Amazon S3는 다양한 스토리지 클래스를 제공하여 데이터를 저장하는 방법에 유연성을 제공합니다. 이러한 클래스를 활용하면 데이터의 사용 빈도와 보존 요구 사항에 따라 비용 효율적인 스토리지 전략을 수립할 수 있습니다. 이 글에서는 S3 스토리지 클래스 간의 객체 이동 방법과 라이프사이클 규칙을 통해 데이터를 효율적으로 관리하는 방법을 살펴보겠습니다.
S3 스토리지 클래스 간 객체 이동
Amazon S3는 데이터를 특정 스토리지 클래스에 저장한 후 필요에 따라 다른 클래스로 이전할 수 있는 기능을 제공합니다. 예를 들어, 데이터를 자주 접근하지 않는다는 것을 알게 되면 Standard 클래스에서 Standard-IA(간헐적 액세스)로 옮길 수 있습니다. 이후, 데이터 접근 빈도에 따라 Intelligent-Tiering으로 이동시키거나, 단일 가용영역에서 사용할 수 있는 One-Zone IA로 전환할 수도 있습니다.
또한, 장기적으로 보관해야 하지만 자주 접근할 필요가 없는 데이터의 경우 Glacier 또는 Deep Archive와 같은 아카이브 스토리지 클래스로 이동할 수 있습니다. 이러한 클래스 간 전환은 수동으로 할 수도 있지만, Amazon S3의 라이프사이클 규칙을 통해 자동으로 설정할 수도 있습니다.
라이프사이클 규칙
Amazon S3의 라이프사이클 규칙은 객체를 다른 스토리지 클래스로 이전하거나, 만료 및 삭제하는 등의 작업을 자동으로 수행하게 해줍니다. 라이프사이클 규칙은 크게 두 가지로 나눌 수 있습니다.
-
Transition Actions(전환 작업): 특정 기간이 지난 후 객체를 다른 스토리지 클래스로 자동으로 이전하도록 설정할 수 있습니다. 예를 들어, 객체가 생성된 후 60일이 지나면 Standard-IA로 전환하거나, 6개월 후에는 Glacier로 이전하여 아카이브할 수 있습니다.
-
Expiration Actions(만료 작업): 특정 시간이 지난 후 객체를 자동으로 삭제하도록 설정할 수 있습니다. 예를 들어, 로그 파일을 365일 후에 자동으로 삭제하도록 설정하거나, 버저닝이 활성화된 경우 모든 버전을 삭제하도록 설정할 수도 있습니다. 또한, 불완전한 멀티파트 업로드도 일정 기간 후 삭제되도록 규칙을 설정할 수 있습니다.
이 규칙들은 버킷의 특정 경로에 대해서만 적용하거나, 특정 객체 태그에 대해서만 규칙을 지정하여 더 세밀한 관리가 가능합니다.
최적의 전환 시점 결정: S3 Analytics
객체를 다른 스토리지 클래스로 전환할 최적의 시점을 결정하는 것은 쉽지 않을 수 있습니다. 이때, Amazon S3 Analytics를 활용하면 Standard나 Standard-IA 클래스로의 전환 시점에 대한 추천을 받을 수 있습니다. 이 도구는 S3 버킷의 사용 패턴을 분석하고, 그 결과에 따라 최적의 라이프사이클 규칙을 설정할 수 있도록 도와줍니다.
S3 Analytics는 .csv 보고서를 생성하고, 매일 업데이트되며 데이터 분석 결과가 나올 때까지 24시간에서 48시간이 걸릴 수 있습니다. 이 보고서를 통해 합리적인 라이프사이클 규칙을 조합하거나 기존 규칙을 개선할 수 있습니다.
마치며
Amazon S3는 다양한 스토리지 클래스와 라이프사이클 규칙을 제공하여 데이터를 효과적으로 관리할 수 있는 강력한 도구입니다. 객체 접근 빈도와 보존 필요에 따라 데이터를 적절한 스토리지 클래스로 이동시키고, 이를 자동화하는 규칙을 설정함으로써 비용 효율적인 데이터 관리 전략을 구축할 수 있습니다. S3 Analytics와 같은 도구를 활용하면 최적의 전환 시점을 결정하는 데에도 도움이 될 것입니다.
