Ob Bilder, Videos, Konfigurationsdateien oder Transaktionsdaten – Cloud-Anwendungen brauchen Speicher. Doch nicht jeder Speicher ist gleich. In der Cloud gibt es verschiedene Optionen für unterschiedliche Anforderungen:
- Objektspeicher, Block- und Dateispeicher
- Relationale Datenbanken (SQL)
- NoSQL- und dokumentenbasierte Datenbanken
- Data Warehouses und In-Memory Stores
In diesem Beitrag zeigen wir dir:
- Die wichtigsten Speicherarten in der Cloud
- Welche Datenbanken wofür geeignet sind
- Was du bei der Wahl beachten solltest
- Und welche Dienste AWS, Azure und GCP anbieten
1. Objektspeicher – Der Allrounder für Dateien
Was ist Objektspeicher?
Objektspeicher ist die Standardlösung für unstrukturierte Daten wie:
- Bilder, Videos, PDFs
- Logs, Backups, Archives
- Statische Webseiten (HTML, JS, CSS)
Jede Datei (Objekt) wird mit Metadaten versehen und über eine eindeutige ID (Schlüssel) adressiert. Es gibt kein Dateisystem wie bei klassischen Festplatten, sondern eine flache Struktur.
Vorteile:
- Nahezu unbegrenzte Skalierung
- Geringe Kosten pro GB
- Hohe Verfügbarkeit
- Ideal für Content-Delivery, Archivierung, Machine Learning Pipelines
Beispiele:
| Anbieter | Dienstname | Besonderheiten |
|---|---|---|
| AWS | S3 (Simple Storage Service) | Marktführer, Lifecycle Policies, Versionierung |
| Azure | Blob Storage | Hot / Cool / Archive-Tiers |
| GCP | Cloud Storage | Standard / Nearline / Coldline |
2. Blockspeicher – Für VMs und Datenbanken
Was ist Blockspeicher?
Blockspeicher wird verwendet, wenn eine Anwendung direkten Festplattenzugriff braucht – wie bei:
- Virtuellen Maschinen (z. B. Linux-Server)
- Datenbank-Backends (z. B. PostgreSQL, MongoDB)
- Hochleistungsanwendungen
Jeder Block verhält sich wie ein Teil einer echten Festplatte – du kannst ihn formatieren, partitionieren und mounten.
Beispiele:
| Anbieter | Dienstname |
|---|---|
| AWS | EBS (Elastic Block Store) |
| Azure | Managed Disks |
| GCP | Persistent Disks |
Wann nutzen?
- Für VM-Instanzen oder Kubernetes-Pods mit persistentem Speicher
- Wenn schnelle Lese-/Schreibzugriffe nötig sind
- Bei transaktionalen Workloads
3. Dateispeicher – Gemeinsame Netzlaufwerke
Was ist Dateispeicher?
Dateispeicher (auch NAS) ist ein netzwerkbasiertes Laufwerk, auf das mehrere Systeme gleichzeitig zugreifen können – wie ein freigegebener Ordner.
Geeignet für:
- Legacy-Anwendungen
- Content-Management-Systeme
- Gemeinsame Dateispeicherung
Beispiele:
| Anbieter | Dienstname |
|---|---|
| AWS | EFS (Elastic File System) |
| Azure | Files (über SMB) |
| GCP | Filestore |
Wo speichert man was?
| Art | Typische Nutzung | Empfehlung |
|---|---|---|
| Objektspeicher | Bilder, Videos, Logs, Static Sites | S3, Blob, Cloud Storage |
| Blockspeicher | VMs, DB-Backends, Kubernetes Volumes | EBS, Managed Disks |
| Dateispeicher | Shared Folders, CMS, Legacy Apps | EFS, Azure Files |
4. Relationale Datenbanken (SQL)
Relationale Datenbanken sind tabellenbasierte Datenbanksysteme mit fester Struktur und Schema – ideal für:
- Transaktionssysteme (z. B. Bestellungen)
- Benutzerverwaltung
- Reporting mit JOINs, Aggregationen etc.
Beispiele für SQL-Datenbanken:
- MySQL
- PostgreSQL
- Microsoft SQL Server
- Oracle Database
Gemanagte SQL-Datenbanken in der Cloud:
| Anbieter | Dienstname |
|---|---|
| AWS | RDS (Relational Database Service) |
| Azure | Azure SQL, PostgreSQL, MySQL |
| GCP | Cloud SQL |
Vorteile:
- Kein Servermanagement
- Backups, Failover und Skalierung integriert
- Hochverfügbarkeit auf Knopfdruck
5. NoSQL-Datenbanken – Flexibel & skalierbar
NoSQL-Datenbanken sind ideal für halbstrukturierte oder stark verteilte Daten. Es gibt unterschiedliche Arten:
| Typ | Beschreibung | Beispiel |
|---|---|---|
| Key-Value | Schnelle Abfragen per Schlüssel | DynamoDB, Redis, Memcached |
| Dokumentbasiert | JSON-ähnliche Objekte mit flexibler Struktur | MongoDB, Firestore, Cosmos DB |
| Spaltenbasiert | Für Big Data & Analytics | Bigtable, Cassandra |
| Graphdatenbanken | Beziehungen zwischen Objekten | Neptune (AWS), Neo4j |
Typische Anwendungsfälle:
- Mobile Apps (z. B. Firestore)
- E-Commerce-Systeme (z. B. Produktkataloge)
- Echtzeit-Apps (z. B. Redis für Caching)
6. Data Warehouses & Analytics
Für große Datenmengen, Abfragen über Millionen Zeilen und Business Intelligence sind klassische Datenbanken zu ineffizient. Hier kommen Data Warehouses ins Spiel:
Cloud-Dienste:
| Anbieter | Dienstname |
|---|---|
| AWS | Redshift |
| Azure | Synapse Analytics |
| GCP | BigQuery |
Vorteile:
- Serverlos oder vollständig verwaltet
- SQL-ähnliche Abfragen auf Petabyte-Daten
- Ideal für Reporting, Dashboards, KI/ML
Entscheidungshilfe: Welchen Speicher nehme ich?
| Was willst du speichern? | Beste Lösung |
|---|---|
| Bilder, Videos, Dokumente | Objektspeicher (S3, Blob, Cloud Storage) |
| Datenbankdaten (strukturierte Tabellen) | Relationale DB (RDS, Cloud SQL) |
| User-Daten mit variabler Struktur | NoSQL (Firestore, Cosmos DB, DynamoDB) |
| Gemeinsam genutzte Dateien | EFS, Azure Files, Filestore |
| Große Mengen Analyse-Daten | BigQuery, Redshift, Synapse |
Kostenüberblick (grob)
| Dienst | Preis (Beispiel) |
|---|---|
| S3 / Blob / Cloud Storage | ~0,02 €/GB/Monat + Anfragen |
| RDS / SQL / Cloud SQL | ~15–50 €/Monat (je nach Größe) |
| Firestore / DynamoDB | Kostenlos im Free Tier, dann pay-per-use |
| BigQuery | 1 TB Abfrage kostenlos, danach ~5 €/TB |
💡 Tipp:
Viele Anbieter bieten „Cold Storage“-Klassen (z. B. AWS Glacier, Azure Archive), mit extrem niedrigen Preisen, aber langer Zugriffszeit – ideal für Backups!
Sicherheit & Best Practices
- Zugriff kontrollieren: IAM-Rollen sauber vergeben (z. B.
read-only,admin,upload-only) - Verschlüsselung aktivieren: Sowohl „at rest“ als auch „in transit“
- Lifecycle Policies verwenden: Alte Daten automatisch löschen oder archivieren
- Backups nicht vergessen: Auch bei „verwalteten“ DBs
Fazit
Die Cloud bietet dir eine riesige Auswahl an Speicherlösungen – und keine ist „besser“, sondern jede ist für einen anderen Zweck ideal. Wer die Unterschiede kennt, kann Anwendungen besser planen, optimieren – und sogar Kosten sparen.
Die Mischung macht’s:
Objektspeicher für Medien, SQL-Datenbank für Benutzer, NoSQL für Session-Daten, BigQuery für Analytics – alles nebeneinander, perfekt integriert.
Schreibe einen Kommentar