Amazon S3 Lifecycle Rules (Analytics)

Transitioning Objects Between Storage Classes: Objects in Amazon S3 can be moved between storage classes, such as from Standard to Standard IA, to Intelligent Tiering, to One-Zone IA, and from there to Flexible Retrieval or Deep Archive. Various permutations are possible based on your data access and archiving needs.

Automation with Lifecycle Rules: Transitioning objects can be done manually, but it's more efficient to automate this process using lifecycle rules. These rules consist of transition actions to specify when objects should move to another storage class and expiration actions to set objects for deletion after a certain time.

Prefix and Tag-Based Rules: Lifecycle rules can be applied to entire buckets or specific paths within buckets. You can also apply rules based on specific object tags, allowing for fine-grained control over transitions and deletions.

Scenario Examples:

Scenario 1: Managing source images and thumbnails. Source images can be in Standard class with a lifecycle rule to transition them to Glacier after 60 days. Thumbnails can be in One-Zone IA with a rule to expire them after 60 days.

Scenario 2: Managing deleted objects' recovery. Enabling S3 versioning allows you to recover deleted objects immediately for 30 days. After that, non-current versions can be transitioned to Standard IA and then to Glacier Deep Archive for archival purposes.

Optimizing Transition Days: To determine the optimal number of days for transitioning objects, you can use Amazon S3 Analytics. It provides recommendations for Standard and Standard IA. Note that it doesn't work with One-Zone IA or Glacier.

Amazon S3 Analytics: S3 Analytics generates a CSV report with recommendations and statistics for your buckets. It's updated daily, and it may take 24 to 48 hours to start seeing data analysis results.

Korean Translation (한국어 번역):

이 강의에서는 Amazon S3에서 다른 저장 클래스로 객체를 이동시키는 과정과 이를 라이프사이클 규칙을 사용하여 자동화하는 방법에 대해 논의했습니다. 요약은 다음과 같습니다:

저장 클래스 간 객체 전환: Amazon S3의 객체는 Standard에서 Standard IA로, Intelligent Tiering으로, One-Zone IA로 이동하고 거기서 Flexible Retrieval 또는 Deep Archive로 이동할 수 있습니다. 데이터 액세스 및 아카이빙 요구에 따라 다양한 조합이 가능합니다.

라이프사이클 규칙을 사용한 자동화: 객체 전환 작업은 수동으로 수행할 수 있지만, 라이프사이클 규칙을 사용하여 자동화하는 것이 더 효율적입니다. 이러한 규칙은 객체가 다른 저장 클래스로 이동해야 하는 시점을 지정하는 전환 작업 및 특정 시간 후 삭제될 객체를 설정하는 만료 작업으로 구성됩니다.

접두사 및 태그 기반 규칙: 라이프사이클 규칙은 버킷 전체 또는 버킷 내 특정 경로에 적용할 수 있습니다. 또한 특정 객체 태그를 기반으로 규칙을 적용하여 전환 및 삭제를 정밀하게 제어할 수 있습니다.

시나리오 예제:

시나리오 1: 원본 이미지 및 썸네일 관리. 원본 이미지는 Standard 클래스에 있으며 60일 후에 Glacier로 전환하는 라이프사이클 규칙이 있을 수 있습니다. 썸네일은 One-Zone IA에 있으며 60일 후에 만료되도록 하는 규칙이 있을 수 있습니다.

시나리오 2: 삭제된 객체 복구 관리. S3 버전 관리를 활성화하면 30일 동안 삭제된 객체를 즉시 복구할 수 있습니다. 그 이후에는 비 현재 버전을 Standard IA로 전환하고 아카이브 목적으로 Glacier Deep Archive로 전환하는 규칙을 생성할 수 있습니다.

전환 일 수 최적화: 객체의 전환에 가장 적합한 일 수를 결정하려면 Amazon S3 Analytics를 사용할 수 있습니다. 이는 Standard 및 Standard IA에 대한 권장 사항을 제공합니다. 단, One-Zone IA 또는 Glacier에서는 작동하지 않습니다.

Amazon S3 Analytics: S3 Analytics는 버킷에 대한 권장 사항과 통계를 생성합니다. 일일로 업데이트되며 데이터 분석 결과를 보기까지 24 ~ 48시간이 소요될 수 있습니다.