Metodtips för att använda blobåtkomstnivåer
Den här artikeln innehåller riktlinjer för bästa praxis som hjälper dig att använda åtkomstnivåer för att optimera prestanda och minska kostnaderna. Mer information om åtkomstnivåer finns i Åtkomstnivåer för blobdata.
Välj de mest kostnadseffektiva åtkomstnivåerna
Du kan minska kostnaderna genom att placera blobdata i de mest kostnadseffektiva åtkomstnivåerna. Välj mellan tre nivåer som är utformade för att optimera dina kostnader för dataanvändning. Frekvent nivå har till exempel en högre lagringskostnad men lägre läskostnad. Om du planerar att komma åt data ofta kan därför den frekventa nivån vara det mest kostnadseffektiva valet. Om du planerar att läsa data mindre ofta kan lågfrekvent, lågfrekvent nivå eller arkivnivå vara den mest meningsfulla eftersom den ökar kostnaden för att läsa data samtidigt som kostnaden för att lagra data minskar.
Om du vill identifiera den mest optimala åtkomstnivån kan du försöka beräkna vilken procentandel av data som ska läsas varje månad. I följande diagram visas hur månadsutgifterna påverkas av olika läsprocent.
Information om hur du modellerar och analyserar kostnaden för att använda lågfrekvent eller kall jämfört med arkivlagring finns i Arkiv kontra kallt och lågfrekvent. Du kan använda liknande modelleringstekniker för att jämföra kostnaden för frekvent till lågfrekvent, kall eller arkiv.
Migrera data direkt till de mest kostnadseffektiva åtkomstnivåerna
Om du väljer den mest optimala nivån i förväg kan du minska kostnaderna. Om du ändrar nivån för en blockblob som du redan har laddat upp betalar du kostnaden för att skriva till den ursprungliga nivån när du först laddar upp bloben och betalar sedan kostnaden för att skriva till önskad nivå. Om du ändrar nivåer med hjälp av en livscykelhanteringsprincip kräver den principen att en dag börjar gälla och en dag för att slutföra körningen. Du debiteras också kapacitetskostnaden för att lagra data på den ursprungliga nivån före nivåändringen.
Vägledning om hur du laddar upp till en specifik åtkomstnivå finns i Ange en blobs åtkomstnivå.
Offlinedataflytt till önskad nivå finns i Azure Data Box.
Flytta data till de mest kostnadseffektiva åtkomstnivåerna
När data har laddats upp bör du regelbundet analysera containrar och blobar för att förstå hur de lagras, organiseras och används i produktion. Använd sedan livscykelhanteringsprinciper för att flytta data till de mest kostnadseffektiva nivåerna. Data som inte har använts på mer än 30 dagar kan till exempel vara mer kostnadseffektiva om de placeras på lågfrekvent nivå. Överväg att arkivera data som inte har använts på över 180 dagar.
Om du vill samla in telemetri aktiverar du blobinventeringsrapporter och aktiverar spårning av senaste åtkomsttid. Analysera användningsmönster baserat på den senaste åtkomsttiden med hjälp av verktyg som Azure Synapse eller Azure Databricks. Mer information om hur du analyserar dina data finns i någon av följande artiklar:
Beräkna antalet blobar och total storlek per container med hjälp Azure Storage-inventering
Så här beräknar du statistik på containernivå i Azure Blob Storage med Azure Databricks
Nivåindelning och sidblobar
Analysen kan visa tilläggs- eller sidblobar som inte används aktivt. Du kan till exempel ha loggfiler (tilläggsblobar) som inte längre läs- eller skrivs till, men du vill lagra dem av efterlevnadsskäl. På samma sätt kanske du vill säkerhetskopiera diskar eller ögonblicksbilder av diskar (sidblobar). Du kan också flytta dessa blobar till lågfrekventa nivåer. Du måste dock först konvertera dem till blockblobar.
Information om hur du konverterar tilläggs- och sidblobar till blockblobar finns i Konvertera tilläggsblobar och sidblobar till blockblobar.
Packa små filer innan du flyttar data till lågfrekvent nivå
Varje läs- eller skrivåtgärd medför en kostnad. Om du vill minska kostnaden för att läsa och skriva data bör du överväga att packa små filer i större filer med hjälp av filformat som TAR eller ZIP. Färre filer minskar antalet åtgärder som krävs för att överföra data.
I följande diagram visas den relativa effekten av paketeringsfiler för lågfrekvent nivå. Läskostnaden förutsätter en månatlig läsprocent på 30 %.
I följande diagram visas den relativa effekten av att packa filer för arkivnivån. Läskostnaden förutsätter en månatlig läsprocent på 30 %.
Information om hur du modellerar och analyserar kostnadsbesparingarna för paketeringsfiler finns på fliken Förpackningsbesparing i den här arbetsboken.
Tips
För att underlätta sök- och lässcenarier bör du överväga att skapa ett index som mappar paketerade filsökvägar med ursprungliga filsökvägar och sedan lagrar dessa index som blockblobar på den frekventa nivån.