Rekomendasi untuk mengoptimalkan biaya data
Berlaku untuk rekomendasi daftar periksa Pengoptimalan Biaya Azure Well-Architected Framework ini:
| CO:10 | Optimalkan biaya data. Pengeluaran data dengan prioritas data. Pengoptimalan data harus mencakup peningkatan manajemen data (tingkatan dan retensi), volume, replikasi, cadangan, format file, dan solusi penyimpanan. |
|---|
Panduan ini menjelaskan rekomendasi untuk mengoptimalkan biaya data untuk beban kerja. Mengoptimalkan biaya data melibatkan peminimalan pengeluaran yang terkait dengan penyimpanan dan pengelolaan data sesuai dengan signifikansi dan frekuensi aksesnya. Manajemen data yang sesuai dapat secara signifikan mengurangi biaya overhead dan menyelaraskan pengeluaran dengan utilitas data. Mengabaikan untuk mengoptimalkan biaya data dapat menyebabkan pengeluaran yang meningkat, alokasi sumber daya yang tidak efisien, dan limbah keuangan karena solusi penyimpanan yang tidak sejalan dan retensi data yang tidak perlu.
Definisi
| Istilah | Definisi |
|---|---|
| Manajemen siklus hidup data | Proses pengelolaan data di seluruh siklus hidupnya, mulai dari pembuatan hingga penghapusan. Proses ini melibatkan pengaturan, penyimpanan, perlindungan, dan pengarsipan data berdasarkan nilai dan pola penggunaannya. |
| Redundansi data | Praktik penyimpanan salinan duplikat data di beberapa sistem atau lokasi penyimpanan. Tujuan redundansi data adalah untuk meningkatkan ketersediaan data dan toleransi kesalahan. |
| Tingkatan data | Strategi penyimpanan yang melibatkan kategorisasi data berdasarkan frekuensi aksesnya dan menyimpannya pada tingkat penyimpanan yang sesuai. |
| Kebijakan penyimpanan | Durasi data mana yang harus disimpan sebelum dapat dihapus. Ini menentukan periode waktu di mana data harus dipertahankan untuk memenuhi persyaratan hukum, peraturan, atau bisnis. |
Strategi desain utama
Dalam beban kerja tertentu, Anda mengoptimalkan biaya data dengan mengurangi pengeluaran yang terkait dengan penyimpanan dan pengelolaan data. Ada berbagai strategi dan praktik terbaik untuk meminimalkan penyimpanan data dan biaya pemrosesan. Tujuannya adalah untuk menyelaraskan biaya data dengan prioritas data. Anda perlu menetapkan tingkat biaya ke jenis data berdasarkan kepentingan atau frekuensi aksesnya.
Driver utama untuk biaya data beban kerja adalah frekuensi akses, latensi akses, dan jumlah penyimpanan. Panduan berikut berisi strategi untuk mengoptimalkan biaya di seluruh pendorong biaya ini.
Mengambil inventarsi data
Sebelum dapat mengoptimalkan biaya data, Anda perlu membuat inventarisasi data. Periksa akses data dan tentukan kepentingannya dalam beban kerja Anda dan operasinya. Identifikasi data mana yang sering diakses dan data mana yang lebih jarang diakses. Tindakan inventori berikut dapat membantu Anda mengalokasikan sumber daya penyimpanan secara efektif:
Kumpulkan informasi akses data: Lakukan audit data untuk mengidentifikasi dan membuat katalog semua penyimpanan data. Tentukan nilai himpunan data berdasarkan kepentingannya terhadap operasi bisnis, pengembalian investasi, dan frekuensi penggunaan. Kumpulkan log akses, metrik penggunaan, atau analitik dari solusi penyimpanan data Anda.
Mengidentifikasi jenis data: Mengategorikan data berdasarkan jenisnya, seperti data pribadi, data keuangan, kekayaan intelektual, atau data operasional. Pahami sensitivitas dan kekritisan setiap jenis data.
Identifikasi pola akses: Identifikasi pola dalam akses data, seperti pola penggunaan harian, mingguan, atau bulanan. Anda harus memahami latensi, ukuran file, dan persyaratan kesegaran data untuk data tersebut.
Memprioritaskan data
Prioritas data adalah proses mengategorikan dan menetapkan tingkat kepentingan ke jenis data berdasarkan sensitivitas dan kekritisan. Prioritas data harus selaras dengan pentingnya lingkungan. Misalnya, data produksi lebih penting daripada data praproduksi.
Menilai pentingnya berbagai jenis data ke beban kerja Anda dengan menggunakan langkah-langkah berikut:
Tentukan tingkat prioritas: Menetapkan tingkat prioritas untuk data (seperti tinggi, sedang, dan rendah) berdasarkan nilainya terhadap organisasi, persyaratan peraturan, dan potensi efek kehilangan data. Tujuannya adalah untuk menyelaraskan prioritas data dengan solusi data yang sesuai.
Tetapkan label: Beri label setiap himpunan data dengan sensitivitas dan kekritisannya. Anda dapat menerapkan label di tingkat baris, kolom, atau file, tergantung pada struktur dan penggunaan data. Untuk database, Anda dapat menggunakan alat khusus untuk memberi label dan menghubungkan sensitivitas dan kekritisan data dengan baris dan kolom tertentu. Pendekatan ini memberikan kontrol terperinci atas manajemen dan akses data.
Optimalkan manajemen data
Manajemen data adalah proses menyimpan, memindahkan, dan mengamankan data beban kerja. Dengan mengoptimalkan manajemen data, Anda dapat menyelaraskan pengeluaran ke prioritas data dan memperoleh lebih banyak nilai dari data Anda. Pertimbangkan strategi berikut untuk manajemen data.
Mengoptimalkan manajemen siklus hidup data
Penting untuk mengelola data sepanjang siklus hidupnya. Tahapan siklus hidup termasuk pembuatan data (atau akuisisi), penyimpanan, penggunaan, berbagi, retensi, dan pembuangan (penghapusan atau pengarsipan). Tujuan dari manajemen siklus hidup data adalah untuk mengoptimalkan solusi penyimpanan data sambil mematuhi peraturan dan kebijakan yang relevan.
Penyimpanan data memiliki tiga komponen biaya penting:
Biaya penyimpanan: Biaya yang terkait dengan penyimpanan data, seperti per gigabyte.
Biaya transaksi: Biaya yang terkait dengan operasi data, seperti operasi tulis, operasi baca, dan pengambilan data (per gigabyte). Membaca dan menulis data mungkin memiliki biaya yang berbeda.
Biaya latensi: Biaya yang terkait dengan kecepatan atau keterlambatan dalam mengakses data.
Pertimbangan berikut adalah dasar untuk manajemen siklus hidup data:
Gunakan tingkatan data: Tujuan dari tingkatan data adalah untuk menyelaraskan akses dan retensi dengan tingkat penyimpanan yang paling hemat biaya. Tingkat penyimpanan berkisar dari akses yang sering/langsung (panas) hingga akses jarang/tertunda (dingin).
Lebih mahal untuk menggunakan tingkatan yang tidak selaras dengan akses data dan kebutuhan retensi. Misalnya, data yang sering diakses aplikasi Anda harus berada di penyimpanan panas. Data yang jarang diakses aplikasi Anda harus berada di penyimpanan dingin. Mengelola aspek-aspek ini secara efektif membantu memastikan penyimpanan data yang efisien.
Pertimbangkan persyaratan kepatuhan: Menerapkan tingkatan data memerlukan pertimbangan yang cermat tentang persyaratan kepatuhan dan kebijakan tata kelola data. Persyaratan kepatuhan dan hukum sering mendorong akses dan retensi data. Tetapkan kebijakan retensi data untuk memastikan kepatuhan terhadap persyaratan hukum, peraturan, dan bisnis.
Tentukan kebijakan siklus hidup data. Kebijakan siklus hidup data menentukan kapan dan bagaimana data harus dipindahkan di antara tingkat penyimpanan berdasarkan kriteria yang telah ditentukan sebelumnya. Kebijakan ini memastikan bahwa Anda menyimpan data di tingkat yang sesuai selama durasi yang diperlukan. Misalnya, kebijakan dapat menyatakan bahwa data harus disimpan di tingkat panas selama 30 hari, di tingkat dingin selama 90 hari, dan di tingkat arsip selama satu tahun. Tetapkan periode retensi berdasarkan faktor-faktor seperti persyaratan hukum, peraturan industri, atau kebijakan internal.
Gunakan otomatisasi: Kebijakan retensi dapat memicu pergerakan data antar tingkatan. Anda harus mengotomatiskan kebijakan dengan menggunakan fitur platform sebelum membangun solusi kustom apa pun.
Ketika periode retensi untuk tingkat tertentu kedaluwarsa, kebijakan dapat secara otomatis memindahkan data ke tingkat bernilai lebih rendah berikutnya. Misalnya, ketika periode retensi untuk tingkat panas berakhir, kebijakan dapat memindahkan data ke tingkat dingin. Kebijakan ini memastikan bahwa data terus dioptimalkan berdasarkan pola akses dan persyaratan biayanya.
Tradeoff: Mengelola kebijakan retensi data memerlukan pemantauan dan pemeliharaan yang sedang berlangsung. Ini dapat memperkenalkan lebih banyak overhead untuk proses manajemen data. Ini mungkin juga memengaruhi biaya penyimpanan. Periode retensi yang lebih lama atau penggunaan tingkat penyimpanan dengan biaya lebih tinggi dapat meningkatkan pengeluaran penyimpanan.
Risiko: Implementasi manajemen siklus hidup data yang buruk dapat menyebabkan kehilangan data atau akses terbatas ke data penting. Anda harus memiliki mekanisme pencadangan dan pemulihan yang tepat untuk mengurangi risiko kehilangan data.
Mengoptimalkan segmentasi data
Mengoptimalkan segmentasi data melibatkan pengorganisasian data secara strategis ke dalam segmen yang berbeda dan mengonsolidasikan jenis data serupa untuk mengalokasikan sumber daya penyimpanan secara efisien. Ini memungkinkan Anda menyesuaikan alokasi sumber daya penyimpanan dengan prioritas data.
Untuk mengoptimalkan segmentasi data secara efektif, Anda mengategorikan data berdasarkan jenis dan pola penggunaan. Kemudian Anda menempatkan segmen data pada solusi yang paling efektif tergantung pada kesamaan dan persyaratan operasionalnya. Misalnya, Anda menempatkan data yang memerlukan penyimpanan berkinerja tinggi pada sumber daya dengan waktu pengambilan yang lebih cepat. Data arsip menggunakan sumber daya dengan biaya lebih rendah dengan waktu pengambilan yang lebih lambat.
Pendekatan ini memastikan bahwa data permintaan tinggi menggunakan penyimpanan yang lebih cepat untuk performa optimal dan data yang kurang diakses menggunakan penyimpanan yang lebih murah. Demikian pula, ketika jenis data berbagi pola penggunaan, Anda harus mengelompokkannya bersama-sama pada satu sumber daya untuk mengurangi overhead, menyederhanakan manajemen, dan meningkatkan penanganan data.
Meminimalkan transfer data
Meminimalkan transfer data mengacu pada pengurangan pergerakan data di seluruh jaringan untuk mengurangi biaya transfer data. Ini mengurangi volume data yang dipindahkan beban kerja dan menurunkan biaya penggunaan jaringan. Untuk meminimalkan transfer data, pertimbangkan rekomendasi berikut:
- Gunakan lokasi yang tepat. menempatkan data secara geografis lebih dekat dengan penggunanya. Kedekatan data mengurangi perjalanan jaringan, yang mempercepat akses dan mengoptimalkan biaya.
- Gunakan penembolokan. Pertimbangkan manfaat penembolokan untuk meminimalkan transfer data.
- Gunakan jaringan pengiriman konten. Jaringan pengiriman konten dapat menyimpan data statis yang sering dibaca lebih dekat dengan pengguna. Ini mengurangi pergerakan data di seluruh jaringan dan membantu membongkar penggunaan bandwidth.
Mengoptimalkan keamanan dan kepatuhan
Data produksi tertentu menuntut persyaratan keamanan dan kepatuhan yang lebih tinggi. Langkah-langkah ini mungkin memberlakukan biaya tambahan yang terkait dengan perlindungan data, enkripsi, pencadangan, retensi, dan audit.
Anda harus memastikan bahwa perubahan dalam solusi penyimpanan data mematuhi persyaratan ini. Data yang memiliki persyaratan keamanan dan kepatuhan yang lebih rendah sering kali memberikan kesempatan untuk mengoptimalkan biaya.
Mengoptimalkan volume data
Menemukan strategi untuk mengurangi jumlah data yang Anda simpan dapat membantu mengurangi biaya. Dengan mengubah aksesibilitas data dan menerapkan teknik berikut, Anda dapat mengoptimalkan volume data yang disimpan secara efektif:
Ambil lebih sedikit data: Lihat lebih dekat data yang Anda tangkap. Tentukan apakah salah satu dari itu tidak perlu untuk tujuan Anda. Ubah proses, pengaturan, atau konfigurasi Anda untuk mengambil hanya data penting.
Kompres data: Pemadatan menghemat uang dengan mengurangi ukuran data. Ini paling efektif dalam skenario tulis-sekali, baca-tidak-pernah atau jarang baca. Ini lebih cocok untuk penyimpanan yang lebih dingin.
Tradeoff: Kompresi dan dekompresi data meningkatkan waktu CPU.Menghapus data yang tidak diperlukan: Menerapkan kebijakan untuk menyederhanakan proses penyimpanan informasi yang relevan. Evaluasi periode retensi untuk cadangan dan rekam jepret, dan hapus data yang tidak lagi Anda butuhkan. Anda mungkin ingin memiliki proses yang mengarah ke penghapusan data akhirnya, seperti pengarsipan data pertama dan mengaktifkan periode penghapusan sementara. Selalu pertimbangkan pemulihan sebelum menghapus data.
Data deduplikasi: Menerapkan teknik deduplikasi data untuk menghilangkan data yang berlebihan. Deduplikasi mengurangi persyaratan penyimpanan dengan memastikan bahwa Anda hanya menyimpan blok data unik, sehingga Anda menghemat biaya. Gunakan algoritma hashing dan perbandingan potongan data. Jalankan proses deduplikasi secara teratur untuk mengidentifikasi dan menghilangkan data duplikat.
Optimalkan perilaku pengguna: Dalam beban kerja yang mengumpulkan data yang dihasilkan pengguna, edukasi pengguna tentang pentingnya penyimpanan data yang efisien. Dorong mereka untuk meninjau dan menghapus file dan data yang tidak perlu secara teratur. Menerapkan kuota penyimpanan atau model harga yang mencegah penyimpanan data yang berlebihan.
Mengoptimalkan replikasi data
Replikasi data melibatkan pembuatan beberapa salinan data dan menyimpannya di lokasi atau zona geografis lain untuk keandalan. Replikasi memastikan bahwa jika satu lokasi atau zona mengalami kegagalan atau pemadaman, Anda masih dapat mengakses data dari salinan yang direplikasi di lokasi lain.
Redundansi ini membantu meningkatkan ketersediaan dan ketahanan data. Ini meminimalkan risiko kehilangan data dan waktu henti.
Untuk mengoptimalkan replikasi data untuk pengoptimalan biaya, pertimbangkan panduan berikut:
Mengevaluasi persyaratan replikasi data: Menilai kebutuhan spesifik beban kerja Anda dan menentukan tingkat replikasi data yang diperlukan. Pertimbangkan faktor-faktor seperti kekritisan data, tujuan waktu pemulihan (RTO), dan tujuan titik pemulihan (RPO).
Pilih strategi replikasi yang tepat: Pilih teknologi replikasi yang selaras dengan tujuan Anda untuk pengoptimalan biaya. Pertimbangkan persyaratan perjanjian tingkat layanan (SLA) untuk beban kerja Anda.
Evaluasi opsi seperti replikasi sinkron, replikasi asinkron, atau kombinasi keduanya. Mendasarkan keputusan tentang faktor-faktor seperti persyaratan konsistensi data dan pertimbangan bandwidth jaringan. Menilai tingkat ketersediaan yang Anda butuhkan untuk beban kerja Anda, dan mengevaluasi kebutuhan akan zonal versus redundansi regional.
Optimalkan bandwidth jaringan: Minimalkan penggunaan bandwidth jaringan dengan menerapkan teknik kompresi dan deduplikasi data. Teknik ini dapat mengurangi jumlah data yang ditransfer selama replikasi, yang dapat menghemat biaya.
Memantau dan mengoptimalkan frekuensi replikasi: Tinjau dan sesuaikan frekuensi replikasi secara teratur berdasarkan perubahan kebutuhan beban kerja Anda. Menyempurnakan frekuensi replikasi dapat membantu mengoptimalkan biaya dengan mengurangi overhead replikasi yang tidak perlu.
Mengoptimalkan pencadangan
Cadangan adalah rekam jepret berkala atau salinan data yang dapat Anda buat dan simpan secara terpisah dari penyimpanan utama. Jika ada kerusakan data, penghapusan yang tidak disengaja, atau kegagalan sistem, Anda dapat menggunakan cadangan untuk memulihkan data ke status sebelumnya.
Berikut adalah beberapa teknik untuk mengoptimalkan pencadangan:
Klasifikasi data: Mengklasifikasikan data Anda berdasarkan kepentingan dan prioritasnya untuk pencadangan. Klasifikasi membantu Anda memfokuskan sumber daya untuk mencadangkan data penting sambil meminimalkan biaya pencadangan untuk data yang kurang penting.
Pencadangan inkremental: Alih-alih melakukan pencadangan penuh setiap saat, pertimbangkan untuk menerapkan pencadangan inkremental. Pencadangan inkremental hanya menangkap perubahan yang dilakukan sejak pencadangan terakhir, yang dapat mengurangi persyaratan penyimpanan dan bandwidth jaringan.
Tradeoff: Pencadangan inkremental memerlukan lebih banyak langkah dan waktu untuk memulihkan data. Anda perlu memulihkan pencadangan penuh terlebih dahulu lalu menerapkan setiap pencadangan bertahap secara berurutan sampai Anda mencapai titik pemulihan yang diinginkan.Pemadatan cadangan: Aktifkan pemadatan selama proses pencadangan untuk mengurangi ukuran file cadangan. Pencadangan terkompresi membutuhkan lebih sedikit ruang penyimpanan, sehingga Anda dapat menghemat biaya.
Tingkat penyimpanan cadangan: Evaluasi kebijakan retensi cadangan Anda dan pertimbangkan untuk memindahkan cadangan lama ke tingkat penyimpanan yang lebih rendah, seperti penyimpanan dingin atau penyimpanan arsip. Menyimpan cadangan yang kurang sering diakses dalam opsi penyimpanan hemat biaya membantu mengoptimalkan biaya.
Periode retensi cadangan: Tinjau dan sesuaikan periode retensi untuk cadangan Anda berdasarkan persyaratan bisnis dan peraturan kepatuhan. Mempertahankan cadangan untuk durasi yang lebih lama dapat menyebabkan biaya penyimpanan tambahan.
Frekuensi pencadangan: Menganalisis frekuensi pencadangan untuk berbagai jenis data. Sesuaikan jadwal pencadangan berdasarkan frekuensi perubahan data dan pentingnya data. Praktik ini membantu menghilangkan pencadangan yang tidak perlu dan mengurangi biaya penyimpanan.
Mengoptimalkan format file
Format file memengaruhi pengoptimalan biaya dengan mengoptimalkan pola input/output (I/O) dan pola kueri data Anda. Beberapa format file melayani skenario tertentu. Menyelaraskan format file dengan persyaratan beban kerja Anda dapat meningkatkan performa beban kerja.
Berikut adalah pertimbangan untuk format umum:
Avro: Format file Avro adalah pilihan yang baik saat Anda berhadapan dengan pola I/O tulis-berat atau ketika pola kueri mengharuskan mengambil beberapa baris rekaman secara keseluruhan. Proses serialisasi dan deserialisasi Avro efisien, sehingga kompatibel dengan bus pesan seperti Kafka yang menghasilkan serangkaian peristiwa dan pesan berturut-turut cepat.
Parquet dan Optimized Row Columnar (ORC): Format file Parquet dan ORC unggul dalam skenario pola I/O baca-berat atau saat pola kueri berfokus pada kolom rekaman tertentu.
Kedua format adalah penyimpanan kolumnar, yang berarti bahwa data disimpan kolom menurut kolom daripada baris demi baris. Penyimpanan kolumnar memungkinkan peningkatan kompresi dan operasi baca yang efisien. Hanya kolom yang diperlukan yang perlu diambil, sehingga Anda menghindari I/O yang tidak perlu untuk data yang tidak relevan.
Mengoptimalkan solusi penyimpanan
Evaluasi dan pilih metode dan sistem penyimpanan yang paling sesuai untuk data Anda. Upaya ini mungkin termasuk beralih database, menggunakan jenis penyimpanan yang berbeda, atau menambahkan mekanisme penembolokan. Kemudahan manajemen adalah faktor lain yang perlu dipertimbangkan ketika Anda memilih solusi penyimpanan.
Dengan menyesuaikan solusi penyimpanan dengan kebutuhan dan karakteristik data tertentu, Anda dapat mencapai efektivitas biaya yang lebih baik sambil memenuhi tuntutan performa dan skalabilitas. Ada biaya yang terkait dengan beralih database atau layanan penukaran, tetapi menyimpan data dalam solusi penyimpanan yang salah dapat dikenakan biaya tambahan.
Berikut adalah beberapa kasus penggunaan:
Beralih database: Anda dapat mempertimbangkan untuk beralih ke sistem database yang lebih sesuai dengan kebutuhan Anda. Misalnya, jika Anda menggunakan database relasional, Anda dapat menjelajahi opsi pindah ke database NoSQL jika data Anda lebih berorientasi dokumen atau memerlukan skema yang fleksibel.
Berpindah dari database relasional ke penyimpanan file datar: Dalam beberapa kasus, menyimpan data dalam file datar alih-alih database relasional tradisional dapat memberikan keuntungan seperti kesederhanaan dan efektivitas biaya. File datar sangat cocok untuk jenis data tertentu, seperti file log atau data yang tidak memerlukan kueri kompleks. Misalnya, Anda dapat menyimpan gambar biner dalam database SQL, tetapi lebih hemat biaya untuk menyimpannya di layanan penyimpanan yang khusus untuk menangani data biner.
Beralih dari infrastruktur sebagai layanan (IaaS) ke platform as a service (PaaS): Solusi database IaaS dapat memakan waktu dan properti intensif sumber daya yang mengalihkan perhatian tim teknis dari tugas inti. Pertumbuhan volume data dan tantangan penskalaan manual, pencadangan, dan pemeliharaan infrastruktur dapat membuat solusi PaaS lebih hemat biaya dan efisien.
Menambahkan cache: Untuk mengurangi penggunaan sumber daya di server database utama, pertimbangkan untuk menggunakan solusi cache untuk penembolokan hasil kueri yang kompleks. Menyesuaikan server database mungkin membantu mengoptimalkan biaya. Dengan kasus penggunaan yang berlaku, pertimbangkan untuk menggunakan time to live (TTL) dengan data cache untuk mengurangi kebutuhan penyimpanan dan mengurangi biaya.
Penyimpanan kueri yang dioptimalkan versus penyimpanan data: Penyimpanan yang dioptimalkan kueri dirancang untuk pengambilan dan analisis data yang cepat. Mereka berfokus pada penyerapan dan pembacaan data cepat tetapi tidak sering diperbarui. Ini bagus untuk data rangkaian waktu dan akses cepat ke data terbaru, tetapi tidak untuk tugas transaksi yang berat.
Penyimpanan data menangani data fleksibel dalam volume besar, terutama data yang tidak terstruktur atau semi terstruktur. Meskipun penyimpanan data dapat mendukung analitik, tugas kompleks mungkin memerlukan database khusus. Yang terbaik adalah menyimpan banyak data variabel seperti log atau konten yang dihasilkan pengguna dalam skenario seperti kasus penggunaan NoSQL.
Fasilitasi Azure
Mengambil inventarisasi data: Microsoft Purview adalah keluarga solusi tata kelola data, risiko, dan kepatuhan yang dapat membantu organisasi Anda mengatur, melindungi, dan mengelola seluruh data estate Anda. Solusi Microsoft Purview menyediakan cakupan terintegrasi dan membantu mengatasi peningkatan terbaru dalam konektivitas pengguna jarak jauh, fragmentasi data di seluruh organisasi, dan pengaburan peran manajemen TI tradisional.
Mengoptimalkan manajemen data: Azure Storage dan Azure Data Lake Storage memiliki tingkat akses data yang berbeda. Mereka juga menawarkan kebijakan manajemen siklus hidup data yang mengotomatiskan tingkatan dan retensi data.
Anda dapat menggunakan kebijakan berbasis aturan untuk transisi data blob ke tingkat akses yang sesuai atau untuk kedaluwarsa data di akhir siklus hidupnya. Kebijakan ini memungkinkan Anda untuk transisi blob dari dingin (atau dingin) ke panas segera ketika diakses, untuk mengoptimalkan performa.
Mengoptimalkan pencadangan: Layanan Azure Backup menyediakan beberapa kemampuan untuk menyederhanakan cadangan Anda. Ini menawarkan fitur seperti cadangan database asli dan cadangan penyimpanan melalui rekam jepret disk. Ini mendukung pencadangan komputer virtual, retensi jangka panjang, dan manajemen cadangan.
Berikut adalah beberapa fitur layanan:
Pemantauan: Anda dapat menggunakan Pusat pencadangan sebagai panel kaca tunggal untuk memantau pekerjaan dan inventori cadangan Anda setiap hari. Pusat Pencadangan menyediakan antarmuka untuk laporan Cadangan, yang menggunakan Log Azure Monitor dan buku kerja Azure.
Laporan: Laporan cadangan menawarkan kemampuan berikut:
- Mengalokasikan dan memperkirakan penyimpanan cloud yang digunakan.
- Mengaudit pencadangan dan pemulihan.
- Identifikasi tren utama di berbagai tingkat granularitas.
- Dapatkan visibilitas dan wawasan tentang peluang pengoptimalan biaya untuk cadangan Anda.
Kapasitas yang dipesan: kapasitas cadangan Azure Backup Storage menawarkan diskon kapasitas untuk data cadangan yang disimpan untuk tingkat standar vault ketika Anda berkomitmen pada reservasi selama satu tahun atau tiga tahun. Reservasi menyediakan jumlah kapasitas penyimpanan cadangan yang tetap untuk jangka waktu reservasi.
Tingkat arsip: Anda dapat menggunakan Azure Backup untuk menyimpan data cadangan, termasuk data cadangan retensi jangka panjang (LTR), sesuai dengan kebutuhan retensi yang ditentukan aturan kepatuhan organisasi Anda. Dalam kebanyakan kasus, data cadangan yang lebih lama jarang diakses dan hanya disimpan untuk kebutuhan kepatuhan. Azure Backup mendukung pencadangan titik LTR di tingkat arsip, selain rekam jepret dan tingkat standar.
Mengoptimalkan solusi penyimpanan: Azure memiliki banyak solusi penyimpanan. Mereka menawarkan berbagai fitur dan kemampuan untuk membantu mengoptimalkan biaya berdasarkan kebutuhan spesifik Anda. Azure memiliki panduan untuk membantu Anda memilih penyimpanan data yang tepat.
Untuk memilih solusi dan konfigurasi penyimpanan yang paling cocok, penting untuk menilai pola akses data, kebutuhan retensi, dan persyaratan performa Anda. Memantau dan mengoptimalkan penggunaan penyimpanan Anda secara teratur dengan menggunakan alat seperti Azure Advisor dapat membantu Anda mengoptimalkan biaya lebih lanjut.
Tautan terkait
- Rekomendasi untuk konsolidasi
- Microsoft.Purview
- Tingkat akses data
- Kebijakan manajemen siklus hidup data
- Azure Backup Storage
- Tingkat arsip
- Pemilihan penyimpanan data yang tepat
Daftar periksa Pengoptimalan Biaya
Lihat kumpulan rekomendasi lengkap.
Saran dan Komentar
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat: https://aka.ms/ContentUserFeedback.
Kirim dan lihat umpan balik untuk