大多数 IT 管理员和公司每隔一段时间，都需要应对数据爆炸的挑战。成本效益、持久性和可扩展性使对象存储成为非结构化数据的首选。Cloud Storage 是一种对象存储服务，能够以 EB 规模存储数据并轻松管理数十亿（如果不是数万亿）对象。然而，存储在对象存储中的数据的成本优化是一个难题。
为你的数据选择正确的存储类别需要你了解此数据的访问模式。但是，如果访问模式未知或不可预测，客户通常很难为其数据选择正确的存储类别。数据放置会对成本产生重大影响，因为归档类的存储价格是标准存储类的存储价格的 6%。频繁访问较冷存储类中的数据可能会导致意外的操作费用。在标准存储中拥有永远不会访问的数据会导致大量的静态存储费用。
随着 IT 管理员和企业允许不同的应用程序和工作负载开始大规模利用对象存储，优化成本只会变得越来越难解决。当他们将工作负载迁移到云时，他们希望能够预测和控制总体存储支出。如果有一种方法可以自动将你的数据置于最佳存储级别，那不是很好吗？
Autoclass 是一种易于使用的存储桶级设置，可根据上次访问时间简化和自动化所有 Cloud Storage 数据的生命周期管理。
这对于具有不可预测和未知访问模式的工作负载非常有用。它会自动将未访问的数据移动到较冷的存储类，以降低静态存储成本。当访问冷数据时，它会自动提升为标准存储类，以优化未来访问的操作成本。
Autoclass 通过将数据移动到以最优惠的价格为客户工作负载定价的存储类，自动节省成本并消除低效率。
它通过消除与较冷存储类相关的附加费来帮助企业实现价格可预测性——当在存储桶上启用 Autoclass 时，没有提前删除费用、检索费用或类转换的操作费用。
“Redivis 是一个用于学术研究的数据平台。我们将数据管理人员与研究人员联系起来，以发现、理解和分析 PB 级数据。借助 Cloud Storage Autoclass，这改变了研究界的范式，”Redivis Inc. 的联合创始人兼首席执行官 Ian Matthews 说。“我们现在可以将更多数据保存更长时间，同时降低成本。事实上，我估计我们 90% 的数据都将从 Autoclass 中受益。”
Ian 补充说：“我们自己构建成本优化不仅会耗费宝贵的工程资源，而且会让我们容易犯下代价高昂的错误，在这些错误中，我们会因过早存档的数据而产生检索费用。Autoclass 帮助我们以简单和自动化的方式降低存储成本并实现价格可预测性。”
在此版本中，当你使用 CLI、API 或 Cloud Console 创建新的 Cloud Storage 存储桶时，可以启用自动分类。在存储桶上启用后，Autoclass 将管理上传到存储桶的所有对象的生命周期，直到禁用为止。
如果你选择禁用 Autoclass，则存储桶中的所有对象将保留其当前的存储类别。此禁用不需要任何数据移动或对对象的存储类进行任何更改，因此不会产生任何费用。
将在 2023 年即将发布的版本中提供对在现有 Cloud Storage 存储桶上启用 Autoclass 的支持。
Autoclass 执行的所有转换都可以使用 Cloud Monitoring 仪表板进行观察。这提供了简单的可观察性，并允许你以自动方式验证 Autoclass 对你的数据所做的工作。这些仪表板可以利用为 Autoclass 发布的 2 个新的云指标：
Autoclass 转换的对象数
(autoclass/transition_operation_count)
Autoclass 在类之间转换的字节数
(autoclass/transitioned_bytes_count)
———
WebEye是中国大陆地区首家获得 Google Cloud MSP 资质的合作伙伴。WebEye致力于用创新的技术向中国企业提供数字化效率创新服务，实现数字化赋能。我们不断帮助客户打造新的运营与协作方式，打造新的竞争优势，构建资源高效链接，共创价值生长空间。
WebEye整合全球资源，打造全球数字化营销体系，为企业提供营销增长服务、营销增长引擎以及企业上云三大板块业务，涵盖数字营销、数字创意、游戏发行、流量变现、程序化广告、数据洞察、云计算等一站式全链条增长产品矩阵，是中国互联网出海领军企业。