Camadas de armazenamento hot, cool e archive: como economizar na nuvem

Por que dados frios na camada quente encarecem a conta da nuvem

Quando uma empresa leva arquivos, backups e documentos para a nuvem, quase sempre começa pelo caminho mais simples: cria uma conta de armazenamento, sobe tudo na configuração padrão e segue em frente. O problema aparece meses depois, na fatura. A configuração padrão costuma ser a camada hot (quente), feita para dados acessados com frequência. Ela cobra mais caro por gigabyte armazenado, e a maior parte do que as empresas guardam praticamente não é aberta depois dos primeiros dias.

Pense nos dados de uma empresa média: notas fiscais de anos anteriores, logs de sistemas, gravações de câmeras, cópias de backup, projetos encerrados, arquivos de colaboradores desligados. Tudo isso precisa ser guardado, muitas vezes por exigência legal ou fiscal, mas raramente é consultado. Deixar esse volume na mesma camada dos arquivos do dia a dia é como alugar uma sala comercial no centro da cidade para guardar caixas de arquivo morto. Funciona, mas sai muito mais caro do que precisa.

Os provedores de nuvem resolvem isso com camadas de armazenamento. A lógica é simples: quanto menos você acessa um dado, menos paga para guardá-lo, e mais paga (em dinheiro e em tempo) quando precisa recuperá-lo. Para economizar sem criar dor de cabeça, é preciso entender cada camada e automatizar a movimentação dos dados entre elas.

Hot, cool, cold e archive: o que muda em cada camada

No Azure Blob Storage, que usamos aqui como referência, existem quatro camadas de acesso. Outros provedores têm equivalentes com nomes diferentes. No Amazon S3, por exemplo, há a classe Standard, a Standard-IA e a família Glacier. O princípio é o mesmo em todos: o custo de armazenamento cai à medida que sobem o custo de acesso e o tempo de recuperação.

• Hot (quente): é a camada com o maior custo por GB armazenado e o menor custo por leitura e escrita. Serve para dados em uso ativo, como arquivos de trabalho, conteúdo de sites e bases consultadas a toda hora. Não exige tempo mínimo de permanência.
• Cool (fria): armazenamento mais barato que o hot, com operações mais caras. Feita para dados acessados de vez em quando, como backups recentes e documentos dos últimos meses. Tem retenção mínima de 30 dias.
• Cold (gelada): fica entre a cool e a archive. O armazenamento é ainda mais barato e o acesso continua imediato. Atende dados raramente consultados que, quando necessários, precisam estar disponíveis na hora. Retenção mínima de 90 dias.
• Archive (arquivo): tem o menor custo de armazenamento, uma fração do valor da camada hot. Os dados ficam offline: para ler um arquivo, é preciso antes reidratá-lo para uma camada online, e isso pode levar horas. Retenção mínima de 180 dias.

Na prática, as camadas hot, cool e cold entregam o dado na mesma hora, com latência de milissegundos. O que muda entre elas é a forma de cobrança. Já a camada archive muda a forma de operar: ninguém abre um arquivo arquivado com dois cliques. Por isso ela serve para o que você precisa guardar, mas espera quase nunca precisar ler: históricos fiscais, backups de longo prazo, dados de auditoria e acervos de compliance.

Também é possível definir a camada por objeto, e não só pela conta inteira. Isso permite que, no mesmo contêiner, arquivos recentes fiquem na hot enquanto arquivos antigos já estão na cool ou na archive. Essa flexibilidade é o que torna as políticas de ciclo de vida tão eficientes.

Como classificar seus dados antes de mover qualquer coisa

O erro mais comum é mover dados para camadas mais baratas sem saber como eles são usados. Um arquivo enviado para a archive que precise ser consultado na semana seguinte gera custo de reidratação, taxa de exclusão antecipada e, pior, uma equipe parada esperando horas pela informação. Antes de qualquer automação, vale fazer um levantamento honesto do padrão de acesso.

1. Mapeie os tipos de dados: separe arquivos de produção, backups, logs, mídia, documentos fiscais e dados de projetos encerrados. Cada grupo tem um ciclo de vida próprio.
2. Meça a frequência de acesso: ative o rastreamento de último acesso (last access time tracking) na conta de armazenamento para descobrir o que é lido de fato, e não o que você acha que é lido.
3. Defina prazos de retenção: cruze os dados com as exigências legais, contábeis e de LGPD. Alguns documentos precisam ser guardados por cinco anos ou mais; outros podem e devem ser descartados.
4. Estabeleça o tempo aceitável de recuperação: para cada grupo, pergunte quanto tempo o negócio aguenta esperar pelo dado. Se a resposta for "horas", a archive é uma opção. Se for "na hora", o limite é a cold.
5. Calcule o ponto de equilíbrio: compare a economia no armazenamento com o custo extra de transações e leituras. Dados lidos com frequência podem ficar mais caros numa camada fria.

Regra prática: a camada certa não é a mais barata, e sim aquela em que o custo total (armazenamento, transações, leituras e tempo de espera) fica menor para o padrão real de uso daquele dado.

Com essa classificação em mãos, a decisão deixa de ser intuitiva e passa a ser técnica. É comum descobrir que 60%, 70% ou mais do volume armazenado não é acessado há meses, e é nesse volume que está a maior oportunidade de economia.

Políticas de ciclo de vida: automatizando a economia

Mover arquivos de camada manualmente até funciona para um teste, mas não se sustenta. O volume cresce todo dia e ninguém tem tempo de revisar o armazenamento toda semana. As políticas de gerenciamento de ciclo de vida resolvem isso: são regras definidas uma vez na conta de armazenamento, que o próprio provedor passa a executar automaticamente, normalmente uma vez por dia.

Uma política de ciclo de vida combina filtros e ações. Os filtros dizem quais dados a regra afeta, por exemplo um prefixo de pasta como backups/ ou logs/, ou uma etiqueta (tag) aplicada aos arquivos. As ações dizem o que fazer com eles e quando, com base na data de criação, na última modificação ou no último acesso. Um exemplo típico para uma pasta de backups:

• Após 30 dias sem modificação, mover para a camada cool.
• Após 90 dias, mover para a camada cold.
• Após 180 dias, mover para a camada archive.
• Após 5 anos, excluir automaticamente, desde que a retenção legal tenha sido cumprida.

Para dados com uso imprevisível, a regra baseada em último acesso funciona melhor. Um arquivo que não é lido há 60 dias desce para a cool; se alguém voltar a usá-lo, a política pode devolvê-lo automaticamente para a hot. Assim o armazenamento acompanha o comportamento real dos usuários, sem ninguém precisar adivinhar. Também vale incluir regras para versões antigas e snapshots, que costumam se acumular sem que ninguém perceba e inflam a conta silenciosamente.

Armadilhas comuns: retenção mínima, reidratação e transações

As camadas frias são econômicas, mas têm regras que, se ignoradas, transformam economia em prejuízo. A primeira é a retenção mínima. Se um arquivo sai da cool antes de 30 dias, da cold antes de 90 ou da archive antes de 180, o provedor cobra uma taxa de exclusão antecipada proporcional ao período que faltava. Mover dados temporários para a archive e apagá-los logo depois é um erro clássico.

A segunda armadilha é a reidratação. Um dado na archive não pode ser lido diretamente: é preciso trazê-lo de volta para uma camada online. Na prioridade padrão, isso pode levar até 15 horas. Na prioridade alta, o processo fica bem mais rápido, normalmente abaixo de uma hora para objetos menores, mas custa mais. Em uma situação de desastre ou numa auditoria com prazo curto, essa espera precisa estar prevista no plano de continuidade.

• Custo de transações: cada leitura, escrita e listagem é mais cara nas camadas frias. Milhões de arquivos pequenos numa camada fria podem gerar uma conta de operações maior que a economia no armazenamento.
• Arquivos muito pequenos: agrupar arquivos pequenos em pacotes maiores antes de arquivar reduz custos de transação e simplifica a recuperação.
• Redundância: a escolha entre replicação local, por zona ou geográfica também pesa no custo. Nem todo dado arquivado precisa de redundância geográfica.
• Backups e imutabilidade: em cópias de segurança protegidas contra ransomware, confirme que as políticas de imutabilidade (WORM) são compatíveis com a movimentação entre camadas configurada.

Antes de ativar uma política em produção, simule o impacto: estime quantos objetos serão movidos, quanto custam as transações de mudança de camada e quanto tempo levaria para recuperar o conjunto, caso necessário.

Por fim, acompanhe os resultados. As ferramentas de gestão de custos do provedor mostram quanto cada conta de armazenamento custa por camada e por tipo de operação. Revisar esses números todo mês mostra se as regras estão funcionando ou se algum grupo de dados está na camada errada.

Como a Duk ajuda sua empresa a pagar menos pelo armazenamento em nuvem

Otimizar armazenamento na nuvem envolve mais do que trocar uma configuração. É preciso conhecer o negócio, mapear como os dados são usados, respeitar prazos legais e desenhar políticas que economizem sem colocar em risco a disponibilidade das informações. É aí que um parceiro de TI experiente faz diferença.

A Duk Informática & Cloud atende mais de 550 empresas e tem mais de 18 anos de experiência em infraestrutura, backup e nuvem. Como Microsoft Gold Partner, nossa equipe faz o diagnóstico do seu ambiente de armazenamento, identifica dados frios ocupando camadas caras, define as políticas de ciclo de vida adequadas ao seu padrão de uso e acompanha os custos mês a mês. Nosso trabalho cobre todo o ciclo:

• Levantamento do volume armazenado e do padrão real de acesso aos dados.
• Desenho das camadas e das políticas de ciclo de vida, alinhadas a prazos fiscais e à LGPD.
• Estratégia de backup com retenção de longo prazo, imutabilidade e tempo de recuperação definido.
• Monitoramento contínuo de custos e ajustes conforme o ambiente cresce.

Se a fatura da nuvem cresce todo mês e ninguém sabe exatamente por quê, vale a pena olhar o armazenamento primeiro: muitas vezes a maior economia está justamente ali. Fale com a Duk para avaliar seu ambiente e transformar dados parados em custo sob controle.