Azure ประกาศให้ฟีเจอร์ Lifecycle Management ใน Blob Storage พร้อมใช้งานแล้ว

ฟีเจอร์ Lifecycle Management สำหรับ Blob Storage ก็คือการจัดลำดับขั้นของข้อมูลให้สอดคล้องกับความต้องการข้อมูลโดยอัตโนมัติตามที่ผู้ใช้งานกำหนด

credit : azure.microsoft.com

ผู้ใช้งาน Lifecycle management จะสามารถกำหนด Policy เพื่อถ่ายโอนข้อมูลไปยังลำดับขั้นของการเก็บข้อมูลที่เหมาะสม โดยการใช้งานมีดังนี้

  • สามารถกำหนดได้สูงสุด 100 Rule 
  • สามารถรัน Rule อัตโนมัติได้ 1 ครั้งต่อวันเท่านั้น
  • สามารถ Apply ตัว Rule ที่สร้างขึ้นไปยัง Container หรือ Blob ย่อยภายในได้ถึง 10 ขั้น
  • ทำการลบ Blob ให้เมื่อหมดอายุขัย
  • ถ่ายโอนข้อมูลจาก Blob ไปยัง Hot หรือ Cool Storage ได้ตามความเหมาะสม

เพื่อความเข้าใจขอยกตัวอย่างโจทย์ประกอบกับโค้ดด้านบนดังนี้

1.ข้อมูลมีการใช้อยู่ 30 วันจึงเก็บเป็น Cool Storage

2.ใช้น้อยลงเรื่อยๆ อีก 60 วันถัดมาเก็บเป็น Archive

3.ลบข้อมูลหมดอายุเมื่อครบกำหนด 7 ปี

4.ลบ Snapshot ที่อายุเกิน 90 วัน 

ผู้สนใจสามารถศึกษาเพิ่มเติมได้ที่นี่

ที่มา :  https://azure.microsoft.com/en-us/blog/azure-blob-storage-lifecycle-management-now-generally-available/

About nattakon

จบการศึกษา ปริญญาตรีและโท สาขาวิศวกรรมคอมพิวเตอร์ KMITL เคยทำงานด้าน Engineer/Presale ดูแลผลิตภัณฑ์ด้าน Network Security และ Public Cloud ในประเทศ ปัจจุบันเป็นนักเขียน Full-time ที่ TechTalkThai

Check Also

พลิกการดิสรัปของเวอร์ชวลไลเซชัน เป็นโอกาสสร้างนวัตกรรมแอปพลิเคชัน [PR]

กว่า 30 ปีที่ผ่านมา การบริหารต้นทุนของเซิร์ฟเวอร์เวอร์ชวลไลเซชันให้มีประสิทธิภาพมากที่สุด คือแรงขับเคลื่อนสำคัญที่จุดประกายการเปลี่ยนผ่านด้านไอทีระลอกแรก โดยเน้นดึงศักยภาพใหม่ออกมาจากเซิร์ฟเวอร์ x86 ที่เคยกำหนดทิศทางของศูนย์ข้อมูลมาตลอด จนถึงวันนี้ โลกยุคใหม่ที่ปริมาณข้อมูลเติบโตอย่างรวดเร็วและเวิร์กโฟลว์ด้าน AI กำลังเกิดขึ้นอย่างต่อเนื่อง กำลังทดสอบขีดจำกัดของสถาปัตยกรรมแบบดั้งเดิม และบีบให้หลายองค์กรต้องปรับตัว

Microsoft อัปเดต Fabric เดินหน้าสู่ยุค Agentic AI พร้อมดึง Osmos เสริมทัพ Data Engineering

Microsoft อัปเดตฟีเจอร์ชุดใหญ่ให้กับ Microsoft Fabric เหตุองค์กรธุรกิจกำลังก้าวเข้าสู่ยุค Agentic Transformation โดยเน้นการจัดเตรียมรากฐานข้อมูลให้พร้อมรองรับการทำงานของ Agent เพราะสิ่งสำคัญในการเดินหน้าเรื่องนี้คือการเตรียมข้อมูลขององค์กรให้ชัดเจน เพื่อให้ AI Agent สามารถนำไปประมวลผลและเดินหน้าเปลี่ยนแปลงขององค์กรได้อย่างมีประสิทธิภาพ