Mengidentifikasi konsumsi penyimpanan di atas tren

Halaman ini menjelaskan cara menggunakan Storage Intelligence advisor untuk mengidentifikasi konsumsi penyimpanan di atas tren. Mengidentifikasi tren pertumbuhan membantu Anda menentukan apakah Anda menyimpan data yang tidak diperlukan dan mengoptimalkan penggunaan penyimpanan.

Jika total byte yang disimpan meningkat di atas tren, Storage Intelligence advisor akan menampilkan temuan Total bytes stored increased above trend over the last 30 days. Temuan adalah anomali yang terdeteksi dari metrik Anda yang memerlukan perhatian Anda. Untuk ringkasan Storage Intelligence advisor, lihat Tentang Storage Intelligence advisor. Untuk mengetahui daftar lengkap temuan, lihat Katalog referensi temuan.

Nilai minimum yang memicu temuan

Untuk mengidentifikasi pertumbuhan di atas tren, Storage Intelligence menganalisis data historis selama periode 30 hari untuk menetapkan dasar pengukuran konsumsi penyimpanan di seluruh project, folder, atau organisasi Anda. Storage Intelligence advisor menghasilkan temuan saat konsumsi penyimpanan meningkat di atas dasar pengukuran ini.

Temuan mencerminkan aktivitas hari sebelumnya. Misalnya, lonjakan yang terjadi pada hari Selasa akan muncul di Storage Intelligence Advisor pada hari Rabu.

Merespons temuan

Untuk merespons temuan ini, identifikasi data mana yang menyebabkan pertumbuhan dan tentukan strategi pengelolaan terbaik.

  1. Lihat detail temuan.

  2. Di halaman Finding details, gunakan tabel Buckets with largest increases dan Prefixes with largest increases khusus bucket untuk mengidentifikasi set data mana yang berkembang.

  3. Setelah Anda mengetahui data mana yang bertambah, tentukan apakah data tersebut perlu dikelola secara berbeda berdasarkan pola akses atau kebutuhan retensinya. Gunakan tabel berikut untuk memilih strategi yang direkomendasikan untuk skenario Anda:

    Skenario Tindakan yang disarankan Detail
    Data tidak diperlukan setelah periode tertentu Menerapkan aturan siklus proses Jika Anda tidak lagi memerlukan data setelah periode tertentu atau ingin memindahkan data ke kelas penyimpanan yang lebih jarang diakses, gunakan aturan Object Lifecycle Management untuk mengelola konsumsi penyimpanan Anda.
    Data dengan pola akses yang berubah-ubah Mengaktifkan Autoclass Autoclass secara otomatis mentransisikan objek di bucket Anda ke kelas penyimpanan yang sesuai berdasarkan pola akses. Autoclass memindahkan data yang lebih jarang diakses ke kelas penyimpanan yang lebih jarang diakses dan data yang lebih sering diakses ke kelas penyimpanan yang lebih sering diakses, sehingga membantu mengelola biaya secara otomatis.
    Memerlukan detail level objek untuk memahami pertumbuhan penyimpanan Melakukan investigasi dengan set data Insight Penyimpanan Jika Anda memerlukan informasi terperinci tentang pertumbuhan penyimpanan, gunakan set data Insight Penyimpanan untuk mengekspor metadata ke BigQuery. Kemudian, Anda dapat mengkueri set data untuk mengidentifikasi awalan dan objek tertentu yang berkontribusi pada pertumbuhan.

Langkah berikutnya