido para obtener un rendimiento óptimo y los datos a los que se accede menos usan almacenamiento más barato. De forma similar, cuando los tipos de datos comparten patrones de uso, debe agruparlos en un único recurso para reducir la sobrecarga, simplificar la administración y mejorar el control de datos.

Minimizar la transferencia de datos

Minimizar la transferencia de datos hace referencia a la reducción del movimiento de datos entre redes para reducir los costos de transferencia de datos. Reduce el volumen de datos que mueve la carga de trabajo y reduce las tarifas de uso de red. Para minimizar la transferencia de datos, tenga en cuenta las siguientes recomendaciones:

  • Use la ubicación correcta. coloque los datos geográficamente más cerca de sus usuarios. La proximidad de los datos reduce el desplazamiento de red, lo que acelera el acceso y optimiza los costos.
  • Use el almacenamiento en caché. Tenga en cuenta las ventajas del almacenamiento en caché para minimizar la transferencia de datos.
  • Use una red de entrega de contenido. Una red de entrega de contenido puede almacenar datos estáticos con frecuencia más cerca de los usuarios. Reduce el movimiento de datos a través de la red y ayuda a descargar el uso del ancho de banda.

Optimización de la seguridad y el cumplimiento

Algunos datos de producción exigen mayores requisitos de seguridad y cumplimiento. Estas medidas pueden imponer costos adicionales relacionados con la protección de datos, el cifrado, la copia de seguridad, la retención y la auditoría.

Debe asegurarse de que los cambios en las soluciones de almacenamiento de datos cumplan estos requisitos. Los datos que tienen requisitos de seguridad y cumplimiento más bajos suelen presentar una oportunidad para optimizar el costo.

Optimización del volumen de datos

La búsqueda de estrategias para reducir la cantidad de datos que almacena puede ayudar a reducir los costos. Al cambiar la accesibilidad de los datos e implementar las técnicas siguientes, puede optimizar eficazmente el volumen de los datos almacenados:

  • Capturar menos datos: eche un vistazo más de cerca a los datos que está capturando. Determine si no es necesario para sus propósitos. Modifique el proceso, la configuración o las configuraciones para capturar solo los datos esenciales.

  • Comprimir datos: la compresión ahorra dinero al reducir el tamaño de los datos. Es más eficaz en escenarios de escritura única, de lectura nunca o de lectura rara vez. Es más adecuado para almacenamiento más frío.

    Equilibrio: tanto la compresión como la descompresión de los datos aumentan el tiempo de CPU.

  • Eliminar datos innecesarios: implemente directivas para simplificar el proceso de almacenamiento de información relevante. Evalúe el período de retención para las copias de seguridad y las instantáneas, y elimine los datos que ya no necesite. Es posible que quiera tener un proceso que lleve a la eliminación de datos final, como el primer archivado de datos y la habilitación de un período de eliminación temporal. Considere siempre la posibilidad de recuperar los datos antes de eliminarlos.

  • Desduplicar datos: implemente técnicas de desduplicación de datos para eliminar los datos redundantes. La desduplicación reduce los requisitos de almacenamiento asegurándose de almacenar solo bloques de datos únicos, por lo que ahorra costos. Use algoritmos hash y comparación de fragmentos de datos. Ejecute periódicamente procesos de desduplicación para identificar y eliminar datos duplicados.

  • Optimizar el comportamiento del usuario: en cargas de trabajo que recopilan datos generados por el usuario, instruyen a los usuarios sobre la importancia del almacenamiento de datos eficaz. Anótelos a revisar y eliminar periódicamente archivos y datos innecesarios. Implemente cuotas de almacenamiento o modelos de precios que desalentan el almacenamiento de datos excesivo.

Optimización de la replicación de datos

La replicación de datos implica la creación de varias copias de datos y su almacenamiento en otras ubicaciones geográficas o zonas para la confiabilidad. La replicación garantiza que, si una ubicación o zona experimenta un error o una interrupción, todavía puede acceder a los datos de las copias replicadas en otras ubicaciones.

Esta redundancia ayuda a mejorar la disponibilidad y la resistencia de los datos. Minimiza el riesgo de pérdida de datos y tiempo de inactividad.

Para optimizar la replicación de datos para la optimización de costos, tenga en cuenta las siguientes directrices:

  • Evaluar los requisitos de replicación de datos: evalúe las necesidades específicas de la carga de trabajo y determine el nivel de replicación de datos que requiere. Tenga en cuenta factores como la importancia de los datos, los objetivos de tiempo de recuperación (RTO) y los objetivos de punto de recuperación (RPO).

  • Elija la estrategia de replicación adecuada: seleccione una tecnología de replicación que se alinee con los objetivos de optimización de costos. Tenga en cuenta los requisitos del Acuerdo de Nivel de Servicio (SLA) para la carga de trabajo.

    Evalúe opciones como la replicación sincrónica, la replicación asincrónica o una combinación de ambos. Base la decisión sobre factores como los requisitos de coherencia de datos y las consideraciones de ancho de banda de red. Evalúe el nivel de disponibilidad que necesita para la carga de trabajo y evalúe la necesidad de redundancia zonal frente a regional.

  • Optimizar el ancho de banda de red: minimice el uso del ancho de banda de red mediante la implementación de técnicas de compresión y desduplicación de datos. Estas técnicas pueden reducir la cantidad de datos transferidos durante la replicación, lo que puede ahorrar costos.

  • Supervisión y optimización de la frecuencia de replicación: revise y ajuste periódicamente la frecuencia de replicación en función de las necesidades cambiantes de la carga de trabajo. El ajuste preciso de la frecuencia de replicación puede ayudar a optimizar los costos reduciendo la sobrecarga de replicación innecesaria.

Optimización de copias de seguridad

Una copia de seguridad es una instantánea o copia periódica de los datos que puede crear y almacenar por separado del almacenamiento principal. Si hay daños en los datos, eliminación accidental o error del sistema, puede usar copias de seguridad para restaurar los datos a su estado anterior.

Estas son algunas técnicas para optimizar las copias de seguridad:

  • Clasificación de datos: clasifique los datos en función de su importancia y priorización para la copia de seguridad. La clasificación le ayuda a centrar los recursos en la copia de seguridad de datos críticos, a la vez que minimiza los costos de copia de seguridad de los datos que son menos importantes.

  • Copias de seguridad incrementales: en lugar de realizar copias de seguridad completas cada vez, considere la posibilidad de implementar copias de seguridad incrementales. Las copias de seguridad incrementales capturan solo los cambios realizados desde la última copia de seguridad, lo que puede reducir los requisitos de ancho de banda de red y almacenamiento.

    Compensación: las copias de seguridad incrementales requieren más pasos y tiempo para restaurar los datos. Primero debe restaurar la copia de seguridad completa y, a continuación, aplicar cada copia de seguridad incremental en secuencia hasta llegar al punto de restauración deseado.

  • Compresión de copia de seguridad: habilite la compresión durante el proceso de copia de seguridad para reducir el tamaño de los archivos de copia de seguridad. Las copias de seguridad comprimidas requieren menos espacio de almacenamiento, por lo que puede ahorrar costos.

  • Niveles de almacenamiento de copia de seguridad: evalúe las directivas de retención de copia de seguridad y considere la posibilidad de mover copias de seguridad anteriores a niveles de almacenamiento de menor costo, como el almacenamiento en frío o el almacenamiento de archivo. El almacenamiento de copias de seguridad a las que se accede con menos frecuencia en opciones de almacenamiento rentables ayuda a optimizar los costos.

  • Período de retención de copia de seguridad: revise y ajuste los períodos de retención de las copias de seguridad en función de los requisitos empresariales y las regulaciones de cumplimiento. El mantenimiento de copias de seguridad durante más tiempo puede provocar costos de almacenamiento adicionales.

  • Frecuencia de copia de seguridad: analice la frecuencia de copia de seguridad para varios tipos de datos. Ajuste la programación de copia de seguridad en función de la frecuencia de los cambios de datos y la importancia de los datos. Estos procedimientos ayudan a eliminar las copias de seguridad innecesarias y a reducir los costos de almacenamiento.

Optimización de formatos de archivo

Los formatos de archivo influyen en la optimización de costos mediante la optimización de los patrones de entrada y salida (E/S) y los patrones de consulta de los datos. Algunos formatos de archivo se adaptan a escenarios concretos. Alinear el formato de archivo con los requisitos de carga de trabajo puede mejorar el rendimiento de la carga de trabajo.

Estas son las consideraciones para los formatos comunes:

  • Avro: el formato de archivo Avro es una buena opción cuando se trabaja con patrones de E/S con mucha escritura o cuando los patrones de consulta requieren capturar varias filas de registros en su totalidad. Los procesos de serialización y deserialización de Avro son eficaces, por lo que es compatible con buses de mensajes como Kafka que producen una serie de eventos y mensajes en sucesión rápida.

  • Columnar de fila (ORC) parquet y optimizado: los formatos de archivo Parquet y ORC se destacan en escenarios de patrones de E/S de lectura intensiva o cuando los patrones de consulta se centran en columnas específicas de los registros.

    Ambos formatos son almacenamiento en columnas, lo que significa que los datos se almacenan en columnas en lugar de filas por fila. El almacenamiento en columnas permite una compresión mejorada y operaciones de lectura eficaces. Solo es necesario capturar las columnas necesarias, por lo que se evita una E/S innecesaria para los datos irrelevantes.

Optimización de soluciones de almacenamiento

Evalúe y seleccione los sistemas y métodos de almacenamiento más adecuados para los datos. Este esfuerzo puede incluir la conmutación de bases de datos, el uso de diferentes tipos de almacenamiento o la adición de mecanismos de almacenamiento en caché. La facilidad de administración es otro factor que se debe tener en cuenta al elegir una solución de almacenamiento.

Al adaptar las soluciones de almacenamiento a las necesidades y características específicas de los datos, puede lograr una mejor rentabilidad a la vez que satisface las demandas de rendimiento y escalabilidad. Hay costos asociados a la conmutación de bases de datos o servicios de intercambio, pero el almacenamiento de datos en la solución de almacenamiento incorrecta puede costar dinero adicional.

Estos son algunos casos de uso:

  • Cambio de bases de datos: podría considerar la posibilidad de cambiar a un sistema de base de datos que mejor se adapte a sus necesidades. Por ejemplo, si usa una base de datos relacional, puede explorar la opción de pasar a una base de datos NoSQL si los datos están más orientados a documentos o requieren esquemas flexibles.

  • Pasar de una base de datos relacional a un almacén de archivos planos: en algunos casos, almacenar datos en archivos planos en lugar de una base de datos relacional tradicional puede proporcionar ventajas como la simplicidad y la rentabilidad. Los archivos planos son adecuados para determinados tipos de datos, como archivos de registro o datos que no requieren consultas complejas. Por ejemplo, puede almacenar imágenes binarias en una base de datos SQL, pero resulta más rentable almacenarlas en un servicio de almacenamiento específico para controlar los datos binarios.

  • Pasar de la infraestructura como servicio (IaaS) a la plataforma como servicio (PaaS): las soluciones de base de datos de IaaS pueden llevar mucho tiempo y las propiedades que consumen muchos recursos que desvían la atención de un equipo técnico de las tareas principales. El crecimiento del volumen de datos y los desafíos del escalado manual, las copias de seguridad y el mantenimiento de la infraestructura pueden hacer que una solución PaaS sea más rentable y eficaz.

  • Agregar una memoria caché: para reducir el uso de recursos en el servidor de base de datos principal, considere la posibilidad de usar una solución de caché para almacenar en caché resultados de consultas complejas. La asignación de derechos al servidor de bases de datos puede ayudar a optimizar el costo. Con los casos de uso aplicables, considere la posibilidad de usar el período de vida (TTL) con los datos almacenados en caché para reducir las necesidades de almacenamiento y reducir el costo.

  • Almacenes de almacenamiento de datos optimizados para consultas: los almacenes optimizados para consultas están diseñados para una rápida recuperación y análisis de datos. Se centran en la ingesta rápida de datos y las lecturas, pero no en las actualizaciones frecuentes. Son excelentes para los datos de serie temporal y el acceso rápido a los datos recientes, pero no para tareas transaccionales pesadas.

    Los almacenes de almacenamiento de datos controlan grandes volúmenes de datos flexibles, especialmente datos no estructurados o semiestructurados. Aunque los almacenes de almacenamiento de datos pueden admitir análisis, es posible que las tareas complejas necesiten bases de datos especializadas. Son mejores para almacenar una gran cantidad de datos variables, como registros o contenido generado por el usuario en escenarios como casos de uso de NoSQL.

Facilitación de Azure

Realizar un inventario de datos: Microsoft Purview es una familia de soluciones de gobernanza, riesgo y cumplimiento de datos que pueden ayudar a su organización a controlar, proteger y administrar todo el patrimonio de datos. Las soluciones de Microsoft Purview proporcionan cobertura integrada y ayudan a abordar los aumentos recientes en la conectividad de usuarios remotos, la fragmentación de los datos entre organizaciones y el desenfoque de los roles de administración de TI tradicionales.

Optimización de la administración de datos: Azure Storage y Azure Data Lake Storage tienen diferentes niveles de acceso a datos. También ofrecen directivas de administración del ciclo de vida de los datos que automatizan la retención y la capa de datos.

Puede usar una directiva basada en reglas para realizar la transición de datos de blobs a los niveles de acceso adecuados o para expirar los datos al final de su ciclo de vida. Esta directiva permite realizar la transición de blobs de acceso esporádico (o esporádico) a frecuente inmediatamente cuando se accede a ellos, para optimizar el rendimiento.

Optimización de copias de seguridad: el servicio Azure Backup proporciona varias funcionalidades para simplificar las copias de seguridad. Ofrece características como la copia de seguridad de base de datos nativa y la copia de seguridad de almacenamiento a través de instantáneas de disco. Admite la copia de seguridad de máquinas virtuales, la retención a largo plazo y la administración de copias de seguridad.

Estas son algunas de las características del servicio:

  • Supervisión: puede usar el Centro de copias de seguridad como un solo panel para supervisar los trabajos y el inventario de copias de seguridad diariamente. El Centro de copias de seguridad proporciona una interfaz para los informes de copia de seguridad, que usan los registros de Azure Monitor y los libros de Azure.

  • Informes: los informes de copia de seguridad ofrecen las siguientes funcionalidades:

    • Asignar y prever el almacenamiento en la nube consumido.
    • Audite las copias de seguridad y restauraciones.
    • Identificar tendencias clave en varios niveles de granularidad.
    • Obtenga visibilidad e información sobre las oportunidades de optimización de costos para las copias de seguridad.

  • Capacidad reservada: Azure Backup Capacidad reservada de almacenamiento le ofrece un descuento en la capacidad de los datos de copia de seguridad almacenados para el nivel estándar del almacén al confirmar una reserva durante un año o tres años. Una reserva proporciona una cantidad fija de capacidad de almacenamiento de copias de seguridad para el plazo de la reserva.

  • Nivel de archivo: puede usar Azure Backup para almacenar datos de copia de seguridad, incluidos los datos de copia de seguridad de retención a largo plazo (LTR), según las necesidades de retención que definan las reglas de cumplimiento de la organización. En la mayoría de los casos, rara vez se accede a los datos de copia de seguridad anteriores y solo se almacena para las necesidades de cumplimiento. Azure Backup admite la copia de seguridad de puntos LTR en el nivel de archivo, además de las instantáneas y el nivel estándar.

Optimización de soluciones de almacenamiento: Azure tiene muchas soluciones de almacenamiento. Ofrecen diversas características y funcionalidades para ayudar a optimizar los costos en función de sus requisitos específicos. Azure tiene instrucciones para ayudarle a elegir el almacén de datos adecuado.

Para elegir la solución de almacenamiento y la configuración más adecuadas, es importante evaluar los patrones de acceso a los datos, las necesidades de retención y los requisitos de rendimiento. Supervisar y optimizar periódicamente el uso del almacenamiento mediante herramientas como Azure Advisor puede ayudarle a optimizar aún más los costos.

Alineación de la organización

El Cloud Adoption Framework proporciona instrucciones para optimizar los costos de datos para las plataformas de análisis de la organización.

Para más información, consulte Administración del ciclo de vida de los datos.

Lista de comprobación de optimización de costos

Consulte el conjunto completo de recomendaciones.

Lista de comprobación de optimización de costos