Trace Id is missing
Hoppa till huvudinnehåll

Azure Data Lake Storage

Massivt skalbar och säker datasjö för dina arbetsbelastningar för analys med höga prestanda.

Aktivera värdet i dina data snabbare med datasjön som grund i Microsoft Fabric, nu i förhandsversion. Mer information

Bygg en grund för din analys av hög prestanda

Eliminera datasilor med en enskild lagringsplattform. Optimera kostnader med nivåindelad lagring och principhantering. Autentisera data med hjälp av Microsoft Entra ID (tidigare Azure Active Directory) och rollbaserad åtkomstkontroll (RBAC). Och skydda data med säkerhetsfunktioner som kryptering i vila och avancerat skydd mot hot.

Migrera dina Hadoop-datasjöar med WANDisco LiveData-plattformen för Azure

Obegränsad skala och 16 9:or av datahållbarhet med automatisk geo-replikering

Hög lagersäkerhet med flexibla mekanismer för skydd vid dataåtkomst, kryptering och kontroll på nätverksnivå

Enskild lagringsplattform för inmatning, bearbetning och visualisering som stöder de vanligaste analysramverken

Kostnadsoptimering via oberoende skalning av lagring och beräkning, hantering av livscykelprinciper samt nivåindelning på objektnivå

Skala för att matcha de mest krävande arbetsbelastningarna för analys

Uppfyll alla kapacitetskrav och hantera data enkelt med den globala Azure-infrastrukturen. Kör storskaliga analysfrågor med konsekvent hög prestanda.

Ett datalagringsrum
Ett Microsoft Security-kontor med orden skydda, identifiera och svara på väggar

Använd flexibla säkerhetsmekanismer

Skydda din datasjö med funktioner som kryptering, dataåtkomst och kontroll på nätverksnivå. Allt är utformat för att hjälpa dig att öka insikter på ett säkrare sätt.

Bygg en skalbar grund för din analys

Mata in data i stor skala med ett brett utbud av datainmatningsverktyg. Bearbeta data genom att använda Azure Databricks, Azure Synapse Analytics eller Azure HDInsight. Och visualisera datan med Microsoft Power BI för revolutionerande insikter.

Händer på en surfplatta som tittar på analys i Azure
En person som håller en presentation framför en liten publik med Dynamics 365 som visas på väggen bakom dem

Bygg kostnadseffektiva molnbaserade datasjöar

Optimera kostnaderna genom att skala lagring och beräkning oberoende av varandra. Detta kan du inte göra med lokala datasjöar. Växla upp eller ned i nivå baserat på användning och dra nytta av principer för automatiserad livscykelhantering för att optimera lagringskostnaderna.

Omfattande inbyggda funktioner för säkerhet och efterlevnad

Kom igång med ett kostnadsfritt Azure-konto

1

Börja använda kostnadsfritt. Få 200 USD i kredit att använda inom 30 dagar. Så länge krediten gäller har du gratis tillgång till många av våra populära tjänster, samt obegränsad tillgång till fler än 55 andra tjänster som alltid är kostnadsfria.

2

När krediten upphör kan du fortsätta att använda tjänsterna genom användningsbaserad prissättning. Betala bara om du använder mer än de kostnadsfria månadsvolymerna.

3

Efter 12 månader fortsätter du att ha tillgång till mer än 55 tjänster som alltid är kostnadsfria – och du behöver bara betala för det du använder utöver de kostnadsfria månadsvolymerna.

Betrott av företag i alla storlekar

"Med Azure har vi nu möjlighet att snabbt driva värde från våra data. De användbara insikterna från de datamodeller vi skapar hjälper oss att öka intäkterna, minska kostnaderna och minimera risk."

Ahmed Adnani, Director of Applications and Analytics för Smiths Group

Smiths Group

"Med Microsoft Azure får vi bra värde när vi behöver stora kluster i ett par dagar för att göra ett jobb. Sedan kan vi göra oss av med dem för att spara pengar, medan datacentret är nästan helt ohållbart. Det var riktigt, riktigt stort för oss."

James Ferguson, Product Manager för Marks & Spencer

Marks and Spencer
Tillbaka till flikar

Vanliga frågor och svar om Data Lake Storage

  • Genom att lägga till den hierarkiska namnrymden ovanpå blobar går det att behålla kostnadsfördelarna med molnlagring utan att kompromissa med de filsystemgränssnitt som ramverk för stordataanalys utformades för.

    Ett enkelt exempel är ett vanligt återkommande mönster där ett analysjobb skriver utdata till en tillfällig katalog och sedan byter namn på den katalogen till det slutliga namnet under incheckningsfasen. I ett objektarkiv (som enligt utformning inte stöder begreppet kataloger) kan dessa namnbyten vara långa åtgärder som omfattar N kopierings- och borttagningsåtgärder, där N är antalet filer i katalogen. Med den hierarkiska namnrymden är dessa åtgärder för katalogmanipulation atomiska, vilket förbättrar prestanda och kostnader. Dessutom gör stöd för kataloger som element i filsystemet att vi kan använda ACL:er (åtkomstkontrollistor) som efterlever POSIX och använder överordnade kataloger för att sprida behörigheter.

  • Likt andra molnlagringstjänster debiteras Data Lake Storage enligt mängden lagrad data plus eventuella kostnader för åtgärder som utförs på dessa data. Se en kostnadsanalys.

  • Data Lake Storage har främst utformats för att fungera med Hadoop och alla ramverk som använder Hadoop FileSystem som dataåtkomstlager (till exempel Spark och Presto). Se information.

    I Auzre fungerar Data Lake Store med:

    • Azure Data Factory
    • Azure HDInsight
    • Azure Databricks
    • Azure Synapse Analytics
    • Power BI

    Tjänsten ingår också i Azure Blob Storage-ekosystemet.

  • Data Lake Storage tillhandahåller flera mekanismer för åtkomstkontroll av data. Eftersom tjänsten erbjuder den hierarkiska namnrymden är den det enda arkivet för molnanalys med ACL:er (åtkomstkontrollistor) som efterlever POSIX och utgör grunden för HDFS-behörigheter (Hadoop Distributed File System). Data Lake Storage innehåller även funktioner för säkerhet på transportnivå via lagringsbrandväggar, privata slutpunkter, framtvingande av TLS 1.2 och kryptering i vila med hjälp av system- eller kundtillhandahållna nycklar.

Nu kan du ställa in ditt kostnadsfria Azure-konto

Prova Azure kostnadsfritt