Azure Data Lake Storage
適用於高效能分析工作負載的可大規模調整且安全的資料湖。
為高效能分析打造基礎
使用單一儲存平台排除資料孤島 (Data Silo)。使用分層式儲存體和原則管理來將成本最佳化。使用 Microsoft Entra ID (先前稱為 Azure Active Directory) 和角色型存取控制 (RBAC) 來驗證資料。並使用安全性功能 (例如待用加密和進階威脅防護) 協助保護資料。
透過自動異地複寫提供無限制的規模和 16 個 9 的資料持久性
以彈性的保護機制提供高度安全儲存體，以供保護資料存取、加密和網路層級控制
用於擷取、處理及視覺效果的單一儲存平台，可支援最常見的分析架構
透過獨立調整儲存體和計算、生命週期原則管理和物件層級階層處理來進行成本最佳化
調整以符合您最嚴苛的分析工作負載
透過 Azure 全域基礎結構，輕鬆滿足任何容量需求及管理資料。以一貫的高效能執行大規模的分析查詢。
利用彈性的安全性機制
使用跨越加密、資料存取和網路層級控制的功能來保護您的資料湖，這些功能的設計是要協助您更安全地推動深入解析。
為您的分析打造可調整的基礎
使用廣泛的資料擷取工具，大規模擷取資料。使用 Azure Databricks、Azure Synapse Analytics 或 Azure HDInsight 來處理資料。並以 Microsoft Power BI 將資料視覺化，以取得轉型深入解析。
打造符合成本效益的雲端資料湖
藉由獨立調整儲存體和計算來將成本最佳化，而此目標是您無法使用內部部署資料湖來達成。根據使用量相應增加或減少，並利用自動化生命週期管理原則來最佳化儲存成本。
內建全方位安全性與合規性
-
Microsoft 每年斥資超過 10 億美元進行網路安全性方面的研究與開發。
-
我們聘請了超過 3,500 名資訊安全專家專門保護資料安全性和隱私權。
透過 Azure 免費帳戶開始使用
2
在點數用盡後，請轉為隨用隨付以繼續利用相同的免費服務進行建置。只有當您使用超過每月免費數量時，才需支付費用。
3
Data Lake Storage 的常見問題集
-
在 Blob 上新增階層式命名空間可讓您保有雲端儲存體的成本優勢，而不會危害專為巨量資料分析架構設計的檔案系統介面。
以下經常發生的分析作業模式就是一個簡單的範例：將輸出資料寫入至暫存目錄，然後在認可階段期間將該目錄重新命名為最終名稱。在物件存放區中 (依設計不支援目錄的概念)，這些重新命名可能是涉及 N 個複製和刪除作業的冗長作業，其中 N 是目錄中的檔案數目。使用階層式命名空間，這些目錄操作作業不可部分完成，進而可提升效能和成本。此外，支援目錄作為檔案系統的元素，可允許套用使用上層目錄的 POSIX 相容存取控制清單 (ACL) 來傳播權限。
-
與其他雲端儲存體服務類似，Data Lake Storage 會根據儲存的資料量加上對該資料執行的任何作業成本來計費。查看成本細目。
-
Data Lake Storage 主要的設計訴求是要使用 Hadoop 和所有使用 Hadoop FileSystem 作為其資料存取層的架構 (例如 Spark 和 Presto)。查看詳細資料。
在 Azure 中，Data Lake Storage 可與以下項目交互作用：
- Azure Data Factory
- Azure HDInsight
- Azure Databricks
- Azure Synapse Analytics
- Power BI
此服務也包含在 Azure Blob 儲存體生態系統中。
-
Data Lake Storage 為資料存取控制提供多個機制。藉由提供階層式命名空間，該服務是唯一具備 POSIX 相容存取控制清單 (ACL) 的雲端分析存放區，而這些存取控制清單構成了 Hadoop 分散式檔案系統 (HDFS) 權限的基礎。Data Lake Storage 也包含透過儲存體防火牆、私人端點、TLS 1.2 強制執行，以及使用系統或客戶提供的金鑰進行待用加密的傳輸層級安全性功能。