Javaslatok az adatköltségek optimalizálására

Az Azure Well-Architected Framework költségoptimalizálási ellenőrzőlista-javaslatára vonatkozik:

CO:10	Az adatköltségek optimalizálása. Adatkiadások adatprioritásokkal. Az adatoptimalizálásnak tartalmaznia kell az adatkezelés (rétegzés és megőrzés), a kötet, a replikáció, a biztonsági mentések, a fájlformátumok és a tárolási megoldások továbbfejlesztését.

Ez az útmutató a számítási feladatok adatköltségeinek optimalizálására vonatkozó javaslatokat ismerteti. Az adatköltségek optimalizálása magában foglalja az adatok tárolásával és kezelésével kapcsolatos költségek minimalizálását annak pontossága és hozzáférési gyakorisága szerint. A megfelelő adatkezelés jelentősen csökkentheti a többletköltségeket, és összehangolhatja a kiadásokat az adatszolgáltatóval. Az adatköltségek optimalizálásának mellőzése a hibás tárolási megoldások és a szükségtelen adatmegőrzés miatt felfújt költségeket, nem hatékony erőforrás-kiosztást és pénzügyi pazarlást eredményezhet.

Definíciók

Időszak	Definíció
Adatéletciklus-kezelés	Az adatok teljes életciklusa során történő kezelésének folyamata a létrehozástól a törlésig. Ez a folyamat magában foglalja az adatok rendszerezését, tárolását, védelmét és archiválását az érték- és használati minták alapján.
Adatredundancia	Az adatok duplikált példányainak tárolása több tárolórendszerben vagy helyen. Az adatredundancia célja az adatok rendelkezésre állásának és hibatűrésének javítása.
Adatrétegezés	Tárolási stratégia, amely magában foglalja az adatok besorolását a hozzáférési gyakorisága alapján, és ennek megfelelően tárolja azokat a tárolási szinteken.
Retention szabályzat	Az az időtartam, amelyre vonatkozóan az adatokat meg kell őrizni a törlés előtt. Meghatározza azt az időtartamot, amely alatt az adatokat meg kell őrizni a jogi, szabályozási vagy üzleti követelményeknek való megfelelés érdekében.

Fő tervezési stratégiák

Egy adott számítási feladaton belül az adatok tárolásával és kezelésével kapcsolatos költségek csökkentésével optimalizálhatja az adatköltségeket. Az adattárolási és feldolgozási költségek minimalizálására különböző stratégiák és ajánlott eljárások állnak rendelkezésre. A cél az adatköltségek és az adatprioritás összehangolása. Költségszinteket kell hozzárendelnie az adattípusokhoz a fontosságuk vagy a hozzáférés gyakorisága alapján.

A számítási feladatok adatainak költségeinek elsődleges illesztőprogramjai a hozzáférés gyakorisága, a hozzáférés késése és a tárterület mennyisége. Az alábbi útmutató stratégiákat tartalmaz a költségek ezen költségillesztők közötti optimalizálására.

Adatleltár készítése

Ahhoz, hogy optimalizálhassa az adatok költségeit, létre kell hoznia egy adatkészletet. Vizsgálja meg az adathozzáférést, és határozza meg annak fontosságát a számítási feladatban és a műveletekben. Azonosítsa, hogy mely adatokhoz férnek hozzá gyakran, és mely adatokhoz ritkábban férnek hozzá. A következő leltárműveletek segíthetnek a tárolási erőforrások hatékony lefoglalásában:

• Adathozzáférési adatok gyűjtése: Végezzen adatnaplót az összes adattár azonosításához és katalogizálásához. Határozza meg az adathalmazok értékét az üzleti műveletek szempontjából fontosságuk, a befektetés megtérülése és a használat gyakorisága alapján. Hozzáférési naplókat, használati metrikákat vagy elemzéseket gyűjthet az adattárolási megoldásokból.

• Adattípusok azonosítása: Az adatokat a típusuk alapján kategorizálhatja, például a személyes adatokat, a pénzügyi adatokat, a szellemi tulajdont vagy a működési adatokat. Az egyes adattípusok érzékenységének és kritikusságának megismerése.

• Hozzáférési minták azonosítása: Azonosítsa az adathozzáférés mintáit, például a napi, heti vagy havi használati mintákat. Ismernie kell az adatok késésére, fájlméretére és frissességére vonatkozó követelményeket.

Adatok rangsorolása

Az adat priorizálása a fontossági szintek besorolásának és az adattípusokhoz való hozzárendelésének folyamata a bizalmasság és a kritikusság alapján. Az adatprioritásnak igazodnia kell a környezet fontosságához. Az éles adatok például fontosabbak, mint az üzem előtti adatok.

Az alábbi lépések végrehajtásával értékelheti a különböző típusú adatok fontosságát a számítási feladatban:

1. Prioritási szintek meghatározása: Az adatok prioritási szintjeinek (például magas, közepes és alacsony) meghatározása a szervezetre vonatkozó érték, a jogszabályi követelmények és az adatvesztés lehetséges hatása alapján. A cél az adatok prioritásának igazítása a megfelelő adatmegoldáshoz.

2. Címkék hozzárendelése: Az egyes adathalmazok címkézése annak bizalmasságával és kritikusságával. A címkéket az adatstruktúrától és a használattól függően sor-, oszlop- vagy fájlszinten is alkalmazhatja. Adatbázisok esetében egy speciális eszközzel címkézheti és kapcsolhatja össze az adatok bizalmasságát és kritikusságát adott sorokhoz és oszlopokhoz. Ez a megközelítés részletes ellenőrzést biztosít az adatok kezelésével és hozzáférésével kapcsolatban.

Adatkezelés optimalizálása

Az adatkezelés a számítási feladatok adatainak tárolására, áthelyezésére és védelmére szolgáló folyamat. Az adatkezelés optimalizálásával az adatok prioritásához igazíthatja a kiadásokat, és több értéket nyerhet az adatokból. Vegye figyelembe az alábbi adatkezelési stratégiákat.

Adatéletciklus-kezelés optimalizálása

Fontos, hogy az adatok az életciklusuk során is kezelhetők. Az életciklus szakaszai közé tartozik az adatok létrehozása (vagy beszerzése), a tárolás, a használat, a megosztás, a megőrzés és az ártalmatlanítás (törlés vagy archiválás). Az adatéletciklus-kezelés célja az adattárolási megoldások optimalizálása a vonatkozó szabályozások és szabályzatok betartása mellett.

Az adattárolás három kritikus költségösszetevőt tartalmaz:

• Tárolási költség: Az adatok tárolásához kapcsolódó költség, például gigabájtonként.

• Tranzakciós költség: Adatműveletekhez kapcsolódó költségek, például írási műveletek, olvasási műveletek és adatlekérések (gigabájtonként). Az adatok olvasása és írása eltérő költségekkel járhat.

• Késési költség: Az adatokhoz való hozzáférés sebességével vagy késésével kapcsolatos költség.

Az alábbi szempontok az adatéletciklus-kezelés alapjai:

• Adatrétegezés használata: Az adatrétegezés célja a hozzáférés és a megőrzés a legköltséghatékonyabb tárolási szinttel való igazítása. A tárolási szintek a gyakori/azonnali hozzáféréstől (gyakori) és a ritkán használt/késleltetett (hideg) hozzáférésig terjednek.

  Többe kerül egy olyan szint használata, amely nem felel meg az adathozzáférési és adatmegőrzési igényeknek. Az alkalmazás által gyakran használt adatoknak például gyakori elérésű tárolóban kell lenniük. Az alkalmazás által ritkán használt adatoknak hideg tárolóban kell lenniük. Ezeknek a szempontoknak a hatékony kezelése elősegíti a hatékony adattárolást.

• Fontolja meg a megfelelőségi követelményeket: Az adatrétegezés implementálásához alaposan figyelembe kell venni a megfelelőségi követelményeket és az adatszabályozási szabályzatokat. A megfelelőség és a jogi követelmények gyakran az adathozzáférést és -megőrzést is hajtó hajtójelek. Adatmegőrzési szabályzatok létrehozása a jogi, szabályozási és üzleti követelményeknek való megfelelés biztosítása érdekében.

• Adatéletciklus-szabályzatok definiálása. Az adatéletciklus-szabályzatok előre meghatározott feltételek alapján határozzák meg, hogy mikor és hogyan kell áthelyezni az adatokat a tárolási szintek között. Ezek a szabályzatok biztosítják, hogy az adatok a megfelelő szinten legyenek a szükséges időtartamig. Egy szabályzat például azt állíthatja be, hogy az adatokat a gyakori elérésű rétegben 30 napig, a ritka elérésű rétegben 90 napig, az archív szinten pedig egy évig kell megőrizni. Állítsa be a megőrzési időtartamot olyan tényezők alapján, mint a jogi követelmények, az iparági előírások vagy a belső szabályzatok.

• Automatizálás használata: A megőrzési szabályzatok aktiválhatják az adatok rétegek közötti áthelyezését. Az egyéni megoldások létrehozása előtt platformfunkciókkal kell automatizálnia a szabályzatokat.

  Amikor egy adott szint megőrzési ideje lejár, a szabályzat automatikusan áthelyezheti az adatokat a következő alacsonyabb költségű szintre. Ha például a gyakori elérésű szint megőrzési időszaka véget ér, a szabályzat áthelyezheti az adatokat a ritka elérésű szintre. A szabályzat biztosítja, hogy az adatok a hozzáférési minták és a költségkövetelmények alapján folyamatosan optimalizálva legyen.

Kompromisszum: Az adatmegőrzési szabályzatok kezeléséhez folyamatos monitorozásra és karbantartásra van szükség. Ez nagyobb többletterhelést jelenthet az adatkezelési folyamatok számára. Ez hatással lehet a tárolási költségekre is. A hosszabb megőrzési időszakok vagy a magasabb költségű tárolási szintek használata növelheti a tárolási költségeket.

Kockázat: Az adatéletciklus-kezelés gyenge megvalósítása adatvesztéshez vagy a kritikus adatokhoz való korlátozott hozzáféréshez vezethet. Megfelelő biztonsági mentési és helyreállítási mechanizmusokkal kell rendelkeznie az adatvesztés kockázatának mérsékléséhez.

Adatszegmentálás optimalizálása

Az adatszegmentálás optimalizálása magában foglalja az adatok különböző szegmensekbe történő stratégiai rendszerezését és a hasonló adattípusok összevonását a tárolási erőforrások hatékony lefoglalásához. Lehetővé teszi a tárolási erőforrások adatprioritás szerinti elosztását.

Az adatszegmentálás hatékony optimalizálásához típus és használati minta szerint kategorizálhatja az adatokat. Ezután a működési hasonlóságuktól és követelményeiktől függően a leghatékonyabb megoldásra helyezi az adatszegmenseket. A nagy teljesítményű tárolást igénylő adatokat például gyorsabb lekérési idővel helyezheti el az erőforrásokon. Az archiválási adatok alacsonyabb költségű erőforrást használnak, lassabb lekérési idővel.

Ez a megközelítés biztosítja, hogy a nagy igényű adatok gyorsabb tárolást használjanak az optimális teljesítmény érdekében, a kevésbé hozzáférhető adatok pedig olcsóbb tárolást használnak. Hasonlóképpen, ha az adattípusok használati mintákat osztanak meg, egyetlen erőforrásra kell csoportosítania őket a többletterhelés csökkentése, a felügyelet egyszerűsítése és az adatkezelés javítása érdekében.

Adatátvitel minimalizálása

Az adatátvitel minimalizálása a hálózatok közötti adatátvitel csökkentését jelenti az adatátviteli költségek csökkentése érdekében. Csökkenti a számítási feladat által áthelyezett adatok mennyiségét, és csökkenti a hálózathasználati díjakat. Az adatátvitel minimalizálása érdekében vegye figyelembe az alábbi javaslatokat:

• Használja a megfelelő helyet. földrajzilag közelebb helyezi az adatokat a felhasználókhoz. Az adatközeliség csökkenti a hálózati utazást, ami felgyorsítja a hozzáférést és optimalizálja a költségeket.
• Használjon gyorsítótárazást. Vegye figyelembe a gyorsítótárazás előnyeit az adatátvitel minimalizálása érdekében.
• Használjon tartalomkézbesítési hálózatot. A tartalomkézbesítési hálózatok a felhasználókhoz közelebb tárolhatják a statikus adatokat. Csökkenti az adatáthelyezést a hálózaton, és segít a sávszélesség-használat kiszervezésében.

Biztonság és megfelelőség optimalizálása

Bizonyos éles adatok magasabb biztonsági és megfelelőségi követelményeket igényelnek. Ezek az intézkedések további költségeket róhatnak az adatvédelemre, a titkosításra, a biztonsági mentésre, a megőrzésre és a naplózásra.

Meg kell győződnie arról, hogy az adattárolási megoldások változásai megfelelnek ezeknek a követelményeknek. Az alacsonyabb biztonsági és megfelelőségi követelményekkel rendelkező adatok gyakran lehetőséget kínálnak a költségek optimalizálására.

Adatmennyiség optimalizálása

Ha stratégiákat talál a tárolt adatok mennyiségének csökkentésére, azzal csökkentheti a költségeket. Az adatok hozzáférhetőségének módosításával és az alábbi technikák alkalmazásával hatékonyan optimalizálhatja a tárolt adatok mennyiségét:

• Kevesebb adat rögzítése: Tekintse meg közelebbről a rögzített adatokat. Állapítsa meg, hogy valamelyike szükségtelen-e az Ön céljaira. Módosítsa a folyamatot, a beállításokat vagy a konfigurációkat, hogy csak az alapvető adatokat rögzítse.

• Adatok tömörítése: A tömörítés az adatok méretének csökkentésével pénzt takarít meg. Ez a leghatékonyabb az egyszer írható, soha nem olvasható vagy ritkán olvasható forgatókönyvekben. Hidegebb tárolásra alkalmasabb.

  Kompromisszum: Az adatok tömörítése és felbontása is növeli a processzoridőt.

• Felesleges adatok törlése: Szabályzatok implementálása a releváns információk tárolásának egyszerűsítése érdekében. Értékelje ki a biztonsági mentések és pillanatképek megőrzési időtartamát, és törölje azokat az adatokat, amelyekre már nincs szüksége. Előfordulhat, hogy olyan folyamatot szeretne, amely az adatok végleges törléséhez vezet, például az adatok első archiválásához és egy helyreállítható törlési időszak engedélyezéséhez. Az adatok törlése előtt mindig fontolja meg a helyreállíthatóságot.

• Adatok deduplikálása: Adatdeduplikációs technikák implementálása a redundáns adatok kiküszöböléséhez. A deduplikáció azáltal csökkenti a tárolási követelményeket, hogy csak egyedi adatblokkokat tárol, így költségeket takaríthat meg. Használjon kivonatoló algoritmusokat és az adattömbök összehasonlítását. A duplikált adatok azonosítása és kiküszöbölése érdekében rendszeresen futtasson deduplikációs folyamatokat.

• Felhasználói viselkedés optimalizálása: A felhasználó által létrehozott adatokat gyűjtő számítási feladatokban tájékoztassa a felhasználókat a hatékony adattárolás fontosságáról. Bátorítsa őket a szükségtelen fájlok és adatok rendszeres felülvizsgálatára és törlésére. Olyan tárolási kvótákat vagy díjszabási modelleket implementálhat, amelyek nem gátolják a túlzott adattárolást.

Adatreplikálás optimalizálása

Az adatreplikálás magában foglalja az adatok több másolatának létrehozását és más földrajzi helyeken vagy zónákban való tárolását a megbízhatóság érdekében. A replikáció biztosítja, hogy ha egy hely vagy zóna meghibásodást vagy kimaradást tapasztal, akkor is hozzáférhet a replikált másolatokból származó adatokhoz más helyeken.

Ez a redundancia segít az adatok rendelkezésre állásának és rugalmasságának javításában. Minimálisra csökkenti az adatvesztés és az állásidő kockázatát.

Az adatreplikálás költségoptimalizáláshoz való optimalizálásához vegye figyelembe az alábbi irányelveket:

• Adatreplikációs követelmények kiértékelése: Felmérheti a számítási feladat konkrét igényeit, és meghatározhatja az adatreplikálás szükséges szintjét. Vegye figyelembe az olyan tényezőket, mint az adatkritikusság, a helyreállítási időkorlátok (RTO-k) és a helyreállítási pont célkitűzései (RPO-k).

• Válassza ki a megfelelő replikációs stratégiát: Válasszon ki egy olyan replikációs technológiát, amely megfelel a költségoptimalizálás céljainak. Vegye figyelembe a számítási feladat szolgáltatásiszint-szerződésére (SLA) vonatkozó követelményeket.

  Értékelje ki az olyan lehetőségeket, mint a szinkron replikáció, az aszinkron replikáció vagy a kettő kombinációja. A döntés alapjául olyan tényezőket kell figyelembe venni, mint az adatkonzisztencia követelményei és a hálózati sávszélességre vonatkozó szempontok. Mérje fel a számítási feladathoz szükséges rendelkezésre állási szintet, és értékelje ki a zónaszintű és a regionális redundancia szükségességét.

• Hálózati sávszélesség optimalizálása: Tömörítési és adatdeduplikációs technikák alkalmazásával minimalizálja a hálózati sávszélesség használatát. Ezek a technikák csökkenthetik a replikáció során átvitt adatok mennyiségét, ami csökkentheti a költségeket.

• Replikációs gyakoriság monitorozása és optimalizálása: Rendszeresen tekintse át és módosítsa a replikációs gyakoriságot a számítási feladat változó igényeinek megfelelően. A replikációs gyakoriság finomhangolása segíthet a költségek optimalizálásában a szükségtelen replikációs többletterhelés csökkentésével.

Biztonsági mentések optimalizálása

A biztonsági mentés az adatok időszakos pillanatképe vagy másolata, amelyet az elsődleges tárolótól elkülönítve hozhat létre és tárolhat. Adatsérülés, véletlen törlés vagy rendszerhiba esetén biztonsági másolatokkal visszaállíthatja az adatokat a korábbi állapotba.

Íme néhány technika a biztonsági mentések optimalizálásához:

• Adatbesorolás: Az adatok besorolása a biztonsági mentés fontossága és rangsorolása alapján. A besorolással az erőforrásokat a kritikus adatok biztonsági mentésére összpontosíthatja, és minimalizálhatja a kevésbé fontos adatok biztonsági mentési költségeit.

• Növekményes biztonsági mentések: Ahelyett, hogy minden alkalommal teljes biztonsági mentést végez, fontolja meg a növekményes biztonsági mentések implementálását. A növekményes biztonsági mentések csak az utolsó biztonsági mentés óta végrehajtott módosításokat rögzítik, ami csökkentheti a tárolási és hálózati sávszélességre vonatkozó követelményeket.

  Kompromisszum: A növekményes biztonsági mentések több lépést és időt igényelnek az adatok visszaállításához. Először a teljes biztonsági mentést kell visszaállítania, majd egymás után kell alkalmaznia az egyes növekményes biztonsági másolatokat, amíg el nem éri a kívánt visszaállítási pontot.

• Biztonsági mentés tömörítése: Engedélyezze a tömörítést a biztonsági mentési folyamat során a biztonsági mentési fájlok méretének csökkentése érdekében. A tömörített biztonsági mentések kevesebb tárterületet igényelnek, így pénzt takaríthat meg.

• Biztonsági mentési tárolási szintek: Értékelje ki a biztonsági mentések adatmegőrzési szabályzatait, és fontolja meg a régebbi biztonsági másolatok alacsonyabb költségű tárolási szintre, például a ritka elérésű vagy az archív tárolási szintre való áthelyezését. A ritkábban használt biztonsági másolatok költséghatékony tárolási lehetőségekben való tárolása segít optimalizálni a költségeket.

• Biztonsági másolatok megőrzési időtartama: Tekintse át és módosítsa a biztonsági másolatok megőrzési időtartamait az üzleti követelmények és a megfelelőségi előírások alapján. A biztonsági másolatok hosszabb ideig történő fenntartása további tárolási költségekhez vezethet.

• Biztonsági mentés gyakorisága: Elemezze a különböző típusú adatok biztonsági mentési gyakoriságát. Módosítsa a biztonsági mentés ütemezését az adatváltozások gyakorisága és az adatok fontossága alapján. Ezek a gyakorlatok segítenek kiküszöbölni a szükségtelen biztonsági mentéseket, és csökkenteni a tárolási költségeket.

Fájlformátumok optimalizálása

A fájlformátumok az adatok bemeneti/kimeneti (I/O) mintáinak és lekérdezési mintáinak optimalizálásával befolyásolják a költségoptimalizálást. Bizonyos fájlformátumok bizonyos forgatókönyveket is kielégítenek. A fájlformátumnak a számítási feladatokra vonatkozó követelményekhez való igazítása javíthatja a számítási feladat teljesítményét.

A gyakori formátumokkal kapcsolatos megfontolandó szempontok:

• Avro: Az Avro fájlformátum jó választás, ha írási és írási I/O-mintákkal foglalkozik, vagy ha a lekérdezési minták több sornyi rekord teljes lekérését teszik szükségessé. Az Avro szerializálási és deszerializálási folyamatai hatékonyak, így kompatibilis az olyan üzenetbuszokkal, mint a Kafka, amelyek eseményeket és üzeneteket hoznak létre gyors egymás után.

• Parquet és Optimized Row Columnar (ORC): A Parquet és az ORC fájl az excel formátumot használja az írásvédett I/O-minták esetén, vagy ha a lekérdezési minták a rekordok adott oszlopaira összpontosítanak.

  Mindkét formátum oszlopos tárolás, ami azt jelenti, hogy az adatok oszloponként vannak tárolva, és nem soronként. Az oszlopos tárolás jobb tömörítési és hatékony olvasási műveleteket tesz lehetővé. Csak a szükséges oszlopokat kell beolvasni, így elkerülheti a szükségtelen I/O-t az irreleváns adatok esetében.

Tárolási megoldások optimalizálása

Értékelje ki és válassza ki az adatokhoz legmegfelelőbb tárolási módszereket és rendszereket. Ez magában foglalhatja az adatbázisok közötti váltást, a különböző tárolótípusok használatát vagy a gyorsítótárazási mechanizmusok hozzáadását. A könnyű kezelés egy másik tényező, amelyet érdemes figyelembe venni a tárolási megoldás kiválasztásakor.

Ha a tárolási megoldásokat az adatok egyedi igényeihez és jellemzőihez igazítja, jobb költséghatékonyságot érhet el a teljesítmény- és méretezhetőségi igények kielégítése mellett. Az adatbázisok közötti váltással vagy a szolgáltatások felcserélésével kapcsolatos költségek merülnek fel, de az adatok nem megfelelő tárolási megoldásban való tárolása többletköltséggel járhat.

Íme néhány használati eset:

• Adatbázisok közötti váltás: Érdemes lehet olyan adatbázis-rendszerre váltani, amely jobban megfelel az igényeinek. Ha például relációs adatbázist használ, felfedezheti a NoSQL-adatbázisra való áttérés lehetőségét, ha az adatok dokumentumorientáltabbak vagy rugalmas sémákat igényelnek.

• Relációs adatbázisból egy egybesimított fájltárolóba való áthelyezés: Bizonyos esetekben az adatok tárolása a hagyományos relációs adatbázisok helyett egybesimított fájlokban olyan előnyöket nyújthat, mint az egyszerűség és a költséghatékonyság. Az egybesimított fájlok jól használhatók bizonyos típusú adatokhoz, például naplófájlokhoz vagy összetett lekérdezést nem igénylő adatokhoz. Például bináris rendszerképeket tárolhat egy SQL-adatbázisban, de költséghatékonyabb, ha egy olyan tárolási szolgáltatásban tárolja őket, amely kifejezetten bináris adatok kezelésére szolgál.

• A szolgáltatott infrastruktúráról (IaaS) a szolgáltatásként nyújtott platformra (PaaS) való áttérés: Az IaaS-adatbázismegoldások időigényesek és erőforrás-igényes tulajdonságok lehetnek, amelyek elterelik a műszaki csapat figyelmét az alapvető feladatokról. Az adatmennyiség növekedése, valamint a manuális skálázás, a biztonsági mentések és az infrastruktúra-karbantartás kihívásai költséghatékonyabbá és hatékonyabbá tehetik a PaaS-megoldást.

• Gyorsítótár hozzáadása: A fő adatbázis-kiszolgáló erőforrás-használatának csökkentése érdekében fontolja meg egy gyorsítótárazási megoldás használatát az összetett lekérdezési eredmények gyorsítótárazásához. Az adatbázis-kiszolgáló jogosultságának csökkentése segíthet a költségek optimalizálásában. A vonatkozó használati eseteknél érdemes lehet időt használni a gyorsítótárazott adatokkal való élettartamra (TTL) a tárolási igények csökkentése és a költségek csökkentése érdekében.

• Lekérdezésoptimalizált és adattárak: A lekérdezésoptimalizált tárolók gyors adatlekérésre és -elemzésre lettek tervezve. A gyors adatbetöltésre és olvasásra összpontosítanak, de nem gyakori frissítésekre. Kiválóan alkalmas idősoros adatokhoz és a legutóbbi adatokhoz való gyors hozzáféréshez, de nehéz tranzakciós feladatokhoz nem.

  Az adattárak nagy mennyiségű rugalmas adatot kezelnek, különösen strukturálatlan vagy félig strukturált adatokat. Bár az adattárak támogathatják az elemzéseket, összetett feladatokhoz speciális adatbázisokra lehet szükség. A legjobb megoldás sok változó adat, például naplók vagy felhasználó által létrehozott tartalom tárolására olyan forgatókönyvekben, mint a NoSQL-használati esetek.

Azure-beli segítségnyújtás

Adatok leltározása: A Microsoft Purview olyan adatszabályozási, kockázat- és megfelelőségi megoldások családja, amelyek segíthetnek a szervezetnek a teljes adattulajdon szabályozásában, védelmében és kezelésében. A Microsoft Purview-megoldások integrált lefedettséget biztosítanak, és segítenek kezelni a távoli felhasználói kapcsolatok közelmúltbeli növekedését, az adatok szervezetek közötti töredezettségét és a hagyományos informatikai felügyeleti szerepkörök elmosódását.

Az adatkezelés optimalizálása: Az Azure Storage és a Azure Data Lake Storage különböző adatelérési szintekkel rendelkeznek. Adatéletciklus-felügyeleti szabályzatokat is kínálnak, amelyek automatizálják az adatrétegezést és -megőrzést.

A szabályalapú szabályzatokkal a blobadatokat a megfelelő hozzáférési szintekre helyezheti át, vagy az életciklusa végén lejárhatnak az adatok. Ez a szabályzat lehetővé teszi, hogy a blobok a hozzáférésük után azonnal áttérjenek a ritka elérésű (vagy ritka elérésű) blobokra a teljesítmény optimalizálása érdekében.

A biztonsági mentések optimalizálása: A Azure Backup szolgáltatás számos lehetőséget kínál a biztonsági mentések egyszerűsítésére. Olyan funkciókat kínál, mint a natív adatbázis biztonsági mentése és a tároló biztonsági mentése lemezpillanatképeken keresztül. Támogatja a virtuális gépek biztonsági mentését, a hosszú távú megőrzést és a biztonsági mentések kezelését.

Íme néhány szolgáltatásfunkció:

• Monitorozás: A Biztonsági mentési központot egyetlen ablaktáblaként használhatja a feladatok és a biztonsági mentési leltár napi szintű monitorozásához. A Backup Center egy felületet biztosít a biztonsági mentési jelentésekhez, amelyek Azure Monitor-naplókat és Azure-munkafüzeteket használnak.

• Jelentések: A biztonsági mentési jelentések a következő képességeket kínálják:

  • A felhasznált felhőtárhely lefoglalása és előrejelzése.
  • Biztonsági mentések és visszaállítások naplózása.
  • Azonosítsa a főbb trendeket a részletesség különböző szintjein.
  • Betekintést nyerhet a biztonsági mentések költségoptimalizálási lehetőségeibe.

• Fenntartott kapacitás: Azure Backup fenntartott tárkapacitás kedvezményt biztosít a tároló standard szintű szintjén tárolt biztonsági mentési adatok kapacitására, amikor egy vagy három évre kötelezettséget vállal egy foglalásra. A foglalás rögzített mennyiségű biztonsági mentési tárkapacitást biztosít a foglalás időtartamára.

• Archív szint: A Azure Backup használatával tárolhatja a biztonsági mentési adatokat, beleértve a hosszú távú adatmegőrzési (LTR) biztonsági mentési adatokat is, a szervezet megfelelőségi szabályai által meghatározott megőrzési igényeknek megfelelően. A legtöbb esetben a régebbi biztonsági mentési adatokhoz ritkán férnek hozzá, és csak a megfelelőségi igényeknek megfelelően tárolják. Azure Backup támogatja az archív szinten lévő LTR-pontok biztonsági mentését a pillanatképek és a standard szint mellett.

Tárolási megoldások optimalizálása: Az Azure számos tárolási megoldással rendelkezik. Különböző funkciókat és képességeket kínálnak, amelyek segítenek a költségek optimalizálásában az Ön igényeinek megfelelően. Az Azure útmutatást nyújt a megfelelő adattár kiválasztásához.

A legmegfelelőbb tárolási megoldás és konfiguráció kiválasztásához fontos felmérni az adathozzáférési mintákat, a megőrzési igényeket és a teljesítménykövetelményeket. A tárterület használatának rendszeres monitorozása és optimalizálása az Azure Advisorhoz hasonló eszközökkel segíthet a költségek további optimalizálásában.

Kapcsolódó hivatkozások

• Javaslatok az összevonáshoz
• Microsoft Purview
• Adatelérési szintek
• Adatéletciklus-felügyeleti szabályzatok
• Azure Backup Storage
• Archív szint
• A megfelelő adattár kiválasztása

Költségoptimalizálási ellenőrzőlista

Tekintse meg a javaslatok teljes készletét.

Költségoptimalizálási ellenőrzőlista