在AzureML中注册Datastore：File Share与Blob Storage哪个更适配我的场景？

针对你有80个已完成预处理的小尺寸CSV文件的场景，Blob Storage是更合适的选择，原因如下：

• 小文件存储效率更优：Blob Storage的块Blob针对大量小文件的存储与批量访问做了优化，相比基于SMB协议的File Share，在AzureML后续的数据集加载、训练管道运行等操作中，能更高效地调用这些小CSV文件。
• 成本更划算：Blob Storage的标准存储层级（若后续有归档需求，冷层/归档层的成本优势更明显）比File Share的存储成本更低，对于无需频繁修改的静态预处理数据，计费模式更适配。
• AzureML集成兼容性更好：AzureML对Blob Storage的原生支持更深入，比如创建TabularDataset时，可直接通过路径模式批量加载多个CSV文件，后续机器学习工作流（数据导入、训练数据挂载等）的配置更简洁，兼容性更强。

如果你的工作流需要像本地文件夹一样直接挂载访问、频繁修改文件内容，或依赖SMB协议的工具链，再考虑File Share。但你的数据已完成清理预处理，无需频繁改动，因此Blob Storage是最优选项。

内容的提问来源于stack exchange，提问作者user14736700