Tárolási megoldás kiválasztása az Azure-ban

  • 7 perc

A megfelelő tárolási megoldás kiválasztásával jobb teljesítményt, alacsonyabb költségeket és fejlettebb felügyelhetőséget érhet el. Minden adattípus különböző tárolási követelményekkel rendelkezik. Az Ön feladata meghatározni, hogy melyik tárolási megoldás a legjobb a vállalat által használt adattípusokhoz. Mindig vegye számításba az adatok kategóriáját, a szükséges műveleteket, a várható késést, valamint a tranzakciótámogatás igényét.

Itt az online kiskereskedelmi forgatókönyvben megismert adatokat alkalmazza, és megtalálja az egyes adathalmazok legjobb Azure-szolgáltatását.

Termékkatalógus-adatok

Adatbesorolás: Részben strukturált, mert ki kell terjesztenie vagy módosítania kell a sémát az új termékekhez.

Műveletek:

  • Az ügyfeleknek rengeteg olvasási műveletet kell végrehajtaniuk, és az adatbázis számos mezőjét le kell tudniuk kérdezni.
  • A vállalatnak rengeteg írási műveletet kell végrehajtania a folyamatosan változó leltáradatok nyomon követéséhez.

Késés és átviteli sebesség: Magas átviteli sebesség és alacsony késés.

Tranzakciós támogatás: Mivel a termékadatok fizetéshez és készlethez kötöttek, tranzakciós támogatásra van szükség.

Az Azure Cosmos DB tervezéssel támogatja a félig strukturált vagy a NoSQL-adatokat. Így az új mezők, például a "Bluetooth-kompatibilis" mező vagy a jövőben szükséges új mezők támogatása az Azure Cosmos DB-vel is elvégezhető.

Az Azure Cosmos DB támogatja az SQL-t a lekérdezésekhez, és minden tulajdonság alapértelmezés szerint indexelt. Létrehozhat olyan lekérdezéseket, amelyekkel az ügyfelek így a gyűjtemény bármely tulajdonságára szűrhetnek.

Az Azure Cosmos DB emellett ACID-kompatibilis, így biztos lehet benne, hogy a tranzakciók ezeknek a szigorú követelményeknek megfelelően lesznek végrehajtva. Az Azure Cosmos DB-hez OLTP-összekötő érhető el.

Hozzáadott pluszként az Azure Cosmos DB-t is használhatja az adatok egyszerű replikálásához bárhol a világon. Ha tehát az e-kereskedelmi webhely felhasználói az Egyesült Államokban, Franciaországban és Angliában koncentrálódnak, akkor az adatokat replikálhatja az ezekben a régiókban található adatközpontokra. A késés csökken, mert fizikailag közelebb helyezte az adatokat a felhasználókhoz.

Még a világszerte replikált adatok esetén is választhat az öt konzisztenciaszint egyikéből. A megfelelő konzisztenciaszint kiválasztásával szabhatók meg a konzisztencia, a rendelkezésre állás, a késés és a feldolgozási sebesség arányai. Felskálázhatja a vertikális felskálázást, hogy a legmagasabb vásárlási időszakokban nagyobb ügyféligényt kezeljen, vagy a lassabb időszakokban leskálázhatja a skálázást a költségek megőrzése érdekében.

Miért ne használna más Azure-szolgáltatásokat?

Az Azure SQL Database kiváló választás lenne ehhez az adatkészlethez, ha azonosítaná a legtöbb termékhez gyakran használt tulajdonságok részhalmazát, valamint az egyes termékekben esetleg nem létező változótulajdonságokat. Az Azure SQL Database használatával egyszerűen bővíthető JSON-oszlopként tárolt strukturált adatokat és részben strukturált adatokat kombinálhat az oszlopokban. Az Azure SQL Database számos hasonló előnyt biztosíthat az Azure Cosmos DB-nek, de kevés előnnyel jár, ha az adatok struktúrája különböző entitásokban változik, és nem definiálhat előre olyan közös tulajdonságokat, amelyek a legtöbb entitásban ismétlődnek. Ellentétben az Azure Cosmos DB-vel, amely a dokumentumok minden tulajdonságát indexeli, az Azure SQL Database-ben explicit módon meg kell határoznia, hogy a félig strukturált dokumentumok mely tulajdonságait kell indexelni. Az Azure Cosmos DB jobb választás a nagymértékben strukturálatlan és változó adatokhoz, amelyekben nem lehet előrejelezni, hogy milyen tulajdonságokat érdemes indexelni. Az Azure SQL Database támogatja az OLTP-t.

Más Azure-szolgáltatások, például az Azure Table Storage, az Azure HDInsightban található Apache HBase és az Azure Cache for Redis is tárolhatnak NoSQL-adatokat. Ebben a forgatókönyvben az Azure Cosmos DB az optimális választás, mivel a felhasználók több mezőben végeznek majd lekérdezéseket. Az Azure Cosmos DB alapértelmezés szerint indexel minden mezőt, míg más Azure-szolgáltatások az indexelt adatokban korlátozottak. A nem indexelt mezők lekérdezése alacsonyabb teljesítményt eredményez.

Fényképek és videók

Adatbesorolás: Strukturálatlan.

Műveletek:

  • Csak azonosító alapján kérhető le.
  • Az ügyfeleknek rengeteg olvasási műveletet kell végrehajtaniuk alacsony késéssel.
  • A létrehozási és frissítési műveletek ritkábban lesznek, és nagyobb késéssel is rendelkezhetnek, mint az olvasási műveletek.

Késés és átviteli sebesség: Az azonosító szerinti lekéréseknek támogatniuk kell az alacsony késést és a magas átviteli sebességet. A létrehozási és frissítési műveletek nagyobb késéssel rendelkezhetnek, mint az olvasási műveletek.

Tranzakciós támogatás: Nem szükséges.

Az Azure Blob Storage támogatja a fájlok, például fényképek és videók tárolását. Az Azure Content Delivery Network szolgáltatással is működik a leggyakrabban használt tartalom gyorsítótárazásával, majd a peremhálózati kiszolgálókon való tárolásával. Az Azure Content Delivery Network csökkenti a késést, amikor a rendszerképeket a felhasználók számára kézbesíti.

Az Azure Blob Storage-ban a gyakori tárolási szintről a ritka elérésű tárolási szintre vagy az archív tárolási szintre is áthelyezheti a lemezképeket, így csökkentheti a költségeket, és a leggyakrabban megtekintett képekre és videókra összpontosíthat az átviteli sebességre.

Miért ne használna más Azure-szolgáltatásokat?

A rendszerképeket feltöltheti a Azure-alkalmazás Szolgáltatásba, hogy az alkalmazást futtató kiszolgáló kiszolgálja a képeket. Ez a megoldás jól működne, ha kevesebb lenne a fájl. Ha azonban sok fájllal és globális célközönséggel rendelkezik, jobb teljesítményt érhet el az Azure Blob Storage és az Azure Content Delivery Network használatával.

Üzleti adatok

Adatbesorolás: Strukturált.

Műveletek: Írásvédett, összetett elemzési lekérdezések több adatbázisban.

Késés és átviteli sebesség: Az eredmények némi késése a lekérdezések összetett jellegétől függően várható.

Tranzakciós támogatás: Nem szükséges.

Az üzleti adatokat valószínűleg üzleti elemzők kérdezik le, akik nagyobb valószínűséggel ismerik az SQL-t, mint bármely más lekérdezési nyelvet. Az Azure SQL Database önmagában is használható megoldásként, de ha párosítja az Azure Analysis Services szolgáltatással, az adatelemzők szemantikai modellt hozhatnak létre az Azure SQL Database-ben lévő adatokon keresztül. Az adatelemzők ezután megoszthatják a modellt az üzleti felhasználókkal, akiknek csak a modellhez kell csatlakozniuk bármely üzletiintelligencia-eszközből, hogy azonnal felfedezzék az adatokat, és elemzéseket nyerjenek. Az Azure Analysis Services támogatja az OLAP-ot.

Miért ne használna más Azure-szolgáltatásokat?

Az Azure Synapse Analytics támogatja az OLAP-megoldásokat és az SQL-lekérdezéseket, de az üzleti elemzőknek adatbázisközi lekérdezéseket kell végrehajtaniuk, amelyeket az Azure Synapse Analytics nem támogat.

Az Azure Stream Analytics kiválóan alkalmas az adatok elemzésére és döntéstámogató megállapításokká való átalakítására, azonban kifejezetten a streamként érkező valós idejű adatok feldolgozására lett kialakítva. Ebben az esetben az üzleti elemzők csak előzményadatokkal dolgoznak.