Estrategia de almacenamiento por niveles de AWS - Las 8 clases de almacenamiento de S3 y la optimización automática con Intelligent-Tiering
Comparamos las clases de almacenamiento de AWS S3 y la optimización automática con Intelligent-Tiering frente a los niveles de almacenamiento de Azure Blob Storage y GCS, explicando cómo se dividen los niveles, las diferencias de diseño en la automatización y las pautas para elegir entre ellos.
La esencia de la optimización de costos de almacenamiento
Los costos de almacenamiento en la nube aumentan linealmente con el crecimiento del volumen de datos. La mayoría de los datos que poseen las empresas son datos fríos con baja frecuencia de acceso, y mantener todos los datos en clases de almacenamiento de alto rendimiento es un desperdicio de costos. La estrategia de almacenamiento por niveles consiste en colocar los datos en la clase de almacenamiento óptima según su frecuencia de acceso, equilibrando rendimiento y costo. Para esta estrategia de niveles, AWS S3 ofrece un conjunto de clases de almacenamiento con usos acotados, desde uso general hasta archivo profundo, que permite elegir de forma escalonada entre combinaciones de tiempo de recuperación (milisegundos / minutos / horas) y precio unitario de almacenamiento. Cuanto más granulares sean los niveles, más precisa será la optimización de costos adaptada a las características de la carga de trabajo. Además, la optimización automática con Intelligent-Tiering reduce significativamente la carga de gestión manual de niveles.
Las 8 clases de almacenamiento de S3
(A fecha de agosto de 2026; Este de EE. UU. (Norte de Virginia) / Asia-Pacífico (Tokio)) La enumeración oficial de las clases de almacenamiento de S3 comprende 9: S3 Standard, S3 Intelligent-Tiering, S3 Express One Zone, S3 Standard-IA, S3 One Zone-IA, S3 Glacier Instant Retrieval, S3 Glacier Flexible Retrieval, S3 Glacier Deep Archive y S3 Outposts. Sin embargo, S3 Outposts es una categoría especial para colocar datos en racks de Outposts instalados on-premises, y su premisa difiere de la cuestión de cómo dividir en niveles el almacenamiento en la nube dentro de una región. En una región normal, las candidatas para el diseño de niveles son las 8 clases excluyendo Outposts, y de ellas Intelligent-Tiering no es un nivel individual sino la clase de asignación automática de niveles que se trata en la siguiente sección. Standard es para datos de acceso frecuente, ofreciendo la mayor disponibilidad y baja latencia. Standard-IA (Infrequent Access) es para datos de acceso poco frecuente pero que necesitan recuperación inmediata, con un precio unitario de almacenamiento de 0.0125 USD por GB al mes (Norte de Virginia) / 0.0138 USD (Tokio). Standard en las mismas condiciones cuesta 0.023 USD / 0.025 USD para los primeros 50 TB, por lo que la diferencia de precio unitario ronda el 45%. One Zone-IA reduce aún más los costos al almacenar en una sola AZ. Glacier Instant Retrieval permite la recuperación en milisegundos aunque sea datos de archivo, Glacier Flexible Retrieval es aún más económico a cambio de permitir tiempos de recuperación de minutos a horas. Glacier Deep Archive es la clase más económica, adecuada para usos de cumplimiento con recuperación en menos de 12 horas. Express One Zone es almacenamiento de alto rendimiento en una sola AZ, optimizado para cargas de trabajo analíticas.
Optimización automática con Intelligent-Tiering
S3 Intelligent-Tiering es una funcionalidad que monitorea automáticamente los patrones de acceso de los objetos y los mueve automáticamente al nivel de almacenamiento más eficiente en costos. Los niveles que funcionan de forma automática son 3: Frequent Access, Infrequent Access y Archive Instant Access; los objetos sin acceso durante 30 días pasan al nivel Infrequent Access, y sin acceso durante 90 días al nivel Archive Instant Access. Estos 3 niveles son de baja latencia y se recuperan en milisegundos, y al acceder al objeto con GetObject u operaciones similares, vuelve automáticamente al nivel Frequent Access sin cargos adicionales de recuperación. Además, se pueden activar opcionalmente el nivel Archive Access (migración tras un mínimo de 90 días sin acceso) y el nivel Deep Archive Access (tras un mínimo de 180 días sin acceso), pero estos 2 niveles presuponen acceso asíncrono: no se pueden obtener solo con GET y requieren una restauración explícita mediante una solicitud RestoreObject. La línea divisoria de que el retorno automático solo aplica a los 3 niveles de baja latencia se convierte en un punto de bifurcación del diseño. El valor de esta automatización es especialmente grande para conjuntos de datos con patrones de acceso impredecibles. Al diseñar manualmente políticas de ciclo de vida, si se estiman incorrectamente los patrones de acceso, existe el riesgo de mover datos de acceso frecuente a niveles económicos, acumulando cargos de recuperación. Intelligent-Tiering reduce considerablemente el riesgo derivado de estos errores de estimación, pero a cambio se aplica un cargo mensual por objeto por monitoreo y automatización de niveles. Los objetos de menos de 128 KB están exentos de este cargo, pero tampoco son objeto de la asignación automática de niveles y siempre se facturan a la tarifa del nivel Frequent Access, por lo que en buckets dominados por objetos pequeños apenas se obtiene ahorro. Conviene verificar la distribución de tamaños de los objetos antes de aplicarlo.
Comparación con Azure Blob Storage
(A fecha de agosto de 2026, según la documentación oficial de Microsoft) Azure Blob Storage ofrece 4 niveles de acceso: Hot, Cool, Cold y Archive. Los períodos mínimos de retención recomendados son 30 días para Cool, 90 días para Cold y 180 días para Archive; eliminar un blob o moverlo a otro nivel dentro de ese período genera un cargo por eliminación anticipada. Hot, Cool y Cold son niveles en línea con acceso en milisegundos, mientras que Archive es un nivel sin conexión que debe rehidratarse a un nivel en línea antes de poder leerse, lo que puede tardar hasta 15 horas según la prioridad especificada. En cambio, S3 divide su franja de archivo en 3 clases según el tiempo de recuperación, de modo que la opción de "precio cercano al de archivo con recuperación en milisegundos" (Glacier Instant Retrieval) y la de "aún más económico pero con horas de espera" (Glacier Flexible Retrieval y Glacier Deep Archive) se especifican con solo elegir la clase. En Azure, esta franja intermedia la cubre el nivel en línea Cold, pero Cold está diseñado con cargos de lectura más altos que Cool, y el nivel más económico, Archive, es sin conexión, por lo que esta división en dos obliga a sacrificar uno de los dos lados cuando el requisito es "economía e inmediatez a la vez". En cuanto a la asignación automática de niveles, Azure también cuenta con Smart tier, que mueve automáticamente los blobs entre Hot, Cool y Cold según los patrones de uso. Las condiciones de las reglas de Lifecycle Management también pueden usar la hora del último acceso (si se habilita el seguimiento de la hora de acceso), además de la hora de creación y la de última modificación. Sin embargo, las políticas de Lifecycle Management no pueden devolver blobs del nivel Archive a un nivel en línea, por lo que recuperar los datos que se bajaron al nivel sin conexión requiere un diseño aparte con Copy Blob u operaciones similares.
Comparación con GCS
GCS (Google Cloud Storage) ofrece 4 clases de almacenamiento: Standard, Nearline, Coldline y Archive. La característica de GCS es que proporciona la misma API y latencia en todas las clases. La recuperación desde Coldline o Archive se realiza a la misma velocidad que Standard, por lo que no hay que preocuparse por los tiempos de recuperación. Este diseño es simple y fácil de usar, pero no permite controlar de forma granular el equilibrio entre velocidad de recuperación y costo como S3. La funcionalidad Autoclass de GCS equivale a la automatización de niveles de S3 Intelligent-Tiering, pero S3 Intelligent-Tiering tiene más niveles, permitiendo una optimización con mayor granularidad. Además, las políticas de ciclo de vida de S3 pueden definir reglas complejas combinando condiciones como prefijo del objeto, etiquetas y tamaño, ofreciendo alta flexibilidad en la gestión de data lakes a gran escala.
Directrices prácticas de diseño para almacenamiento por niveles
Para utilizar eficazmente el almacenamiento por niveles, el punto de partida es comprender con precisión los patrones de acceso de los datos. S3 Storage Lens visualiza los patrones de acceso de todo el bucket, permitiendo analizar cuánto acceso tiene cada prefijo. La estrategia básica es aplicar políticas de ciclo de vida a datos con patrones de acceso claros e Intelligent-Tiering a datos con patrones poco claros. Los datos que requieren almacenamiento a largo plazo por requisitos de cumplimiento se colocan en Glacier Deep Archive, y los datos como registros de auditoría que son de baja frecuencia pero necesitan acceso inmediato se colocan en Glacier Instant Retrieval.
Resumen
Las clases de almacenamiento de AWS S3 permiten una optimización de costos precisa según la combinación de frecuencia de acceso y requisitos de recuperación. Comparado con los 4 niveles de Azure Blob Storage y las 4 clases de GCS, S3 divide su franja de archivo en 3 clases según el tiempo de recuperación, de modo que el requisito de "precio cercano al de archivo con recuperación en milisegundos" se satisface con solo elegir la clase, y ese es el punto de diferenciación práctico. La optimización automática con Intelligent-Tiering reduce simultáneamente la carga de gestión manual y el riesgo de costos por errores de diseño para conjuntos de datos con patrones de acceso impredecibles. Sin embargo, los cargos por monitoreo y automatización de niveles, el tratamiento de los objetos de menos de 128 KB y la necesidad de RestoreObject en los niveles opcionales se añaden como condiciones previas, por lo que el alcance de aplicación se decide tras verificar la naturaleza de los datos objetivo. En la era actual donde el volumen de datos sigue creciendo, la optimización de costos de almacenamiento es un desafío importante en la operación cloud. S3, que permite combinar la graduación de los tiempos de recuperación con la asignación automática de niveles basada en patrones de acceso, puede considerarse una base con un amplio abanico de opciones frente a este desafío.
Referencias (recursos oficiales de AWS)
Las fuentes primarias de esta página son el sitio web y la documentación oficiales de AWS. Consulta las páginas oficiales siguientes para conocer las especificaciones y los precios más recientes.
Si esta página y la documentación oficial difieren, prevalece la documentación oficial.