优化S3存储成本：S3智能分层配合S3 Glacier即时检索获得成本节约

一、背景

S3 Glacier Instant Retrieval(S3 GIR)存储类型是2021年re-Invent新发布的存储类型，原有的异步方式取回数据的Glacier存储类型则改名为S3 Glacier Flexible Retrieval。新发布的S3 Glacier Instant Retrieval的存储费用与S3 Glacier Flexible Retrieval相近，在此基础上提供了立刻可取的性能，适合每年访问2-3次数据场景下的海量数据存储。

S3 Glacier Instant Retrieval的特点如下：

从费用方面评估：以亚马逊云科技宁夏区域为例，异步取回的S3 Glacier Flexible Retrieval价格是0.027054元/GB，新的S3 Glacier Instant Retrieval是0.03006元/GB。成本增加不足1分钱，保持在同一个数量级。
从数据取回时间评估：原有S3 Glacier Flexible Retrieval是异步机制，取回数据需要几分钟到几小时，即便使用加急检索并支付额外费用，也需要几分钟才能返回数据。而S3 Glacier Instant Retrieval存储类型是访问数据立刻可用。
从性能方面而言，S3官网FAQ中提到S3 Glacier Instant Retrieval 提供与 S3 Standard 和 S3 Standard-IA 存储类相同的毫秒延迟和高吞吐量性能。

基于以上特点，本文将分析S3 Glacier Instant Retrieval存储类的最佳使用场景，并结合S3智能分层特性优化成本。

二、是否使用智能分层的的对比

1、数据集假设和基础费用对比

由于智能分层的特性要求文件大小大于128KB，因此本文测算的场景定义如下：

数据集容量是50TB，即50000GB；
平均文件大小1MB，且单个文件大于128KB；
文件在年初被一次性全量写入，并保存12个月满1年；
一年期间数据经历几次读取，每次读取是全量读取。

为更好的对比成本，这里将读写等基础费用列表如下。

2、不使用智能分层、直接将数据保存在Glacier Instant Retrieval存储类

（1）基础费用

如果直接将文件保存到S3 Glacier Instant Retrieval，则主要成本如下（以宁夏区域为例）：

写入费（PUT、COPY 或 POST 请求）：每1000个请求 ¥0.0981
存储成本：每GB ¥0.03006/月
读取费（GET、SELECT 及所有其他请求）：每10000个请求 ¥0.4905
数据检索：每GB ¥0.1911

注意：如果数据写入到S3标准层，而后通过生命周期转换存储级别为S3 Glacier Instant Retrieval，那么还要收取转换费每1000个请求 ¥0.0981。由于本例的测算直接写入S3 Glacier Instant Retrieval因此没有生命周期转换费。

由此可以看到，上传文件时候，直接声明写入S3 Glacier Instant Retrieval存储类，从写入的那一刻即第一天起，存储空间成本上就获得了显著的降低。不过，由此产生的写入费是S3 Standard标准级别的24倍，而后读取时候产生的读取收费是S3 Standard标准级别的36倍，并额外收取读取S3 Standard标准级别并不存在的数据检索费。在此场景下，如果数据在几个月内多次读取将产生大量访问费用，这部分开销甚至可能超过存储容量上节约出来的费用。

（2）访问场景测算

为了进一步测算多次读取后产生的升本影响，我们模拟一年内数据分别被全量读写1次到10次，其成本计算后如下表。

以本文的数据样本为例，当每年数据读写6次后，S3 Glacier Instant Retrieval总体成本和使用S3标准类相当。读取次数大于6次后，读写越多总体成本越高。

（3）结论

综上所述，直接使用S3 Glacier Instant Retrieval的场景需要有明确的数据冷热特征，或需要人为的定义数据访问方式，确保数据读取频率足够低才能产生成本节约。如果已经预期要到发生大量频繁读取，建议先将数据从S3 Glacier Instant Retrieval复制回到S3标准类，然后对S3标准层发起频繁访问即可。

以上如果不希望对以上存储的生命周期做手工管理，则可以引入S3智能分层特性。

3、使用S3智能分层自动将数据下沉到S3 Intelligent-Tiering – Archive Instant Access Tier（S3-INT AIA）

（1）基础费用

在S3 Glacier Instant Retrieval存储类发布后，S3智能分层存储支持的存储分级也新增了名为S3 Intelligent-Tiering – Archive Instant Access Tier（S3-INT AIA）这一级别的存储。当数据保存在S3智能分层存储级别时，S3将根据文件最后访问时间来决定存储级别并适用不同费率：

写入费（PUT、COPY、POST 或 LIST 请求）：每1000个请求 ¥ 0.00405
刚写入的30天内，存储费按照S3标准级（S3-INT Frequent Access）收费，每GB ¥0.1755/月
文件最后一次被访问的30天内，存储费按照S3标准级（S3-INT Frequent Access）收费，每GB ¥0.1755/月
文件最后一次访问后的30-90天将按照S3不频繁访问级别（S3-INT Infrequent Access）收费，每GB ¥0.1030029/月
文件最后一次访问后的90天以上将按照S3归档立刻取回级别（S3-INT Archive Instant Access）收费，每GB ¥0.03006/月
不过之前数据存储在那一层、以及最后被访问之后多少天，只要数据被再次访问，数据将被移动到S3智能分层标准级（S3-INT Frequent Access），未来30天重新按照S3-INT Frequent Access存储级别收费
以上所有场景的读取费（GET、SELECT 及所有其他请求）：每1000个请求 ¥ 0.00135
数据检索：不收取

结合以上可看出，使用S3智能分层，写入时候成本就是按照标准层写入费用计算。读取时候不管数据当前保存在哪一层，始终按照S3标准层的读取费用去计算，因此即便发生多次读取费用也很少，不会发生前文描述的当读取次数大于7次后S3 Glacier Instant Retrieval存储类成本反而高于S3标准类的情况。

另外请注意，S3智能分层有如下适用范围和限制请予以考虑：

收取文件管理费。费用定义是每1000个对象收取 ¥0.016675。小于128KB级别的文件不被在内；
小于128KB的数据将始终保存在频繁访问层。

（2）访问场景测算

在享受到读取费用的好处后，对智能分层存储的调度逻辑可观察到：

第一个月新写入数据时候按照标准层存储因此存储费用最高，满30天没有被访问后的转为不频繁访问层，由此第二个月存储费降低；
满90天没被访问后，第4个月又显著降低；
当文件被读取时，文件将回到S3-INT FA存储层级收费；
直到再次经过下一个90天移动到S3-INT AIA按照最低存储成本计费。

这个逻辑的特点是，1年内读写频率足够低才会节省费用，如果隔一个月进行一次读取，那么数据还没有满足90天下沉的条件就又返回到最贵的标准层计费了。如此反复读取，意味着几乎全年数据都保存在标准层，也就没有实现成本节约的效果。

接下来我们模拟下这种场景，分别安排在不同的月份读取数据，测算访问频度对智能分层存储费的影响。

以下模拟数据在1月写入，然后在1月读取1次，后续没有读取的场景，成本节约为59%。

以下模拟数据在1月写入，然后在1月、3月、5月、7月、9月、11月各读写1次的场景，成本节约为11%。

以下模拟数据在1月写入，然后在1月、7月、11月各读写1次的场景，成本节约为35%。

以下模拟数据在1月写入，1月读取10次，7月当月读写了10次，其他月份无读取的场景，成本节约为44%。

通过以上的场景可以看出，使用S3智能分层存储节约费用的秘诀是数据足够“冷”，或者两次访问间隔尽可能长。如果要对数据进行多次读写，建议集中在某窗口内（例如一个月）内集中完成数次读写，然后剩下的时间由S3智能分层自动的降低存储级别节省费用。

（3）结论

综上所述，S3智能分层是大多数存储和数据分析场景下降低成本的好选择。

三、将新数据存储和现有数据保存到S3智能分层

1、修改上传文件代码中的声明直接上传到S3智能分层

以Python代码为例：

import boto3

BucketName = 's3int-workshop'
LocalFileName = "image1.jpg"
FileData = open(LocalFileName, 'rb')

client = boto3.client('s3')
response = client.put_object(
    ACL = 'private',
    Body = FileData,
    Bucket = BucketName,
    Key = LocalFileName,
    ContentType = 'image/jpeg',
    StorageClass = 'INTELLIGENT_TIERING'
)

在上传参数中，指定StorageClass = ‘INTELLIGENT_TIERING’即可将文件保存为智能分层类型。

由于修改上传代码只对新上传的文件有效，存量文件如果要修改存储类型则还是要通过生命周期规则实现。

2、使用生命周期将现有数据转换到S3智能分层

找到要修改的S3存储桶。可看到其中有两个存量文件。如下截图。

点击Management管理标签页，点击Create lifecycle rule创建生命周期规则按钮。如下截图。

输入规则的名称立刻转换为INT，这里可以使用中文，然后选中下方的Apply to all objects in the bucket对存储桶内所有对象有效的按钮。在下方的第二次确认对话框内，选中I acknowledge that this rule will apply to all objects in the bucket.表示确认本规则将对存储桶内所有文件发起转换。接下来向下滚动页面。如下截图。 注意：慎重使用Apply to all objects in the bucket选项，本选项将对存储桶内所有文件发起转换。请慎重使用以免出现海量对象被错误转换。