このページでは、Storage Intelligence アドバイザーを使用して、トレンドを上回るストレージ使用量を特定する方法について説明します。増加傾向を把握することで、不要なデータを保存しているかどうかを判断し、ストレージ使用量を最適化できます。
保存された合計バイト数がトレンドを上回って増加すると、Storage Intelligence アドバイザーに Total bytes stored increased above trend over the last 30 days
という検出結果が表示されます。検出結果とは、注意が必要な指標から検出された異常です。 Storage Intelligence アドバイザーの概要については、Storage Intelligence アドバイザーについてをご覧ください。検出結果の一覧については、検出結果のリファレンス カタログをご覧ください。
検出結果をトリガーするしきい値
トレンドを上回る増加を特定するため、Storage Intelligence は 30 日間の履歴データを分析して、プロジェクト、フォルダ、組織全体のストレージ使用量のベースラインを確立します。ストレージ使用量がこのベースラインを超えると、Storage Intelligence アドバイザーは検出結果を生成します。
検出結果には、前日のアクティビティが反映されます。たとえば、火曜日にスパイクが発生した場合、水曜日に Storage Intelligence アドバイザーに表示されます。
検出結果に対応する
検出結果に対応するには、増加の原因となっているデータを特定し、最適な管理戦略を決定します。
[検出結果の詳細] ページの [増加量が最も多いバケット] テーブルとバケット固有の [増加量が最も多い接頭辞] を使用して、増加しているデータセットを特定します。
増加しているデータがわかったら、アクセス パターンや保持のニーズに基づいて、そのデータを別の方法で管理する必要があるかどうかを判断します。次の表を使用して、シナリオに推奨される戦略を選択します。
シナリオ 推奨される対応 詳細 特定の期間が経過するとデータが不要になる ライフサイクル ルールを適用する 特定の期間が経過するとデータが不要になる場合や、データをコールド ストレージ クラスに移動する場合は、オブジェクトのライフサイクル管理ルールを使用してストレージ使用量を管理します。 アクセス パターンが変化するデータ Autoclass を有効にする Autoclass は、アクセス パターンに基づいて、バケット内のオブジェクトを適切なストレージ クラスに自動的に移行します。アクセス頻度の低いデータはコールド ストレージ クラスに移動し、アクセス頻度の高いデータはウォーム ストレージ クラスに移動するため、費用を自動的に管理できます。 ストレージの増加を把握するためにオブジェクト レベルの詳細が必要 Storage Insights データセットで調査する ストレージの増加に関する詳細な情報が必要な場合は、Storage Insights データセットを使用してメタデータを BigQuery にエクスポートします。その後、データセットに対してクエリを実行して、増加に寄与している特定の接頭辞とオブジェクトを特定できます。