Architectuurstrategieën voor het optimaliseren van gegevenskosten

Is van toepassing op deze controlelijst voor Azure Well-Architected Framework Cost Optimization:

In deze handleiding worden de aanbevelingen beschreven voor het optimaliseren van gegevenskosten voor een workload. Het optimaliseren van gegevenskosten omvat het minimaliseren van de kosten met betrekking tot de opslag en het beheer van gegevens op basis van de significantie en de toegangsfrequentie. Geschikt gegevensbeheer kan de overheadkosten aanzienlijk verlagen en uitgaven afstemmen op het gegevenshulpprogramma. Het niet optimaliseren van gegevenskosten kan leiden tot opgeblazen uitgaven, inefficiënte resourcetoewijzing en financieel afval vanwege verkeerd uitgelijnde opslagoplossingen en onnodige gegevensretentie.

Definities

Binnen een specifieke workload optimaliseert u gegevenskosten door de kosten te verminderen die zijn gekoppeld aan het opslaan en beheren van gegevens. Er zijn verschillende strategieën en best practices om de kosten voor gegevensopslag en verwerking te minimaliseren. Het doel is om gegevenskosten af te stemmen op gegevensprioriteit. U moet kostenlagen toewijzen aan typen gegevens op basis van hun urgentie of frequentie van toegang.

De belangrijkste factoren voor de kosten van workloadgegevens zijn toegangsfrequentie, toegangslatentie en opslaghoeveelheid. De volgende richtlijnen bevatten strategieën voor het optimaliseren van kosten voor deze kostenfactoren.

Inventariseren van gegevens

Voordat u de kosten van uw gegevens kunt optimaliseren, moet u een inventaris van gegevens genereren. Bekijk gegevenstoegang en bepaal het belang ervan binnen uw workload en de bijbehorende bewerkingen. Bepaal welke gegevens regelmatig worden geopend en welke gegevens minder vaak worden geopend. Met de volgende inventarisacties kunt u opslagbronnen effectief toewijzen:

• Gegevenstoegang verzamelen: Voer een gegevenscontrole uit om alle gegevensarchieven te identificeren en te catalogiseren. Bepaal de waarde van gegevenssets op basis van hun belang voor bedrijfsactiviteiten, rendement op investering en gebruiksfrequentie. Verzamel toegangslogboeken, metrische gegevens over gebruik of analyses van uw gegevensopslagoplossingen.

• Gegevenstypen identificeren: Categoriseer gegevens op basis van het type, zoals persoonlijke gegevens, financiële gegevens, intellectueel eigendom of operationele gegevens. Inzicht in de gevoeligheid en kritiek van elk gegevenstype.

• Toegangspatronen identificeren: Identificeer de patronen in gegevenstoegang, zoals dagelijkse, wekelijkse of maandelijkse gebruikspatronen. U moet inzicht hebben in latentie, bestandsgrootten en vereisten voor het vernieuwen van gegevens voor die gegevens.

Gegevens prioriteren

Prioriteitstelling van gegevens is het proces van het categoriseren en toewijzen van urgentieniveaus aan typen gegevens op basis van gevoeligheid en kritiek. Gegevensprioriteit moet overeenkomen met het belang van de omgeving. Productiegegevens zijn bijvoorbeeld belangrijker dan preproductiegegevens.

Evalueer het belang van verschillende soorten gegevens voor uw workload met behulp van deze stappen:

1. Prioriteitsniveaus definiëren: Stel prioriteitsniveaus vast voor gegevens (zoals hoog, gemiddeld en laag) op basis van de waarde ervan voor de organisatie, wettelijke vereisten en potentiële gevolgen van gegevensverlies. Het doel is om de gegevensprioriteit af te stemmen op de juiste gegevensoplossing.

2. Labels toewijzen: Label elke gegevensset met de gevoeligheid en kritiek. U kunt labels toepassen op rij-, kolom- of bestandsniveau, afhankelijk van de gegevensstructuur en het gebruik. Voor databases kunt u een speciaal hulpprogramma gebruiken om de gevoeligheid en kritiek van gegevens te labelen en te relateren aan specifieke rijen en kolommen. Deze aanpak biedt gedetailleerde controle over het beheer en de toegang tot gegevens.

Gegevensbeheer optimaliseren

Gegevensbeheer is het proces voor het opslaan, verplaatsen en beveiligen van workloadgegevens. Door gegevensbeheer te optimaliseren, kunt u uitgaven afstemmen op gegevensprioriteit en meer waarde afleiden uit uw gegevens. Houd rekening met de volgende strategieën voor gegevensbeheer.

Beheer van gegevenslevenscyclus optimaliseren

Het is belangrijk om gegevens gedurende de gehele levenscyclus te beheren. Fasen van de levenscyclus omvatten het maken van gegevens (of het verkrijgen), opslag, gebruik, delen, bewaren en verwijderen (verwijderen of archiveren). Het doel van het beheer van de levenscyclus van gegevens is het optimaliseren van oplossingen voor gegevensopslag en het voldoen aan relevante regelgeving en beleid.

Gegevensopslag heeft drie essentiële kostenonderdelen:

• Opslagkosten: de kosten die zijn gekoppeld aan het opslaan van gegevens, zoals per gigabyte.

• Transactiekosten: kosten die zijn gekoppeld aan gegevensbewerkingen, zoals schrijfbewerkingen, leesbewerkingen en het ophalen van gegevens (per gigabyte). Het lezen en schrijven van gegevens kan verschillende kosten hebben.

• Latentiekosten: de kosten die zijn gekoppeld aan de snelheid of vertraging bij het openen van de gegevens.

De volgende overwegingen zijn fundamenteel voor het beheer van de levenscyclus van gegevens:

• Gebruik maken van dataverdeling: Het doel van dataverdeling is om toegangs- en bewaarbehoeften af te stemmen op het meest kosteneffectieve opslagniveau. Opslaglagen variëren van frequente/directe toegang (dynamisch) tot onregelmatige/vertraagde toegang (koud).

  Het kost meer om een laag te gebruiken die niet overeenkomt met de behoeften voor gegevenstoegang en retentie. Gegevens waartoe uw toepassing bijvoorbeeld vaak toegang heeft, moeten zich in dynamische opslag bevinden. Gegevens waartoe uw toepassing zelden toegang heeft, moeten zich in koude opslag bevinden. Door deze aspecten effectief te beheren, zorgt u voor efficiënte gegevensopslag.

• Houd rekening met nalevingsvereisten: Het implementeren van data-tiering vereist een zorgvuldige afweging van nalevingsvereisten en data governancebeleid. Nalevings- en wettelijke vereisten stimuleren vaak gegevenstoegang en -retentie. Bewaarbeleid voor gegevens vaststellen om te zorgen voor naleving van wettelijke, wettelijke en zakelijke vereisten.

• Beleid voor de levenscyclus van gegevens definiëren. Beleidsregels voor de levenscyclus van gegevens geven aan wanneer en hoe gegevens moeten worden verplaatst tussen opslaglagen op basis van vooraf gedefinieerde criteria. Deze beleidsregels zorgen ervoor dat u gegevens in de juiste laag bewaart voor de vereiste duur. Een beleid kan bijvoorbeeld aangeven dat gegevens gedurende 30 dagen in de dynamische laag moeten worden bewaard, in de statische laag gedurende 90 dagen en in de archieflaag gedurende één jaar. Stel de bewaarperiode in op basis van factoren zoals wettelijke vereisten, branchevoorschriften of intern beleid.

• Automatisering gebruiken: bewaarbeleid kan de verplaatsing van gegevens tussen lagen activeren. U moet beleidsregels automatiseren met behulp van platformfuncties voordat u een aangepaste oplossing bouwt.

  Wanneer de bewaarperiode voor een bepaalde laag verloopt, kan het beleid de gegevens automatisch verplaatsen naar de volgende laag met lagere kosten. Wanneer de bewaarperiode voor de dynamische laag eindigt, kan het beleid de gegevens bijvoorbeeld verplaatsen naar de statische laag. Het beleid zorgt ervoor dat gegevens continu worden geoptimaliseerd op basis van de toegangspatronen en kostenvereisten.

Compromis: het beheren van beleid voor gegevensretentie vereist doorlopende bewaking en onderhoud. Dit kan leiden tot meer overhead voor gegevensbeheerprocessen. Het kan ook van invloed zijn op de opslagkosten. Langere bewaarperioden of het gebruik van hogere opslaglagen kunnen de opslagkosten verhogen.

Risico: Een slechte implementatie van gegevenslevenscyclusbeheer kan leiden tot gegevensverlies of beperkte toegang tot kritieke gegevens. U moet over de juiste back-up- en herstelmechanismen beschikken om het risico op gegevensverlies te beperken.

Gegevenssegmentatie optimaliseren

Het optimaliseren van gegevenssegmentatie omvat het strategisch organiseren van gegevens in afzonderlijke segmenten en het consolideren van vergelijkbare gegevenstypen om efficiënt opslagbronnen toe te wijzen. Hiermee kunt u de toewijzing van opslagbronnen aan gegevensprioriteit aanpassen.

Als u gegevenssegmentatie effectief wilt optimaliseren, categoriseert u gegevens op type en gebruikspatroon. Vervolgens plaatst u de gegevenssegmenten op de meest effectieve oplossing, afhankelijk van hun operationele overeenkomsten en vereisten. U plaatst bijvoorbeeld gegevens die opslag met hoge prestaties op resources vereisen met een snellere ophaaltijd. Archiveringsgegevens maken gebruik van een goedkopere resource met tragere ophaaltijd.

Deze aanpak zorgt ervoor dat gegevens met een hoge vraag snellere opslag gebruiken voor optimale prestaties en mindergebruikte gegevens goedkopere opslag gebruiken. Wanneer gegevenstypen gebruikspatronen delen, moet u ze ook groeperen op één resource om overhead te verminderen, het beheer te vereenvoudigen en de verwerking van gegevens te verbeteren.

Gegevensoverdracht minimaliseren

Het minimaliseren van gegevensoverdracht verwijst naar het verminderen van gegevensverplaatsing tussen netwerken om de kosten voor gegevensoverdracht te verlagen. Het vermindert de hoeveelheid gegevens die de workload verplaatst en verlaagt de netwerkgebruikskosten. Houd rekening met de volgende aanbevelingen om de gegevensoverdracht te minimaliseren:

• Gebruik de juiste locatie. gegevens geografisch dichter bij de gebruikers plaatsen. Gegevensnabijheid vermindert het netwerkverkeer, waardoor de toegang wordt versneld en de kosten worden geoptimaliseerd.
• Gebruik caching. Houd rekening met de voordelen van caching om de gegevensoverdracht te minimaliseren.
• Gebruik een netwerk voor contentlevering. Een netwerk voor contentlevering kan statische gegevens die zich dichter bij gebruikers bevinden, regelmatig opslaan. Het vermindert de gegevensverplaatsing in het netwerk en helpt bij het offloaden van bandbreedtegebruik.

Beveiliging en naleving optimaliseren

Bepaalde productiegegevens eisen hogere beveiligings- en nalevingsvereisten. Deze maatregelen kunnen extra kosten met betrekking tot gegevensbeveiliging, versleuteling, back-up, retentie en controle opleggen.

U moet ervoor zorgen dat wijzigingen in oplossingen voor gegevensopslag aan deze vereisten voldoen. Gegevens met lagere beveiligings- en nalevingsvereisten bieden vaak de mogelijkheid om de kosten te optimaliseren.

Gegevensvolume optimaliseren

Strategieën zoeken om de hoeveelheid gegevens die u opslaat te verlagen, kunnen helpen de kosten te verlagen. Door de toegankelijkheid van de gegevens te wijzigen en de volgende technieken te implementeren, kunt u het volume van uw opgeslagen gegevens effectief optimaliseren:

• Minder gegevens vastleggen: bekijk de gegevens die u vastlegt. Bepaal of een van deze gegevens niet nodig is voor uw doeleinden. Pas uw proces, instellingen of configuraties aan om alleen de essentiële gegevens vast te leggen.

• Gegevens comprimeren: Compressie bespaart geld door de grootte van gegevens te verkleinen. Het is het meest effectief in scenario's waarin één keer wordt geschreven en het nooit of zelden wordt gelezen. Het is geschikter voor koudere opslag.

  Compromis: zowel compressie als decomprimatie van gegevens verhogen de CPU-tijd.

• Overbodige gegevens verwijderen: implementeer beleid om het proces van het opslaan van relevante informatie te stroomlijnen. Evalueer de bewaarperiode voor back-ups en momentopnamen en verwijder gegevens die u niet meer nodig hebt. Mogelijk wilt u een proces hebben dat leidt tot uiteindelijke gegevensverwijdering, zoals het eerst archiveren van gegevens en het inschakelen van een periode voor voorlopig verwijderen. Overweeg altijd herstelmogelijkheden voordat u gegevens verwijdert.

• Ontdubbeling van gegevens: Implementeer technieken voor gegevensontdubbeling om redundante gegevens te elimineren. Ontdubbeling vermindert de opslagvereisten door ervoor te zorgen dat u alleen unieke gegevensblokken opslaat, zodat u kosten bespaart. Hash-algoritmen en vergelijking van gegevenssegmenten gebruiken. Voer regelmatig ontdubbelingsprocessen uit om dubbele gegevens te identificeren en te elimineren.

• Gebruikersgedrag optimaliseren: in workloads die door de gebruiker gegenereerde gegevens verzamelen, informeert u gebruikers over het belang van efficiënte gegevensopslag. Moedig ze aan om onnodige bestanden en gegevens regelmatig te controleren en te verwijderen. Implementeer opslagquota of prijsmodellen die overmatige gegevensopslag ontmoedigen.

Gegevensreplicatie optimaliseren

Bij gegevensreplicatie worden meerdere kopieën van gegevens gemaakt en opgeslagen in andere geografische locaties of zones voor betrouwbaarheid. Replicatie zorgt ervoor dat als één locatie of zone een storing of uitval ondervindt, u nog steeds toegang hebt tot de gerepliceerde gegevens op andere locaties.

Deze redundantie helpt de beschikbaarheid en tolerantie van gegevens te verbeteren. Het minimaliseert het risico op gegevensverlies en downtime.

Als u de gegevensreplicatie voor kostenoptimalisatie wilt optimaliseren, moet u rekening houden met de volgende richtlijnen:

• Evalueer de vereisten voor gegevensreplicatie: evalueer de specifieke behoeften van uw workload en bepaal het vereiste gegevensreplicatieniveau. Denk aan factoren zoals gegevenskritiek, beoogde hersteltijd (RPO's) en beoogde herstelpunten.

• Kies de juiste replicatiestrategie: Selecteer een replicatietechnologie die overeenkomt met uw doelstellingen voor kostenoptimalisatie. Houd rekening met de SLA-vereisten (Service Level Agreement) voor uw workload.

  Evalueer opties zoals synchrone replicatie, asynchrone replicatie of een combinatie van beide. Baseer de beslissing op factoren zoals vereisten voor gegevensconsistentie en overwegingen voor netwerkbandbreedte. Evalueer het beschikbaarheidsniveau dat u nodig hebt voor uw workload en evalueer de behoefte aan zonegebonden versus regionale redundantie.

• Netwerkbandbreedte optimaliseren: minimaliseer het gebruik van netwerkbandbreedte door compressie- en gegevensontdubbelingstechnieken te implementeren. Deze technieken kunnen de hoeveelheid gegevens die tijdens de replicatie worden overgedragen verminderen, waardoor kosten kunnen worden bespaard.

• Replicatiefrequentie bewaken en optimaliseren: controleer regelmatig de replicatiefrequentie en pas deze aan op basis van de veranderende behoeften van uw workload. Het verfijnen van de replicatiefrequentie kan helpen de kosten te optimaliseren door onnodige replicatieoverhead te verminderen.

Back-ups optimaliseren

Een back-up is een periodieke momentopname of kopie van gegevens die u afzonderlijk van de primaire opslag kunt maken en opslaan. Als er sprake is van beschadiging van gegevens, onbedoeld verwijderen of systeemfouten, kunt u back-ups gebruiken om de gegevens te herstellen naar de vorige status.

Hier volgen enkele technieken voor het optimaliseren van back-ups:

• Gegevensclassificatie: Classificeer uw gegevens op basis van het belang en de prioriteit van de back-up. Met classificatie kunt u resources richten op het maken van back-ups van kritieke gegevens en het minimaliseren van de back-upkosten voor gegevens die minder belangrijk zijn.

• Incrementele back-ups: In plaats van elke keer volledige back-ups uit te voeren, kunt u incrementele back-ups implementeren. Met incrementele back-ups worden alleen wijzigingen vastgelegd die zijn aangebracht sinds de laatste back-up, waardoor de opslag- en netwerkbandbreedtevereisten kunnen worden verminderd.

  Afweging: incrementele back-ups vereisen meer stappen en tijd om gegevens te herstellen. U moet eerst de volledige back-up herstellen en vervolgens elke incrementele back-up op volgorde toepassen totdat u het gewenste herstelpunt bereikt.

• Back-upcompressie: schakel compressie in tijdens het back-upproces om de grootte van back-upbestanden te verkleinen. Gecomprimeerde back-ups vereisen minder opslagruimte, zodat u kosten kunt besparen.

• Back-uplagen: Beoordeel uw bewaarbeleid voor back-ups en overweeg oudere back-ups te verplaatsen naar goedkopere opslaglagen, zoals koude opslag of archiefopslag. Het opslaan van minder vaak gebruikte back-ups in rendabele opslagopties helpt bij het optimaliseren van de kosten.

• Bewaarperiode voor back-ups: controleer en pas de bewaarperioden voor uw back-ups aan op basis van bedrijfsvereisten en nalevingsregels. Het onderhouden van back-ups voor langere tijd kan leiden tot extra opslagkosten.

• Back-upfrequentie: analyseer de back-upfrequentie voor verschillende typen gegevens. Pas het back-upschema aan op basis van de frequentie van gegevenswijzigingen en het belang van de gegevens. Deze procedures helpen onnodige back-ups te elimineren en de opslagkosten te verlagen.

Bestandsindelingen optimaliseren

Bestandsindelingen zijn van invloed op kostenoptimalisatie door I/O-patronen (input/output) en querypatronen van uw gegevens te optimaliseren. Sommige bestandsindelingen zijn geschikt voor bepaalde scenario's. Door de bestandsindeling af te stemmen op uw workloadvereisten, kunnen de prestaties van de workload worden verbeterd.

Hier volgen overwegingen voor algemene indelingen:

• Avro: De Avro-bestandsindeling is een goede keuze wanneer u te maken hebt met schrijfintensieve I/O-patronen of wanneer querypatronen meerdere rijen records in hun geheel moeten ophalen. De serialisatie- en deserialisatieprocessen van Avro zijn efficiënt, dus het is compatibel met berichtbussen zoals Kafka die een reeks gebeurtenissen en berichten achter elkaar produceren.

• Parquet en Optimized Row Columnar (ORC): de bestandsindelingen Parquet en ORC excelleren in scenario's met leesintensieve I/O-patronen of wanneer de querypatronen zich richten op specifieke kolommen van de records.

  Beide indelingen zijn kolomopslag, wat betekent dat gegevens worden opgeslagen per kolom in plaats van rij per rij. Kolomopslag biedt verbeterde compressie en efficiënte leesbewerkingen. Alleen de vereiste kolommen moeten worden opgehaald, zodat u onnodige I/O voor irrelevante gegevens vermijdt.

Opslagoplossingen optimaliseren

Evalueer en selecteer de meest geschikte opslagmethoden en -systemen voor uw gegevens. Deze inspanning kan bestaan uit het schakelen tussen databases, het gebruik van verschillende opslagtypen of het toevoegen van cachemechanismen. Het gemak van beheer is een andere factor die u moet overwegen wanneer u een opslagoplossing kiest.

Door opslagoplossingen aan te passen aan de specifieke behoeften en kenmerken van de gegevens, kunt u een betere kosteneffectiviteit bereiken terwijl u voldoet aan de prestatie- en schaalbaarheidsvereisten. Er zijn kosten verbonden aan het schakelen tussen databases of het wisselen van services, maar het opslaan van gegevens in de verkeerde opslagoplossing kan u extra geld kosten.

Hier volgen enkele gebruiksvoorbeelden:

• Schakelen tussen databases: u kunt overwegen over te schakelen naar een databasesysteem dat beter aansluit bij uw behoeften. Als u bijvoorbeeld een relationele database gebruikt, kunt u de optie verkennen om over te stappen naar een NoSQL-database als uw gegevens documentgerichter zijn of flexibele schema's nodig hebben.

• Overstappen van een relationele database naar een plat bestandsarchief: In sommige gevallen kan het opslaan van gegevens in platte bestanden in plaats van een traditionele relationele database voordelen bieden, zoals eenvoud en kosteneffectiviteit. Platte bestanden zijn geschikt voor bepaalde typen gegevens, zoals logboekbestanden of gegevens waarvoor geen complexe query's nodig zijn. U kunt bijvoorbeeld binaire afbeeldingen opslaan in een SQL-database, maar het is rendabeler om ze op te slaan in een opslagservice die specifiek is voor het beheer van binaire gegevens.

• Optimaliseer de kosten voor logboekgegevens met samenvatting: Voor logboekgegevensstromen met een groot volume kunt u samenvattingstechnieken gebruiken om de opslagkosten te verlagen en tegelijkertijd analytische mogelijkheden te behouden.

• Overstappen van IaaS (Infrastructure as a Service) naar PaaS (Platform as a Service): IaaS-databaseoplossingen kunnen tijdrovende en resource-intensieve eigenschappen zijn die de aandacht van een technisch team afleiden van kerntaken. De groei van het gegevensvolume en de uitdagingen van handmatig schalen, back-ups en onderhoud van infrastructuur kan een PaaS-oplossing rendabeler en efficiënter maken.

• Een cache toevoegen: Als u het resourcegebruik op de hoofddatabaseserver wilt verminderen, kunt u overwegen om een cacheoplossing te gebruiken voor het opslaan van complexe queryresultaten. Het aanpassen van de grootte van de databaseserver kan helpen bij het optimaliseren van de kosten. Overweeg bij relevante gebruiksscenario's om 'time to live' (TTL) te gebruiken voor de gegevens in de cache om zo de opslagbehoeften en kosten te verlagen.

• Query-geoptimaliseerde versus gegevensopslagarchieven: Query-geoptimaliseerde opslagsystemen zijn ontworpen voor het snel ophalen en analyseren van gegevens. Ze richten zich op snelle gegevensopname en leesbewerkingen, maar niet op frequente updates. Ze zijn ideaal voor tijdreeksgegevens en snelle toegang tot recente gegevens, maar niet voor zware transactionele taken.

  Gegevensopslag slaat grote hoeveelheden flexibele gegevens af, met name ongestructureerde of semigestructureerde gegevens. Hoewel gegevensopslagarchieven analyses kunnen ondersteunen, hebben complexe taken mogelijk speciale databases nodig. Ze zijn het beste voor het opslaan van veel variabele gegevens, zoals logboeken of door de gebruiker gegenereerde inhoud in scenario's zoals NoSQL-use cases.

Azure-ondersteuning

Het inventariseren van gegevens: Microsoft Purview is een familie van gegevensbeheer, risico's en nalevingsoplossingen waarmee uw organisatie uw hele gegevensdomein kan beheren, beveiligen en beheren. Microsoft Purview-oplossingen bieden geïntegreerde dekking en helpen de recente toename van de connectiviteit van externe gebruikers, de fragmentatie van gegevens in organisaties en de vervaging van traditionele IT-beheerrollen aan te pakken.

Gegevensbeheer optimaliseren: Azure Storage en Azure Data Lake Storage hebben verschillende gegevenstoegangslagen. Ze bieden ook beleid voor levenscyclusbeheer voor gegevens waarmee gegevenslagen en -retentie worden geautomatiseerd.

U kunt een beleid op basis van regels gebruiken om blobgegevens over te zetten naar de juiste toegangslagen of om gegevens aan het einde van de levenscyclus te laten verlopen. Met dit beleid kunt u blobs van statische (of koude) naar 'hot' overzetten wanneer ze worden geopend, om de prestaties te optimaliseren.

Back-ups optimaliseren: de Azure Backup-service biedt meerdere mogelijkheden om uw back-ups te stroomlijnen. Het biedt functies zoals systeemeigen databaseback-up en opslagback-up via momentopnamen van schijven. Het biedt ondersteuning voor back-ups van virtuele machines, langetermijnretentie en back-upbeheer.

Hier volgen enkele van de functies van de service:

• Bewaking: U kunt het Back-up-centrum gebruiken als één overzicht om uw taken en back-upinventaris dagelijks te monitoren. Back-upcentrum biedt een interface voor Back-uprapporten, die gebruikmaken van Azure Monitor-logboeken en Azure-werkmappen.

• Rapporten: Back-uprapporten bieden de volgende mogelijkheden:

  • Verbruikte cloudopslag toewijzen en voorspellen.
  • Back-ups en herstelbewerkingen controleren.
  • Belangrijke trends identificeren op verschillende granulariteitsniveaus.
  • Krijg inzicht in kansen voor kostenoptimalisatie van uw back-ups.

• Gereserveerde capaciteit: Azure Backup Storage gereserveerde capaciteit biedt u korting op de capaciteit voor back-upgegevens die zijn opgeslagen in de standaardlaag van de kluis wanneer u een reservering aangaat voor één of drie jaar. Een reservering biedt een vaste hoeveelheid back-upopslagcapaciteit voor de duur van de reservering.

• Archieflaag: U kunt Azure Backup gebruiken om back-upgegevens op te slaan, inclusief langetermijnretentiegegevens (LTR), op basis van de bewaarbehoeften die de nalevingsregels van uw organisatie definiëren. In de meeste gevallen worden de oudere back-upgegevens zelden geopend en worden ze alleen opgeslagen voor nalevingsbehoeften. Azure Backup ondersteunt de back-up van LTR-punten in de archieflaag, naast momentopnamen en de standaardlaag.

Opslagoplossingen optimaliseren: Azure heeft veel opslagoplossingen. Ze bieden verschillende functies en mogelijkheden om de kosten te optimaliseren op basis van uw specifieke vereisten. Azure biedt richtlijnen om u te helpen bij het kiezen van het juiste gegevensarchief.

Als u de meest geschikte opslagoplossing en -configuratie wilt kiezen, is het belangrijk om uw gegevenstoegangspatronen, retentiebehoeften en prestatievereisten te beoordelen. Regelmatig uw opslaggebruik bewaken en optimaliseren met behulp van hulpprogramma's zoals Azure Advisor, kunt u de kosten verder optimaliseren.

Door queries te optimaliseren maken samenvattingsregels van Azure Monitor Log Analytics een geautomatiseerde samenvatting van gegevensstromen met een hoge opnamesnelheid in verschillende servicelagen mogelijk. Deze aanpak biedt rendabele langetermijnretentie van gegevens door gelaagde architecturen te maken waarbij gedetailleerde onbewerkte gegevens worden samengevoegd in samengevatte gegevenssets voor analyse en rapportage, waardoor de opslagkosten aanzienlijk worden verminderd en analytische inzichten behouden blijven.

Verwante koppelingen

• Aanbevelingen voor consolidatie
• Microsoft Reikwijdte
• Gegevenstoegangslagen
• Beleid voor levenscyclusbeheer van gegevens
• Azure Backup Storage
• Archieflaag
• Het juiste gegevensarchief kiezen

Controlelijst voor kostenoptimalisatie

Raadpleeg de volledige set aanbevelingen.