Praktik terbaik untuk menggunakan tingkat akses blob
Artikel ini menyediakan panduan praktik terbaik yang membantu Anda menggunakan tingkat akses untuk mengoptimalkan performa dan mengurangi biaya. Untuk mempelajari selengkapnya tentang tingkat akses, lihat Tingkat akses untuk data blob.
Memilih tingkat akses yang paling hemat biaya
Anda dapat mengurangi biaya dengan menempatkan data blob ke tingkat akses yang paling hemat biaya. Pilih dari tiga tingkatan yang dirancang untuk mengoptimalkan biaya seputar penggunaan data. Misalnya, tingkat panas memiliki biaya penyimpanan yang lebih tinggi tetapi biaya baca yang lebih rendah. Oleh karena itu, jika Anda berencana untuk sering mengakses data, tingkat panas mungkin menjadi pilihan yang paling hemat biaya. Jika Anda berencana untuk membaca data lebih jarang, tingkat dingin, dingin, atau arsip mungkin paling masuk akal karena meningkatkan biaya membaca data sambil mengurangi biaya penyimpanan data.
Untuk mengidentifikasi tingkat akses yang paling optimal, cobalah untuk memperkirakan persentase data apa yang akan dibaca setiap bulan. Bagan berikut menunjukkan dampak pada pengeluaran bulanan yang diberikan berbagai persentase baca.
Untuk memodelkan dan menganalisis biaya penggunaan penyimpanan dingin atau dingin versus arsip, lihat Arsip versus dingin dan dingin. Anda dapat menerapkan teknik pemodelan serupa untuk membandingkan biaya panas ke dingin, dingin, atau arsip.
Memigrasikan data langsung ke tingkat akses yang paling hemat biaya
Memilih tingkat paling optimal di muka dapat mengurangi biaya. Jika Anda mengubah tingkat blob blok yang telah Anda unggah, maka Anda akan membayar biaya penulisan ke tingkat awal saat pertama kali mengunggah blob, lalu membayar biaya penulisan ke tingkat yang diinginkan. Jika Anda mengubah tingkatan dengan menggunakan kebijakan manajemen siklus hidup, kebijakan tersebut akan memerlukan waktu satu hari untuk diterapkan dan sehari untuk menyelesaikan eksekusi. Anda juga akan dikenakan biaya kapasitas untuk menyimpan data di tingkat awal sebelum perubahan tingkat.
Untuk panduan tentang cara mengunggah ke tingkat akses tertentu, lihat Mengatur tingkat akses blob.
Untuk pergerakan data offline ke tingkat yang diinginkan, lihat Azure Data Box.
Memindahkan data ke tingkat akses yang paling hemat biaya
Setelah data diunggah, Anda harus menganalisis kontainer dan blob Anda secara berkala untuk memahami bagaimana kontainer disimpan, diatur, dan digunakan dalam produksi. Kemudian, gunakan kebijakan manajemen siklus hidup untuk memindahkan data ke tingkat yang paling hemat biaya. Misalnya, data yang belum diakses selama lebih dari 30 hari mungkin lebih hemat biaya jika ditempatkan ke tingkat dingin. Pertimbangkan pengarsipan data yang belum diakses selama lebih dari 180 hari.
Untuk mengumpulkan telemetri, aktifkan laporan inventori blob dan aktifkan pelacakan waktu akses terakhir. Analisis pola penggunaan berdasarkan waktu akses terakhir dengan menggunakan alat seperti Azure Synapse atau Azure Databricks. Untuk mempelajari tentang cara menganalisis data Anda, lihat salah satu artikel berikut ini:
Menghitung jumlah dan ukuran total blob per kontainer menggunakan inventaris Azure Storage
Cara menghitung Statistik Tingkat Kontainer di Azure Blob Storage dengan Azure Databricks
Tambahkan tingkat dan blob halaman
Analisis Anda mungkin mengungkapkan blob tambahan atau halaman yang tidak digunakan secara aktif. Misalnya, Anda mungkin memiliki file log (blob tambahan) yang tidak lagi dibaca atau ditulis, tetapi Anda ingin menyimpannya karena alasan kepatuhan. Demikian pula, Anda mungkin ingin mencadangkan disk atau rekam jepret disk (blob halaman). Anda juga dapat memindahkan blob ini ke tingkat yang lebih dingin. Namun, Anda harus terlebih dahulu mengonversinya menjadi blob blok.
Untuk informasi tentang cara mengonversi blob penambahan dan halaman menjadi blob blok, lihat Mengonversi blob penambahan dan blob halaman untuk memblokir blob.
Mengemas file kecil sebelum memindahkan data ke tingkat yang lebih dingin
Setiap operasi baca atau tulis dikenakan biaya. Untuk mengurangi biaya membaca dan menulis data, pertimbangkan untuk mengemas file kecil menjadi file yang lebih besar dengan menggunakan format file seperti TAR atau ZIP. Lebih sedikit file yang mengurangi jumlah operasi yang diperlukan untuk mentransfer data.
Bagan berikut menunjukkan dampak relatif dari mengemas file untuk tingkat dingin. Biaya baca mengasumsikan persentase baca bulanan sebesar 30%.
Bagan berikut menunjukkan dampak relatif dari mengemas file untuk tingkat arsip. Biaya baca mengasumsikan persentase baca bulanan sebesar 30%.
Untuk memodelkan dan menganalisis penghematan biaya file pengemasan, lihat tab Penyimpanan Kemasan dalam buku kerja ini.
Tip
Untuk memfasilitasi skenario pencarian dan baca, pertimbangkan untuk membuat indeks yang memetakan jalur file yang dikemas dengan jalur file asli, lalu menyimpan indeks ini sebagai blob blok di tingkat panas.