In dit scenario wilt u gegevens kopiëren van AWS S3 naar Azure Blob Storage volgens een uurschema voor 8 uur per dag, gedurende 30 dagen.
De prijzen die in dit voorbeeld hieronder worden gebruikt, zijn hypothetisch en zijn niet bedoeld om exacte werkelijke prijzen te impliceren. Lees-/schrijf- en bewakingskosten worden niet weergegeven omdat ze meestal te verwaarlozen zijn en niet van invloed zijn op de totale kosten. Uitvoeringen van activiteiten worden ook afgerond op de dichtstbijzijnde 1000 in schattingen van de prijscalculator.
Raadpleeg de Azure-prijscalculator voor specifiekere scenario's en om uw toekomstige kosten te schatten voor het gebruik van de service.
Configuratie
Als u het scenario wilt uitvoeren, moet u een pijplijn maken met de volgende items:
Ik kopieer gegevens van AWS S3 naar Azure Blob Storage en hiermee wordt 10 GB aan gegevens van S3 naar blobopslag verplaatst. Ik schat dat het 2-3 uur wordt uitgevoerd en ik ben van plan om DIU in te stellen als Auto.
Een schematrigger om de pijplijn elk uur gedurende 8 uur per dag uit te voeren. Wanneer u een pijplijn wilt uitvoeren, kunt u deze direct activeren of plannen. Naast de pijplijn zelf telt elk triggerexemplaren als één activiteitsuitvoering.
Schatting van kosten
Operations
Typen en eenheden
Pijplijn uitvoeren
2 Uitvoeringen van activiteit per uitvoering (1 voor uitvoering van de trigger, 1 voor uitvoering van activiteit) = 480 uitvoeringen van activiteit, afgerond omdat de calculator alleen stappen van 1000 toestaat.
Veronderstelling van gegevens kopiëren: DIU-uren per uitvoering
0,5 uur * 4 Azure Integration Runtime (standaard-DIU-instelling = 4) Zie dit artikel voor meer informatie over gegevensintegratie-eenheden en het optimaliseren van kopieerprestaties
Totaal aantal uitvoeringsuren: 8 uitvoeringen per dag gedurende 30 dagen
240 uitvoeringen * 2 DIU/run = 480 DIUs
Voorbeeld van prijscalculator
Totaal aantal scenarioprijzen voor 30 dagen: $ 122,00
Demonstreer inzicht in algemene data engineering-taken voor het implementeren en beheren van data engineering-workloads in Microsoft Azure met behulp van een aantal Azure-services.