EBS Snapshot

O pai ta on!!

No ecossistema da Amazon Web Services (AWS), o Amazon Elastic Block Store (EBS) desempenha um papel fundamental no armazenamento persistente de dados para instâncias do Amazon EC2. 

Uma das ferramentas poderosas oferecidas pelo EBS é o EBS Snapshot, que permite criar cópias incrementais de volumes do EBS, fornecendo uma camada adicional de proteção e permitindo a rápida recuperação de dados. 

Neste artigo, exploraremos o conceito de EBS e EBS Snapshots, discutiremos os problemas que essa ferramenta resolve e forneceremos um passo a passo sobre como criar um snapshot. 

Além disso, demonstraremos como realizar snapshots de todas as instâncias EC2 por meio de código Python utilizando a biblioteca boto3 e como executar o mesmo processo usando a AWS CLI.

EBS

O Amazon Elastic Block Store (EBS) é um serviço de armazenamento de blocos persistentes fornecido pela AWS. Ele oferece volumes de armazenamento altamente disponíveis e duráveis que podem ser anexados a instâncias do EC2. 

O EBS permite que você crie, anexe, restaure e faça backup de volumes facilmente, fornecendo armazenamento persistente e confiável para suas cargas de trabalho na nuvem.

EBS Snapshot

O EBS Snapshot é uma funcionalidade do EBS que permite criar cópias pontuais de volumes do EBS. 

Esses snapshots são armazenados no Amazon S3 de forma incremental, capturando apenas as alterações nos dados desde o último snapshot. Essa abordagem de captura incremental economiza espaço de armazenamento e torna os snapshots extremamente eficientes. 

Os EBS Snapshots são consistentes e podem ser usados para criar novos volumes EBS, permitindo a rápida recuperação de dados em caso de falhas ou necessidades de restauração.

full-backup-on-sunday

Problemas resolvidos pelo EBS Snapshot

O EBS Snapshot resolve vários problemas relacionados à proteção de dados e recuperação de desastres. Aqui estão algumas das principais maneiras pelas quais essa ferramenta é útil:

1.Backup e restauração: Com o EBS Snapshot, você pode criar cópias de segurança de volumes do EBS e restaurá-las rapidamente em caso de falhas do sistema, erros operacionais ou exclusão acidental de dados.

2.Retenção de dados: Os snapshots fornecem uma maneira fácil de reter dados importantes. Você pode criar snapshots periódicos para manter pontos de recuperação históricos e estabelecer uma política de retenção de acordo com suas necessidades de negócios.

3.Clonagem de volumes: Os EBS Snapshots permitem criar novos volumes a partir de snapshots existentes. Isso é útil para criar clones de volumes para testes, desenvolvimento ou outras finalidades, sem afetar os dados originais.

4.Migração de dados: Os snapshots podem ser usados para migrar dados entre regiões da AWS. Você pode criar um snapshot em uma região e restaurá-lo em outra região, facilitando a transferência de dados de maneira segura e eficiente.

Utilizando scripts

Abaixo um exemplo utilizando python, onde o script roda todas as instancias de uma conta e executa o snapshot do volume root das instancias.

import boto3

 

def create_snapshots():

    ec2_client = boto3.client(‘ec2’)

    ec2_list = ec2_client.describe_instances()

   

    for instances in ec2_list [‘Reservations’]:

        for instance in instances[‘Instances’]:

            instance_id = instance[‘InstanceId’]

            snapshot_description = f”Snapshot for instance {instance_id}”

           

            response = ec2_client.create_snapshot(

                Description = snapshot_description,

                VolumeId = instance[‘BlockDeviceMappings’][0][‘Ebs’][‘VolumeId’]

            )

           

            print(f”Created snapshot {response[‘SnapshotId’]} for instance {instance_id}”)

 

# Executando a função para criar os snapshots

create_snapshots()

Caso queria executar pontualmente o snapshot via AWS CLI:

aws ec2 create-snapshot –volume-id <volume-id> –description “Snapshot by AWS CLI”

Conclusão

Os EBS Snapshots oferecem uma maneira fácil de criar cópias pontuais de volumes, permitindo backup, recuperação de desastres, clonagem e migração de dados. 

Neste artigo, discutimos o conceito de EBS e EBS Snapshots, destacamos os problemas que essa ferramenta resolve e fornecemos um passo a passo de como criar um snapshot usando a biblioteca boto3 em Python e a AWS CLI. 

Xero no suvaco!!

 Be Happy!!!

foto-thiago-marques
Thiago Marques Technical Account Manager
thiago.marques@darede.com.br

Technical Account Manager da Darede, formato em Rede de Computadores, e pós graduado em Segurança da Informação. Possui ampla experiência em Datacenters e Service Providers, além de ser um entusiasta em DevOps e mercado financeiro.

OUTRAS PUBLICAÇÕES

Blog-Darede-5-ferramentas-de-fluxograma

5 Ferramentas de fluxograma

Entenda quais são as principais ferramentas de fluxograma existentes no mercado e como elas podem auxiliar o mapeamento de seus processos!

Toda empresa pode usar Machine Learning?

Entenda como o Machine Learning pode alavancar os resultados da sua empresa Atualmente ouvimos muito sobre Inteligência Artificial, Machine Learning, Deep Learning, NLP (Natural Language Processing), Visão Computacional e Generative AI. Nesse mar de sopa de letrinhas, a realidade é que muitas empresas de diversos segmentos ainda têm dúvidas sobre a possibilidade de utilizarem essas tecnologias em seu negócio. Outro questionamento comum é se o investimento trará um bom retorno financeiro (e em quanto tempo) e não apenas custos. Pensando em esclarecer esses e outros pontos, resolvi escrever sobre a aplicação dessas tecnologias em alguns segmentos de negócios. O conteúdo será abordado em diferentes postagens e, para hoje, o foco é o AGRONEGÓCIO. Machine Learning no Agronegócio Já não é de hoje que o agronegócio é um dos setores que impulsiona a economia nacional, representando  25% do Produto Interno Bruto.  A tecnologia é um dos fatores capazes de manter o Brasil como um dos maiores exportadores mundiais de alimentos e fibras. Entretanto, a velocidade das inovações em seus processos não acompanhava a necessidade das empresas, fato que mudou com a popularização das soluções mencionadas acima.  Muitos profissionais da área podem se perguntar: Como posso aplicar uma dessas tecnologias em minha empresa cujo foco é o agronegócio?  Como o meu retorno financeiro aumentará?  Dentre as tecnologias citadas, quais podem gerar um impacto positivo? O que preciso para começar? Bem, vamos lá… No agronegócio existem diversas vertentes como: Pecuária; Apicultura; Horticultura etc. Em todas é possível aplicar AI/ML (gosto de utilizar esse termo para resumir todas as tecnologias mencionadas e, seguirei utilizando dessa maneira ao longo dos meus posts). As siglas significam: Artificial Intelligence/Machine Learning e o único requisito para utilizá-las é ter ou coletar novos dados. Suponhamos que você tenha uma plantação de milhos em 1 hectare e normalmente utiliza um inseticida para combater larvas e mosquitos em toda a extensão do cultivo. Com AI/ML é possível focar somente em áreas onde a incidência desses insetos seja maior e exista um risco real ao plantio. As tecnologias possuem a capacidade de prever quais serão os pontos mais afetados por meio de um monitoramento rápido realizado com um drone. O equipamento dispõe de visão computacional e identifica os insetos, aplicando assim o inseticida. Usando como baseline um inseticida que consiga cobrir 100m², seria necessária a compra de 100 galões desse inseticida e, caso ele custasse aproximadamente R$ 231,00, o custo total seria de R$ 23.100,00. Agora, considerando uma área de foco coberta por AI/ML, dois galões cobrindo 200m² poderiam resolver todo o problema com um custo de R$ 462,00. Ou seja, economia de R$22.638,00. Esse foi apenas um dos clássicos exemplos de uso em uma plantação.  Mas, temos muitas outras áreas que podemos aplicar:  Manutenção preditiva dos equipamentos de plantação e colheita;  Previsões climáticas;  Previsões financeiras;  Previsões de demanda; Previsões de atraso na entrega do produto; Detecção de fraudes no processo; Simulações na criação de animais e desenvolvimento de plantas, etc.  Tudo isso apenas inserindo alguns dados de inputs para um modelo de AI/ML treinado. Conclusão A conclusão que deixo a você é que, dentro do segmento do agronegócio é possível aplicar AI/ML em qualquer área e departamento, tomando as melhores decisões baseadas em dados que muito provavelmente você já tenha e que estão apenas esperando para serem utilizados.  Em um mundo em constante evolução tecnológica, a pergunta de se toda empresa pode usar Machine Learning não deve mais ser “se”, mas sim”como”. No caso específico do agronegócio, fica claro que as aplicações de AI/ML são vastas e promissoras. Desde otimizar o uso de recursos como inseticidas, prever condições climáticas, demanda do mercado e até mesmo detectar fraudes nos processos, a inteligência artificial e o aprendizado de máquina têm o potencial de revolucionar a maneira como o setor opera. A implementação bem-sucedida de AI/ML não exige necessariamente um grande investimento inicial, mas sim a coleta e utilização eficaz de dados que muitas empresas já possuem. O exemplo da economia substancial com o uso direcionado de inseticidas ilustra como a tecnologia pode otimizar os processos e melhorar os resultados financeiros de maneira significativa. Portanto, a conclusão é que no agronegócio, assim como em muitos outros setores, a adoção de Machine Learning é uma oportunidade tangível para tomar decisões mais assertivas, aumentar a eficiência e, em última análise, impulsionar o sucesso financeiro. O momento de explorar essas tecnologias é agora, e as empresas que se adaptarem mais rapidamente colherão os benefícios dessa revolução tecnológica. Este é o futuro do agronegócio, e a pergunta não é se você deve adotá-lo, mas sim como você pode fazer isso com sucesso. Wilian Cesar Uhlmann Data Scientist | Machine Learning Engineer wilian.uhlmann@darede.com.br Formado em Ciência da Computação e com MBA em Data Science. Atua na resolução de problemas de negócios na área de tecnologia há mais de 11 anos, tendo ministrado um curso de end-to-end de Data Science utilizando a plataforma da AWS. Certificado em ITIL, AWS Cloud Pratictioner e AWS Machine Learning Specialty.

Nós usamos cookies para garantir e oferecer a melhor experiência de navegação em nosso site! Mais informações