Azure Data Lake Storage
大规模可缩放且安全的数据湖，适用于高性能分析工作负载。
为分析构建基础
通过自动异地复制实现无限制的缩放和 16 个 9 的数据持久性。
高度安全并具有灵活的跨数据访问、加密和网络级控制的保护机制。
用于引入、处理和可视化的单一存储平台，支持最常见的分析框架。
通过独立缩放存储和计算、生命周期策略管理和对象级分层实现成本优化
缩放以匹配要求最苛刻的分析工作负载
利用灵活的安全机制
为分析构建可缩放的基础
构建具有成本效益的数据湖
内置的全面的安全性和合规性
-
Microsoft 每年在网络安全研发方面的投资超过 USD10 亿。
-
我们雇佣了 3,500 多名安全专家，专门负责数据安全和隐私方面的工作。
-
Azure 拥有比任何其他云提供商都多的认证。查看完整列表。
开始使用 Azure 免费帐户
2
用完额度后，请改为即付即用定价以继续使用相同的免费服务构建自己的内容。只需为超出每月免费使用量以外的部分付费。
3
12 个月后，你将能继续使用超过 55 种永久免费的服务，且仍只需为超出每月免费使用量以外的部分付费。
深受各种规模公司的信赖
Rockwell Automation 扩展业务见解
工业自动化公司 Rockwell Automation 针对其分析需求创建了统一平台，以优化存储、计算和可缩放性，从而降低总拥有成本。
"通过 Azure，我们现在能够快速从数据中获取价值。我们创建的数据模型提供了可操作见解，这些见解将帮助我们增加收入、降低成本并最大限度地降低风险。"
Ahmed Adnani，Smiths Group 应用和分析总监
"当我们在数天内需要大型群集来完成一项工作时，Microsoft Azure 带来了很好的价值，然后让我们可移除它们而实现节省，而数据中心几乎完全不可行。这对我们而言是非常巨大的“博弈改变者”。"
James Ferguson，Marks & Spencer 产品经理
"在 Azure 上运行，我们有机会提高预测的速度、范围、准确性和本地化水平 — 这只是一个确定优先事项的问题。"
Brad Beechler，高级机器学习科学家
有关 App Center 的常见问题解答
-
在 Blob 上添加分层命名空间可以保留云存储的成本优势，并且不会影响大数据分析框架专门为之设计的文件系统接口。
一个简单的示例是分析作业将输出数据写入临时目录，然后在提交阶段将该目录重命名为最终名称的频繁发生模式。在对象存储（设计为不支持目录的概念）中，这些重命名可能是涉及 N 个复制和删除操作的冗长操作，其中 N 是目录中的文件数。使用分层命名空间时，这些目录操作具有原子性，能够提高性能和优化成本。此外，支持目录作为文件系统的元素允许应用符合 POSIX 的访问控制列表 (ACL)，该列表使用父目录来传播权限。
-
与其他云存储服务类似，Data Lake Storage 根据存储的数据量以及对该数据执行操作所产生的成本计费。请参阅成本明细。
-
Data Lake Storage 主要设计用于 Hadoop 和所有使用 Hadoop FileSystem 作为其数据访问层（例如 Spark 和 Presto）的框架。查看详细信息。
在 Azure 中，Data Lake Storage 与以下内容集成：
- Azure 数据工厂
- Azure HDInsight
- Azure Databricks
- Azure Synapse Analytics
- Power BI
该服务还集成到围绕 Azure Blob 存储的大规模成熟生态系统中。
-
Data Lake Storage 为数据访问控制提供了多种机制。通过提供分层命名空间，该服务是唯一采用符合 POSIX 的访问控制列表 (ACL) 的云分析存储，该列表构成了 Hadoop 分布式文件系统 (HDFS) 权限的基础。Data Lake Storage 还包括通过存储防火墙、专用终结点、强制执行 TLS 1.2 和使用系统或客户提供的密钥的静态加密实现的传输级安全功能。