Azure Data Lake Storage
Безопасное хранилище с высоким уровнем масштабируемости для рабочих нагрузок аналитики, требующих высокой производительности.
Создание основы для высокой производительности аналитики
Избавьтесь от необходимости использовать приемники данных благодаря единой платформе хранения. Оптимизируйте затраты, используя многоуровневое хранилище и управление политиками. Проверяйте подлинность данных с помощью Microsoft Entra ID (прежнее название — Azure Active Directory) и управления доступом на основе ролей (RBAC). Помогайте охранять данные, применяя функции безопасности, такие как шифрование неактивных данных и расширенная защита от угроз.
Неограниченное масштабирование и устойчивость данных на уровне 99,99999999999999 % с автоматической георепликацией
Надежно защищенное хранилище с гибкими механизмами защиты доступа к данным, шифрования и управления на уровне сети
Единая платформа хранилища для приема, обработки и визуализации, поддерживающая наиболее популярные платформы аналитики
Оптимизация затрат благодаря независимому масштабированию хранилища и вычислений, управление жизненным циклом на основе политик и распределение по уровням на уровне объектов
Масштабирование, позволяющее выполнять самые ресурсоемкие рабочие нагрузки аналитики
Удовлетворяйте любые требования к емкости и с легкостью управляйте данными с помощью глобальной инфраструктуры Azure. Выполняйте крупномасштабные аналитические запросы со стабильно высокой производительностью.
Использование гибких механизмов безопасности
Защитите свое озеро данных с помощью различных возможностей — от шифрования до доступа к данным и контроля на уровне сети, — которые в совокупности обеспечивают более безопасную аналитику.
Формирование масштабируемой основы для аналитики
Принимайте данные в большом масштабе, используя широкий спектр инструментов приема данных. Обрабатывайте данные с помощью Azure Databricks, Azure Synapse Analytics или Azure HDInsight. Визуализируйте данные с помощью Microsoft Power BI, получая качественно новые аналитические сведения.
Создавайте экономичные облачные озера данных
Оптимизируйте затраты за счет отдельного масштабирования хранилища и вычислений, что невозможно при работе с локальными озерами данных. Повышайте или понижайте уровень в зависимости от объема использования и применяйте политики автоматического управления жизненным циклом для оптимизации затрат на хранение.
Комплексные встроенные средства обеспечения безопасности и соответствия требованиям
-
Корпорация Майкрософт ежегодно инвестирует более 1 млрд USD (долларов США) в исследования и разработку решений для кибербезопасности.
-
У нас работает более 3500 специалистов по безопасности, которые посвятили себя защите данных и обеспечению их конфиденциальности.
Гибкие цены на создание озер данных
Выберите подходящий вам вариант цены в зависимости от распределения по уровням, резервирования и управления жизненным циклом.
Начните работу с бесплатной учетной записью Azure
1
2
Чтобы продолжать работу с этими службами, когда закончатся деньги на счете, перейдите на оплату по мере использования. Плата будет взиматься только при использовании служб сверх предоставляемого бесплатно ежемесячного объема.
3
Нам доверяют компании всех размеров
"Благодаря Azure у нас теперь есть возможность быстро получать пользу от наших данных. Аналитические сведения для принятия решения на основе создаваемых нами моделей данных помогут нам увеличить доходы, снизить затраты и минимизировать риски."
Ахмед Аднани (Ahmed Adnani), директор по приложениям и аналитике, Smiths Group
"Microsoft Azure нам очень помогает, когда нам нужны огромные кластеры на пару дней для выполнения работы, а затем позволяет вернуть их в целях экономии, в то время как центр обработки данных практически не предоставляет такой гибкости. Это значительно повлияло на наши процессы."
Джеймс Фергюсон (James Ferguson), менеджер по продуктам, Marks & Spencer
Ресурсы для разработчиков
Документация с инструкциями
Часто задаваемые вопросы о Data Lake Storage
-
Добавление иерархического пространства имен поверх больших двоичных объектов позволяет сохранить экономические преимущества облачного хранилища без ущерба для интерфейсов файловой системы, для которых были разработаны платформы аналитики больших данных.
Простой пример — часто встречающийся шаблон задания аналитики, в котором выходные данные записываются во временный каталог, а затем, на этапе фиксации, этот каталог переименовывается, получая окончательное имя. В хранилище объектов (которое по определению не поддерживает понятие каталогов) такие переименования могут быть длительными операциями, включающими N операций копирования и удаления, где N — число файлов в каталоге. В иерархическом пространстве имен такие операции с каталогами являются атомарными, что повышает производительность и снижает стоимость. Кроме того, вспомогательные каталоги как элементы файловой системы позволяют применять совместимые с POSIX списки управления доступом (ACL), в которых используются родительские каталоги для распространения разрешений.
-
Как и в случае с другими службами облачного хранения, плата за Data Lake Storage зависит от объема хранимых данных и стоимости операций, выполняемых с этими данными. См. разбивку затрат.
-
Хранилище Data Lake Storage в первую очередь предназначено для работы с Hadoop и всеми платформами, использующими файловую систему Hadoop в качестве уровня доступа к данным (например, Spark и Presto). Подробнее.
В Azure хранилище Data Lake Storage совместимо с:
- Фабрика данных Azure
- Azure HDInsight
- Azure Databricks
- Azure Synapse Analytics
- Power BI
Эта служба также включена в экосистему хранилища BLOB-объектов Azure.
-
Data Lake Storage предоставляет несколько механизмов для управления доступом к данным. Предоставляя иерархическое пространство имен, эта служба является единственным облачным хранилищем аналитики, в котором применяются совместимые с POSIX списки управления доступом (ACL), формирующие базу для разрешений распределенной файловой системы Hadoop (HDFS). Data Lake Storage также включает возможности обеспечения безопасности на транспортном уровне с помощью брандмауэров хранилища, частных конечных точек, принудительного применения TLS 1.2 и шифрования неактивных данных с использованием системных или клиентских ключей.