Share via

Empfehlungen zur Optimierung der Datenkosten

  • Artikel

Gilt für diese Empfehlung für die Kostenoptimierung in Azure Well-Architected Framework:

CO:10 Optimieren Sie die Datenkosten. Datenausgaben mit Datenpriorität. Die Datenoptimierung sollte Verbesserungen bei der Datenverwaltung (Tiering und Aufbewahrung), Volume, Replikation, Sicherungen, Dateiformaten und Speicherlösungen umfassen.

In diesem Leitfaden werden die Empfehlungen zum Optimieren der Datenkosten für eine Workload beschrieben. Bei der Optimierung der Datenkosten werden die Kosten für die Speicherung und Verwaltung von Daten entsprechend ihrer Bedeutung und Zugriffshäufigkeit minimiert. Eine geeignete Datenverwaltung kann die Gemeinkosten erheblich reduzieren und die Ausgaben mit dem Datenhilfsprogramm ausrichten. Die Vernachlässigung der Optimierung der Datenkosten kann zu überhöhten Ausgaben, ineffizienter Ressourcenzuweisung und finanzieller Verschwendung aufgrund falsch ausgerichteter Speicherlösungen und unnötiger Datenaufbewahrung führen.

Definitionen

Begriff Definition
Datenlebenszyklus-Verwaltung Der Prozess der Verwaltung von Daten während des gesamten Lebenszyklus, von der Erstellung bis zum Löschen. Dieser Prozess umfasst das Organisieren, Speichern, Schützen und Archivieren von Daten basierend auf ihren Wert- und Nutzungsmustern.
Datenredundanz Die Praxis des Speicherns doppelter Kopien von Daten über mehrere Speichersysteme oder Standorte hinweg. Der Zweck der Datenredundanz ist die Verbesserung der Datenverfügbarkeit und Fehlertoleranz.
Datentiering Eine Speicherstrategie, bei der Daten basierend auf der Zugriffshäufigkeit kategorisiert und entsprechend auf Speicherebenen gespeichert werden.
Aufbewahrungsrichtlinie Die Dauer, für die Daten aufbewahrt werden sollen, bevor sie gelöscht werden können. Sie gibt den Zeitraum an, in dem Daten aufbewahrt werden müssen, um gesetzliche, behördliche oder geschäftliche Anforderungen zu erfüllen.

Wichtige Entwurfsstrategien

Innerhalb einer bestimmten Workload optimieren Sie die Datenkosten, indem Sie die Kosten für das Speichern und Verwalten von Daten reduzieren. Es gibt verschiedene Strategien und bewährte Methoden, um die Kosten für Datenspeicherung und -verarbeitung zu minimieren. Das Ziel besteht darin, die Datenkosten an der Datenpriorität auszurichten. Sie müssen Den Datentypen Kostenebenen basierend auf ihrer Bedeutung oder Häufigkeit des Zugriffs zuweisen.

Die primären Treiber für die Kosten von Workloaddaten sind die Zugriffshäufigkeit, die Zugriffslatenz und die Speichermenge. Die folgende Anleitung enthält Strategien zur Kostenoptimierung für diese Kostentreiber.

Erstellen einer Bestandsaufnahme von Daten

Bevor Sie die Kosten Ihrer Daten optimieren können, müssen Sie einen Bestand an Daten generieren. Untersuchen Sie den Datenzugriff, und ermitteln Sie dessen Bedeutung innerhalb Ihrer Workload und ihrer Vorgänge. Identifizieren Sie, auf welche Daten häufig zugegriffen wird und auf welche Daten seltener zugegriffen wird. Die folgenden Inventuraktionen können Ihnen helfen, Speicherressourcen effektiv zuzuweisen:

  • Sammeln von Datenzugriffsinformationen: Führen Sie eine Datenüberwachung durch, um alle Datenspeicher zu identifizieren und zu katalogisieren. Bestimmen Sie den Wert von Datasets basierend auf ihrer Bedeutung für den Geschäftsbetrieb, dem Return on Investment und der Häufigkeit der Verwendung. Sammeln Sie Zugriffsprotokolle, Nutzungsmetriken oder Analysen aus Ihren Datenspeicherlösungen.

  • Identifizieren von Datentypen: Kategorisieren Sie Daten basierend auf ihrem Typ, z. B. personenbezogene Daten, Finanzdaten, geistiges Eigentum oder betriebsbezogene Daten. Verstehen der Vertraulichkeit und Kritikalität der einzelnen Datentypen

  • Identifizieren von Zugriffsmustern: Identifizieren Sie die Muster im Datenzugriff, z. B. tägliche, wöchentliche oder monatliche Nutzungsmuster. Sie sollten sich mit Latenz, Dateigrößen und Datenfrischheitsanforderungen für diese Daten vertraut machen.

Daten priorisieren

Bei der Datenpriorisierung handelt es sich um den Prozess der Kategorisierung und Zuweisung von Wichtigkeitsstufen zu Datentypen basierend auf Vertraulichkeit und Kritikalität. Die Datenpriorität sollte sich an der Bedeutung der Umgebung orientieren. Beispielsweise sind Produktionsdaten wichtiger als Vorproduktionsdaten.

Bewerten Sie die Bedeutung verschiedener Arten von Daten für Ihre Workload mithilfe der folgenden Schritte:

  1. Definieren sie Prioritätsebenen: Legen Sie Prioritätsebenen für Daten (z. B. hoch, mittel und niedrig) basierend auf ihrem Wert für die organization, regulatorischen Anforderungen und potenziellen Auswirkungen von Datenverlust fest. Das Ziel besteht darin, die Datenpriorität an der entsprechenden Datenlösung auszurichten.

  2. Bezeichnungen zuweisen: Bezeichnen Sie jedes Dataset mit seiner Vertraulichkeit und Kritikalität. Je nach Datenstruktur und Verwendung können Sie Bezeichnungen auf Zeilen-, Spalten- oder Dateiebene anwenden. Für Datenbanken können Sie ein spezielles Tool verwenden, um die Vertraulichkeit und Kritikalität von Daten mit bestimmten Zeilen und Spalten zu bezeichnen und zu verknüpfen. Dieser Ansatz bietet eine präzise Kontrolle über die Verwaltung und den Zugriff auf Daten.

Optimieren der Datenverwaltung

Bei der Datenverwaltung werden Workloaddaten gespeichert, verschoben und gesichert. Durch die Optimierung der Datenverwaltung können Sie die Ausgaben an der Datenpriorität ausrichten und mehr Wert aus Ihren Daten ziehen. Berücksichtigen Sie die folgenden Strategien für die Datenverwaltung.

Optimieren der Datenlebenszyklusverwaltung

Es ist wichtig, Daten während des gesamten Lebenszyklus zu verwalten. Phasen des Lebenszyklus umfassen die Erstellung (oder Erfassung von Daten), speicherung, nutzung, freigabe, aufbewahrung und entsorgung (löschen oder archivieren). Das Ziel des Datenlebenszyklusmanagements besteht darin, Datenspeicherungslösungen unter Einhaltung der relevanten Vorschriften und Richtlinien zu optimieren.

Die Datenspeicherung umfasst drei wichtige Kostenkomponenten:

  • Speicherkosten: Die Kosten für das Speichern von Daten, z. B. pro Gigabyte.

  • Transaktionskosten: Kosten im Zusammenhang mit Datenvorgängen, z. B. Schreibvorgänge, Lesevorgänge und Datenabruf (pro Gigabyte). Das Lesen und Schreiben von Daten kann unterschiedliche Kosten verursachen.

  • Latenzkosten: Die Kosten, die mit der Geschwindigkeit oder Verzögerung beim Zugriff auf die Daten verbunden sind.

Die folgenden Überlegungen sind grundlegend für die Datenlebenszyklusverwaltung:

  • Verwenden Sie die Datenschichtung: Das Ziel des Datentierings besteht darin, den Zugriff und die Aufbewahrung an der kostengünstigsten Speicherebene auszurichten. Speicherebenen reichen von häufigem/sofortigem Zugriff (heiß) bis hin zu seltenen/verzögerten Zugriffen (kalt).

    Es kostet mehr, eine Ebene zu verwenden, die nicht den Anforderungen an Datenzugriff und Datenaufbewahrung entspricht. Beispielsweise sollten sich Daten, auf die Ihre Anwendung häufig zugreift, im Hot Storage befinden. Daten, auf die Ihre Anwendung selten zugreift, sollten sich im Cold Storage befinden. Die effektive Verwaltung dieser Aspekte trägt dazu bei, eine effiziente Datenspeicherung sicherzustellen.

  • Berücksichtigen Sie Complianceanforderungen: Die Implementierung von Datentiering erfordert eine sorgfältige Berücksichtigung der Complianceanforderungen und Datengovernancerichtlinien. Compliance- und gesetzliche Anforderungen fördern häufig den Datenzugriff und die Datenaufbewahrung. Richten Sie Richtlinien für die Datenaufbewahrung ein, um die Einhaltung gesetzlicher, behördlicher und geschäftlicher Anforderungen sicherzustellen.

  • Definieren sie Datenlebenszyklusrichtlinien. Datenlebenszyklusrichtlinien geben an, wann und wie Daten basierend auf vordefinierten Kriterien zwischen Speicherebenen verschoben werden sollen. Diese Richtlinien stellen sicher, dass Sie Die Daten für die erforderliche Dauer auf der entsprechenden Ebene aufbewahren. Eine Richtlinie kann beispielsweise festlegen, dass Daten 30 Tage lang auf der heißen Ebene, 90 Tage im kalten Tarif und ein Jahr in der Archivebene aufbewahrt werden müssen. Legen Sie den Aufbewahrungszeitraum basierend auf Faktoren wie rechtlichen Anforderungen, Branchenvorschriften oder internen Richtlinien fest.

  • Automatisierung verwenden: Aufbewahrungsrichtlinien können die Verschiebung von Daten zwischen Ebenen auslösen. Sie sollten Richtlinien mithilfe von Plattformfeatures automatisieren, bevor Sie eine benutzerdefinierte Lösung erstellen.

    Wenn der Aufbewahrungszeitraum für eine bestimmte Ebene abläuft, kann die Richtlinie die Daten automatisch auf den nächsten niedrigeren Tarif verschieben. Wenn beispielsweise der Aufbewahrungszeitraum für die heiße Ebene endet, kann die Richtlinie die Daten auf die kalte Ebene verschieben. Die Richtlinie stellt sicher, dass Daten basierend auf ihren Zugriffsmustern und Kostenanforderungen kontinuierlich optimiert werden.

Kompromiss: Die Verwaltung von Datenaufbewahrungsrichtlinien erfordert eine fortlaufende Überwachung und Wartung. Dies kann zu mehr Aufwand für Datenverwaltungsprozesse führen. Dies kann sich auch auf die Speicherkosten auswirken. Längere Aufbewahrungsfristen oder die Verwendung von höherpreisigen Speicherebenen können die Speicherkosten erhöhen.

Risiko: Eine schlechte Implementierung der Datenlebenszyklusverwaltung kann zu Datenverlust oder eingeschränktem Zugriff auf kritische Daten führen. Sie sollten über geeignete Sicherungs- und Wiederherstellungsmechanismen verfügen, um das Risiko von Datenverlust zu minimieren.

Optimieren der Datensegmentierung

Die Optimierung der Datensegmentierung umfasst die strategische Organisation von Daten in unterschiedlichen Segmenten und konsolidieren ähnliche Datentypen, um Speicherressourcen effizient zuzuordnen. Damit können Sie die Zuordnung von Speicherressourcen an die Datenpriorität anpassen.

Um die Datensegmentierung effektiv zu optimieren, kategorisieren Sie Daten nach Typ und Nutzungsmuster. Anschließend platzieren Sie die Datensegmente je nach ihren betrieblichen Ähnlichkeiten und Anforderungen auf der effektivsten Lösung. Beispielsweise platzieren Sie Daten, die hochleistungsfähige Speicherung erfordern, auf Ressourcen mit schnellerer Abrufzeit. Archivdaten verwenden eine kostengünstigere Ressource mit einer geringeren Abrufzeit.

Dieser Ansatz stellt sicher, dass daten mit hoher Nachfrage einen schnelleren Speicher für eine optimale Leistung und weniger Zugriff auf Daten kostengünstigeren Speicher verwenden. Ebenso sollten Sie, wenn Datentypen Nutzungsmuster gemeinsam nutzen, diese auf einer einzelnen Ressource gruppieren, um den Mehraufwand zu reduzieren, die Verwaltung zu vereinfachen und die Datenverarbeitung zu verbessern.

Minimieren der Datenübertragung

Die Minimierung der Datenübertragung bezieht sich auf die Verringerung der Datenverschiebung zwischen Netzwerken, um die Datenübertragungskosten zu senken. Sie reduziert das Datenvolumen, das die Workload verschiebt, und senkt die Netzwerknutzungsgebühren. Beachten Sie die folgenden Empfehlungen, um die Datenübertragung zu minimieren:

  • Verwenden Sie den richtigen Standort. Platzieren Sie Daten geografisch näher an ihren Benutzern. Die Datennähe reduziert den Netzwerkverkehr, wodurch der Zugriff beschleunigt und die Kosten optimiert werden.
  • Verwenden Sie die Zwischenspeicherung. Berücksichtigen Sie die Vorteile der Zwischenspeicherung, um die Datenübertragung zu minimieren.
  • Verwenden Sie ein Inhaltsübermittlungsnetzwerk. Ein Content Delivery Network kann häufig gelesene statische Daten in der Nähe von Benutzern speichern. Sie reduziert die Datenverschiebung im Netzwerk und hilft beim Auslagern der Bandbreitennutzung.

Optimieren von Sicherheit und Compliance

Bestimmte Produktionsdaten erfordern höhere Sicherheits- und Complianceanforderungen. Diese Maßnahmen können zusätzliche Kosten im Zusammenhang mit Datenschutz, Verschlüsselung, Sicherung, Aufbewahrung und Überwachung verursachen.

Sie müssen sicherstellen, dass Änderungen in Datenspeicherlösungen diesen Anforderungen entsprechen. Daten mit niedrigeren Sicherheits- und Complianceanforderungen stellen häufig eine Möglichkeit zur Kostenoptimierung dar.

Optimieren des Datenvolumens

Die Suche nach Strategien zur Verringerung der gespeicherten Datenmenge kann dazu beitragen, die Kosten zu senken. Indem Sie die Barrierefreiheit der Daten ändern und die folgenden Techniken implementieren, können Sie das Volumen Ihrer gespeicherten Daten effektiv optimieren:

  • Weniger Daten erfassen: Sehen Sie sich die daten, die Sie erfassen, genauer an. Ermitteln Sie, ob es für Ihre Zwecke nicht erforderlich ist. Ändern Sie Ihren Prozess, Ihre Einstellungen oder Konfigurationen, um nur die wesentlichen Daten zu erfassen.

  • Komprimieren von Daten: Die Komprimierung spart Geld, indem die Datengröße reduziert wird. Es ist am effektivsten in Schreibvorgängen, Schreibvorgängen oder Schreibvorgängen. Es eignet sich besser für kältere Lagerung.

    Kompromiss: Sowohl die Komprimierung als auch die Dekomprimierung von Daten erhöhen die CPU-Zeit.

  • Löschen nicht benötigter Daten: Implementieren Sie Richtlinien, um den Prozess zum Speichern relevanter Informationen zu optimieren. Bewerten Sie den Aufbewahrungszeitraum für Sicherungen und Momentaufnahmen, und löschen Sie Daten, die Sie nicht mehr benötigen. Möglicherweise möchten Sie einen Prozess verwenden, der bis zum endgültigen Löschen von Daten führt, z. B. das erste Archivieren von Daten und das Aktivieren eines Zeitraums für vorläufiges Löschen. Berücksichtigen Sie vor dem Löschen von Daten immer die Wiederherstellbarkeit.

  • Deduplizieren von Daten: Implementieren Sie Datendeduplizierungstechniken, um redundante Daten zu vermeiden. Die Deduplizierung reduziert den Speicherbedarf, indem sichergestellt wird, dass nur eindeutige Datenblöcke gespeichert werden, um Kosten zu sparen. Verwenden von Hashingalgorithmen und Vergleichen von Datenblöcken. Führen Sie regelmäßig Deduplizierungsprozesse aus, um doppelte Daten zu identifizieren und zu beseitigen.

  • Optimieren des Benutzerverhaltens: In Workloads, die benutzergenerierte Daten sammeln, informieren Sie Benutzer über die Bedeutung einer effizienten Datenspeicherung. Ermutigen Sie sie, unnötige Dateien und Daten regelmäßig zu überprüfen und zu löschen. Implementieren Sie Speicherkontingente oder Preismodelle, die eine übermäßige Datenspeicherung verhindern.

Optimieren der Datenreplikation

Bei der Datenreplikation werden aus Gründen der Zuverlässigkeit mehrere Kopien von Daten erstellt und an anderen geografischen Standorten oder Zonen gespeichert. Die Replikation stellt sicher, dass Sie bei einem Ausfall oder Ausfall eines Standorts oder einer Zone weiterhin auf die Daten der replizierten Kopien an anderen Speicherorten zugreifen können.

Diese Redundanz trägt zur Verbesserung der Verfügbarkeit und Resilienz von Daten bei. Dadurch wird das Risiko von Datenverlusten und Ausfallzeiten minimiert.

Beachten Sie die folgenden Richtlinien, um die Datenreplikation für die Kostenoptimierung zu optimieren:

  • Auswerten der Datenreplikationsanforderungen: Bewerten Sie die spezifischen Anforderungen Ihrer Workload, und bestimmen Sie den erforderlichen Grad der Datenreplikation. Berücksichtigen Sie Faktoren wie Datenkritikalität, Wiederherstellungszeitziele (Recovery Time Objectives, RTOs) und Wiederherstellungspunktziele (Recovery Point Objectives, RPOs).

  • Wählen Sie die richtige Replikationsstrategie aus: Wählen Sie eine Replikationstechnologie aus, die Ihren Zielen für die Kostenoptimierung entspricht. Berücksichtigen Sie die Anforderungen der Vereinbarung zum Servicelevel (Service Level Agreement, SLA) für Ihre Workload.

    Bewerten Sie Optionen wie synchrone Replikation, asynchrone Replikation oder eine Kombination aus beidem. Basieren Sie die Entscheidung auf Faktoren wie Datenkonsistenzanforderungen und Überlegungen zur Netzwerkbandbreite. Bewerten Sie die Verfügbarkeitsebene, die Sie für Ihre Workload benötigen, und bewerten Sie die Notwendigkeit von zonenbezogener und regionaler Redundanz.

  • Optimieren der Netzwerkbandbreite: Minimieren Sie die Nutzung der Netzwerkbandbreite, indem Sie Komprimierungs- und Daten-Deduplizierungstechniken implementieren. Diese Techniken können die Menge der während der Replikation übertragenen Daten reduzieren, was Kosten sparen kann.

  • Überwachen und Optimieren der Replikationshäufigkeit: Überprüfen und passen Sie die Replikationshäufigkeit anhand der sich ändernden Anforderungen Ihrer Workload regelmäßig an. Die Optimierung der Replikationshäufigkeit kann zur Kostenoptimierung beitragen, indem unnötiger Replikationsaufwand reduziert wird.

Optimieren von Sicherungen

Eine Sicherung ist eine regelmäßige Momentaufnahme oder Kopie von Daten, die Sie separat vom primären Speicher erstellen und speichern können. Bei Datenbeschädigungen, versehentlichem Löschen oder Systemfehlern können Sie Sicherungen verwenden, um den vorherigen Zustand der Daten wiederherzustellen.

Im Folgenden finden Sie einige Techniken zum Optimieren von Sicherungen:

  • Datenklassifizierung: Klassifizieren Sie Ihre Daten basierend auf ihrer Wichtigkeit und Priorisierung für die Sicherung. Mit der Klassifizierung können Sie sich auf die Sicherung kritischer Daten konzentrieren und gleichzeitig die Sicherungskosten für weniger wichtige Daten minimieren.

  • Inkrementelle Sicherungen: Anstatt jedes Mal vollständige Sicherungen durchzuführen, sollten Sie in Erwägung ziehen, inkrementelle Sicherungen zu implementieren. Inkrementelle Sicherungen erfassen nur Änderungen, die seit der letzten Sicherung vorgenommen wurden, wodurch die Anforderungen an Speicher und Netzwerkbandbreite reduziert werden können.

    Kompromiss: Inkrementelle Sicherungen erfordern mehr Schritte und Zeit zum Wiederherstellen von Daten. Sie müssen zuerst die vollständige Sicherung wiederherstellen und dann jede inkrementelle Sicherung nacheinander anwenden, bis Sie den gewünschten Wiederherstellungspunkt erreicht haben.

  • Sicherungskomprimierung: Aktivieren Sie die Komprimierung während des Sicherungsvorgangs, um die Größe der Sicherungsdateien zu reduzieren. Komprimierte Sicherungen erfordern weniger Speicherplatz, sodass Sie Kosten sparen können.

  • Sicherungsspeicherebenen: Bewerten Sie Ihre Sicherungsaufbewahrungsrichtlinien, und ziehen Sie in Betracht, ältere Sicherungen auf kostengünstigere Speicherebenen zu verschieben, z. B. Cold Storage oder Archivspeicher. Das Speichern von weniger häufig verwendeten Sicherungen in kostengünstigen Speicheroptionen trägt zur Kostenoptimierung bei.

  • Aufbewahrungszeitraum für Sicherungen: Überprüfen und anpassen Sie die Aufbewahrungszeiträume für Ihre Sicherungen basierend auf Geschäftsanforderungen und Compliancevorschriften. Die Verwaltung von Sicherungen über einen längeren Zeitraum kann zu zusätzlichen Speicherkosten führen.

  • Sicherungshäufigkeit: Analysieren Sie die Sicherungshäufigkeit für verschiedene Datentypen. Passen Sie den Sicherungszeitplan basierend auf der Häufigkeit von Datenänderungen und der Wichtigkeit der Daten an. Diese Methoden tragen dazu bei, unnötige Sicherungen zu vermeiden und die Speicherkosten zu senken.

Optimieren von Dateiformaten

Dateiformate beeinflussen die Kostenoptimierung, indem sie Eingabe-/Ausgabemuster (E/A) und Abfragemuster Ihrer Daten optimieren. Einige Dateiformate sind für bestimmte Szenarien geeignet. Wenn Sie das Dateiformat an Ihren Workloadanforderungen ausrichten, kann die Leistung der Workload verbessert werden.

Im Folgenden finden Sie Überlegungen zu gängigen Formaten:

  • Avro: Das Avro-Dateiformat ist eine gute Wahl, wenn Sie mit schreibintensiven E/A-Mustern zu tun haben oder wenn Abfragemuster das Abrufen mehrerer Datensatzzeilen in ihrer Gesamtheit erfordern. Die Serialisierungs- und Deserialisierungsprozesse von Avro sind effizient, sodass sie mit Nachrichtenbussen wie Kafka kompatibel sind, die eine Reihe von Ereignissen und Nachrichten in schneller Folge erzeugen.

  • Parquet und Optimized Row Columnar (ORC): Die Dateiformate Parquet und ORC zeichnen sich in Szenarien mit leseintensiven E/A-Mustern aus oder wenn sich die Abfragemuster auf bestimmte Spalten der Datensätze konzentrieren.

    Bei beiden Formaten handelt es sich um einen spaltenbasierten Speicher, was bedeutet, dass Daten spaltenweise und nicht zeilenweise gespeichert werden. Spaltenbasierter Speicher ermöglicht verbesserte Komprimierung und effiziente Lesevorgänge. Es müssen nur die erforderlichen Spalten abgerufen werden, damit Sie unnötige E/A-Vorgänge für irrelevante Daten vermeiden.

Optimieren von Speicherlösungen

Evaluieren und wählen Sie die am besten geeigneten Speichermethoden und -systeme für Ihre Daten aus. Dieser Aufwand kann das Wechseln von Datenbanken, die Verwendung verschiedener Speichertypen oder das Hinzufügen von Zwischenspeicherungsmechanismen umfassen. Die einfache Verwaltung ist ein weiterer Faktor, den Sie bei der Auswahl einer Speicherlösung berücksichtigen sollten.

Durch die Anpassung von Speicherlösungen an die spezifischen Anforderungen und Merkmale der Daten können Sie eine bessere Kosteneffizienz erzielen und gleichzeitig die Anforderungen an Leistung und Skalierbarkeit erfüllen. Es fallen Kosten für den Wechsel von Datenbanken oder Austauschdiensten an, aber das Speichern von Daten in der falschen Speicherlösung kann Zusätzliches Geld kosten.

Im Folgenden finden Sie einige Anwendungsfälle:

  • Wechseln von Datenbanken: Sie können erwägen, zu einem Datenbanksystem zu wechseln, das Ihren Anforderungen besser entspricht. Wenn Sie instance eine relationale Datenbank verwenden, können Sie die Option zum Wechseln zu einer NoSQL-Datenbank untersuchen, wenn Ihre Daten dokumentorientiert sind oder flexible Schemas erfordern.

  • Wechsel von einer relationalen Datenbank zu einem Flatfilespeicher: In einigen Fällen kann das Speichern von Daten in Flatfiles anstelle einer herkömmlichen relationalen Datenbank Vorteile wie Einfachheit und Kosteneffizienz bieten. Flatfiles eignen sich gut für bestimmte Datentypen, z. B. Protokolldateien oder Daten, die keine komplexe Abfrage erfordern. Beispielsweise können Sie binäre Bilder in einer SQL-Datenbank speichern, aber es ist kostengünstiger, sie in einem Speicherdienst zu speichern, der speziell für die Verarbeitung von Binärdaten vorgesehen ist.

  • Wechsel von Infrastructure-as-a-Service (IaaS) zu Platform-as-a-Service (PaaS): IaaS-Datenbanklösungen können zeitaufwendige und ressourcenintensive Eigenschaften sein, die die Aufmerksamkeit eines technischen Teams von kernen Aufgaben ablenken. Das wachsende Datenvolumen und die Herausforderungen durch manuelle Skalierung, Sicherungen und Infrastrukturwartung können eine PaaS-Lösung kostengünstiger und effizienter machen.

  • Hinzufügen eines Caches: Um die Ressourcennutzung auf dem Standard Datenbankserver zu reduzieren, sollten Sie eine Cachelösung zum Zwischenspeichern komplexer Abfrageergebnisse in Betracht ziehen. Das Rechteisieren des Datenbankservers kann bei der Optimierung der Kosten hilfreich sein. Bei anwendbaren Anwendungsfällen sollten Sie die Nutzung der Gültigkeitsdauer (Time to Live, TTL) mit den zwischengespeicherten Daten in Betracht ziehen, um den Speicherbedarf zu reduzieren und die Kosten zu senken.

  • Abfrageoptimierte Speicher im Vergleich zu Datenspeichern: Abfrageoptimierte Speicher sind für schnelles Abrufen und Analysieren von Daten konzipiert. Sie konzentrieren sich auf schnelle Datenerfassung und Lesevorgänge, aber nicht auf häufige Updates. Sie sind ideal für Zeitreihendaten und schnellen Zugriff auf aktuelle Daten, aber nicht für schwere Transaktionsaufgaben.

    Datenspeicher verarbeiten große Mengen flexibler Daten, insbesondere unstrukturierte oder semistrukturierte Daten. Obwohl Datenspeicher Analysen unterstützen können, benötigen komplexe Aufgaben möglicherweise spezielle Datenbanken. Sie sind am besten geeignet, um viele variable Daten wie Protokolle oder benutzergenerierte Inhalte in Szenarien wie NoSQL-Anwendungsfällen zu speichern.

Azure-Erleichterung

Erstellen einer Bestandsaufnahme von Daten: Microsoft Purview ist eine Familie von Datengovernance-, Risiko- und Compliancelösungen, mit denen Sie Ihren gesamten Datenbestand organization steuern, schützen und verwalten können. Microsoft Purview-Lösungen bieten eine integrierte Abdeckung und helfen dabei, die jüngsten Zunahmen der Remotebenutzerkonnektivität, die Fragmentierung von Daten zwischen Organisationen und das Verschwimmen herkömmlicher IT-Verwaltungsrollen zu bewältigen.

Optimieren der Datenverwaltung: Azure Storage und Azure Data Lake Storage verfügen über unterschiedliche Datenzugriffsebenen. Sie bieten auch Richtlinien für die Datenlebenszyklusverwaltung , die das Datentiering und die Aufbewahrung von Daten automatisieren.

Sie können eine regelbasierte Richtlinie verwenden, um Blobdaten auf die entsprechenden Zugriffsebenen zu übergeben oder Daten am Ende des Lebenszyklus ablaufen zu lassen. Mit dieser Richtlinie können Sie Blobs sofort von kalt (oder kalt) zu heiß wechseln, wenn darauf zugegriffen wird, um die Leistung zu optimieren.

Optimieren von Sicherungen: Der Azure Backup-Dienst bietet mehrere Funktionen, um Ihre Sicherungen zu optimieren. Es bietet Features wie native Datenbanksicherung und Speichersicherung über Datenträgermomentaufnahmen. Es unterstützt die Sicherung virtueller Computer, die langfristige Aufbewahrung und die Sicherungsverwaltung.

Hier sind einige der Features des Diensts:

  • Überwachung: Sie können Backup Center als zentrale Scheibe verwenden, um Ihre Aufträge und den Sicherungsbestand täglich zu überwachen. Backup Center bietet eine Schnittstelle zu Sicherungsberichten, die Azure Monitor-Protokolle und Azure-Arbeitsmappen verwenden.

  • Berichte: Sicherungsberichte bieten die folgenden Funktionen:

    • Zuordnen und Prognostizieren des verbrauchten Cloudspeichers.
    • Überwachen von Sicherungen und Wiederherstellungen.
    • Identifizieren sie wichtige Trends auf verschiedenen Granularitätsebenen.
    • Gewinnen Sie Einblicke und Einblicke in Kostenoptimierungsmöglichkeiten für Ihre Sicherungen.

  • Reservierte Kapazität: Azure Backup Reservierte Speicherkapazität bietet Ihnen einen Rabatt auf die Kapazität für Sicherungsdaten, die für den Tresorstandard-Tarif gespeichert sind, wenn Sie sich für eine Reservierung für ein Jahr oder drei Jahre festlegen. Eine Reservierung stellt eine feste Sicherungsspeicherkapazität für den Zeitraum der Reservierung zur Verfügung.

  • Archivebene: Sie können Azure Backup verwenden, um Sicherungsdaten zu speichern, einschließlich LTR-Sicherungsdaten (Long-Term Retention), entsprechend den Aufbewahrungsanforderungen, die die Complianceregeln Ihrer organization definieren. In den meisten Fällen wird selten auf die älteren Sicherungsdaten zugegriffen und nur für Complianceanforderungen gespeichert. Azure Backup unterstützt die Sicherung von LTR-Punkten auf der Archivebene, zusätzlich zu Momentaufnahmen und der Standardebene.

Optimieren von Speicherlösungen: Azure verfügt über viele Speicherlösungen. Sie bieten verschiedene Features und Funktionen, um die Kosten basierend auf Ihren spezifischen Anforderungen zu optimieren. Azure verfügt über Anleitungen, die Ihnen bei der Auswahl des richtigen Datenspeichers helfen.

Um die am besten geeignete Speicherlösung und Konfiguration auszuwählen, ist es wichtig, Ihre Datenzugriffsmuster, Aufbewahrungsanforderungen und Leistungsanforderungen zu bewerten. Die regelmäßige Überwachung und Optimierung Ihrer Speichernutzung mithilfe von Tools wie Azure Advisor kann Ihnen helfen, die Kosten weiter zu optimieren.

Checkliste für die Kostenoptimierung

Sehen Sie sich den vollständigen Satz von Empfehlungen an.

Checkliste für die Kostenoptimierung