Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Grote data lakes kunnen duizenden gegevenssets hebben met verschillende objecttypen die verschillende verwerkingsmethoden nodig hebben. Afhankelijk van hun kenmerken hebben afzonderlijke objecten in een blobcontainer mogelijk specifieke bewaar- of verloopperioden nodig, verschillende overdrachten naar andere niveaus, of voorzien van verschillende labels. Met Azure Storage Actions kunt u taken definiëren voor het scannen van miljarden blobs, waarbij u elke taak controleert op basis van eigenschappen zoals bestandsextensie, naamgevingspatroon, indextags, blobmetagegevens of systeemeigenschappen, zoals aanmaaktijd, inhoudstype en bloblaag. Deze aanpak vereenvoudigt veel terugkerende of eenmalige gebruiksvoorbeelden. In dit artikel worden scenario's beschreven waarin opslagacties zijn toegepast of kunnen worden toegepast.
Retentie en verlooptijd beheren met objecttags
Een financiële dienstverlener maakt gebruik van Azure Blob Storage om opnamen van gesprekken van de klantenservice op te nemen. Deze opnamen bevatten blobtags die aangeven of een handelsorder is geplaatst of accountgegevens zijn bijgewerkt. De retentievereisten voor deze opnamen variëren op basis van het gesprekstype. Met Azure Storage Actions kunnen ze nu een taak definiëren die automatisch de bewaar- en verloopduur van de opgenomen opnamen beheert met behulp van een combinatie van blobtags en aanmaaktijd.
Gegevensbeveiliging beheren in gegevenssets
Een toonaangevende reisservicemaatschappij maakt gebruik van blobversiebeheer en momentopnamen, maar hun gegevenssets hebben verschillende beveiligingsbehoeften. Gevoelige gegevens vereisen strikte versiegeschiedenis, terwijl anderen dat niet doen. Het bewaren van uitgebreide versie- en momentopnamegeschiedenis voor alle gegevenssets is te duur. Met Azure Storage Actions kunnen ze nu metagegevens en tags gebruiken om de retentie en levenscyclus van versies en momentopnamen flexibeler te beheren.
Kostenoptimalisatie op basis van naamgevingspatronen en bestandstypen
Veel Azure Storage-klanten moeten de lagen, het verloop en de retentie van blobs beheren op basis van padvoorvoegsel, naamconventies of bestandstypen. Deze kenmerken kunnen worden gecombineerd met blobeigenschappen, zoals grootte, aanmaaktijd, laatst gewijzigd of geopende tijden, toegangslaag, aantal versies en meer om de objecten naar behoefte te verwerken.
Eenmalige verwerking van blobs op schaal
Azure Storage-acties kunnen worden gebruikt voor eenmalige verwerking van miljarden objecten, naast lopende gegevensbeheerbewerkingen. U kunt bijvoorbeeld taken definiëren voor het reactiveren van een grote gegevensset uit de archieflaag, tags opnieuw instellen op een deel van een gegevensset wanneer u een analysepijplijn opnieuw opstart, blobtags initialiseert voor een nieuw of bijgewerkt proces, of redundante en verouderde gegevenssets opschonen.