Vyberte technologii pro analýzu dat a generování sestav v Azure

Cílem většiny řešení pro velké objemy dat je poskytnout přehled o datech prostřednictvím analýzy a reportování. Analýza a vytváření sestav můžou zahrnovat předkonfigurované sestavy a vizualizace nebo interaktivní zkoumání dat.

Možnosti technologie analýzy dat

V Azure je několik možností analýzy, vizualizací a generování sestav v závislosti na vašich potřebách:

Power BI

Power BI je sada nástrojů pro obchodní analýzy. Může se připojit ke stovkám zdrojů dat a můžete ho použít k neplánované analýze. Power BI Embedded můžete použít k integraci Power BI ve vlastních aplikacích bez nutnosti dalších licencí.

Organizace můžou pomocí Power BI vytvářet sestavy a zveřejnit je v rámci organizace. Každý může vytvářet přizpůsobené řídicí panely s integrovanými zásadami správného řízení a zabezpečením. Power BI používá Microsoft Entra ID k ověřování uživatelů, kteří se přihlašují ke službě Power BI. Používá přihlašovací údaje Power BI, když se uživatel pokusí získat přístup k prostředkům, které vyžadují ověření.

Poznámkové bloky Jupyter

Poznámkové bloky Jupyter poskytují prostředí založené na prohlížeči, které datovým vědcům umožňuje vytvářet soubory poznámkových bloků obsahující kód Python, Scala nebo R a text Markdownu. Tyto funkce činí poznámkové bloky účinným způsobem spolupráce prostřednictvím sdílení a dokumentování kódu a výsledků v jediném dokumentu.

Většina variant clusterů HDInsight, jako je Spark nebo Hadoop, jsou předem nakonfigurované s poznámkovými bloky Jupyter pro interakci s daty a odesílání úloh pro zpracování. V závislosti na typu clusteru HDInsight, který používáte, je k dispozici jedno nebo více jader pro interpretaci a spuštění kódu. Například clustery Spark ve službě HDInsight poskytují jádra související se Sparkem, která můžete vybrat ke spuštění kódu Pythonu nebo Scala pomocí modulu Spark.

Poznámkové bloky Jupyter poskytují efektivní prostředí pro analýzu, vizualizaci a zpracování dat před vytvořením pokročilejších vizualizací pomocí nástroje pro vytváření sestav BI, jako je Power BI.

Poznámkové bloky Zeppelin

Poznámkové bloky Zeppelin také poskytují prostředí založené na prohlížeči, které má podobné funkce jako poznámkové bloky Jupyter. Některé clustery HDInsight jsou předem nakonfigurované s poznámkovými bloky Zeppelin. Pokud ale používáte cluster HDInsight Interactive Query (označovaný také jako Apache Hive LLAP), je Zeppelin jediný poznámkový blok, který můžete použít ke spouštění interaktivních dotazů Hive. Pokud používáte cluster HDInsight připojený k doméně, jsou poznámkové bloky Zeppelin jediným typem poznámkových bloků, které umožňují přiřadit různá přihlášení uživatelů k řízení přístupu k poznámkovým blokům a podkladovým tabulkám Hive.

Poznámkové bloky Jupyter ve VS Code

VS Code je bezplatný editor kódu a vývojová platforma, kterou můžete použít místně nebo připojit ke vzdálenému výpočetnímu prostředí. Pokud používáte VS Code s rozšířením Jupyter, poskytuje plně integrované prostředí pro vývoj Jupyteru, které je možné vylepšit o více jazykových rozšíření. Tuto možnost vyberte, pokud chcete mít špičkové prostředí Jupyter zdarma a mít možnost využívat výpočetní prostředky podle svého výběru.

Pomocí nástroje VS Code můžete vyvíjet a spouštět poznámkové bloky na vzdálených zařízeních a kontejnerech. Pro zjednodušení přechodu z poznámkových bloků Azure je image kontejneru také dostupná pro použití s VS Code.

Jupyter (dříve IPython Notebook) je opensourcový projekt, který umožňuje snadno kombinovat text Markdownu a spustitelný zdrojový kód Pythonu na jednom plátně označovaný jako poznámkový blok. VS Code podporuje nativní práci s poznámkovými bloky Jupyter a soubory kódu Pythonu.

Klíčová kritéria výběru

Začněte zúžit volby zodpovězením následujících otázek:

  • Potřebujete se připojit k mnoha zdrojům dat a poskytnout centralizované místo pro vytváření sestav pro data rozložená v celé vaší doméně? Pokud to uděláte, zvolte možnost, která vám umožní připojit se ke stovkám zdrojů dat.

  • Chcete vložit dynamické vizualizace do externího webu nebo aplikace? Pokud to uděláte, zvolte možnost, která poskytuje možnosti vkládání.

  • Chcete při práci offline navrhovat vizualizace a sestavy? Pokud to uděláte, zvolte možnost, která má možnosti offline.

  • Potřebujete vysoký výpočetní výkon pro trénování velkých nebo složitých modelů AI nebo práci s velkými datovými sadami? Pokud to uděláte, zvolte možnost, která se může připojit ke clusteru s velkými objemy dat.

Matice schopností

Následující tabulka shrnuje klíčové rozdíly v možnostech.

Obecné možnosti

Schopnost Power BI Poznámkové bloky Jupyter Poznámkové bloky Zeppelin Poznámkové bloky Jupyter ve VS Code
Připojení ke clusterům s velkými objemy dat pro pokročilé zpracování Ano Ano Ano Ne
Spravovaná služba Ano Ano 1 Ano 1 Ano
Připojení ke stovkám zdrojů dat Ano Ne Ne Ne
Offline možnosti Ano 2 Ne Ne Ne
Možnosti vkládání Ano Ne Ne Ne
Automatická aktualizace dat Ano Ne Ne Ne
Přístup k mnoha opensourcovým balíčkům Ne Ano 3 Ano 3 Ano 4
Možnosti transformace nebo čištění dat Power Query, R 40 jazyků, včetně Pythonu, R, Julia a Scaly Více než 20 interpretů, včetně Pythonu, JDBC a R Python, F#, R
Ceny Zdarma pro Power BI Desktop (vytváření obsahu). Možnosti hostování najdete na stránce s cenami Power BI . Free Free Free
Spolupráce s více uživateli Ano Ano (prostřednictvím sdílení nebo s víceuživatelovým serverem, jako je JupyterHub) Ano Ano (prostřednictvím sdílení)

[1] Pokud se používá jako součást spravovaného clusteru HDInsight.

[2] S použitím Power BI Desktopu.

[3] V úložišti Maven můžete vyhledat balíčky , které přispěly komunitou.

[4] Balíčky Pythonu můžete nainstalovat pomocí pipu nebo Conda. Balíčky R můžete nainstalovat z CRAN nebo GitHubu. Balíčky v jazyce F# můžete nainstalovat prostřednictvím nuget.org pomocí správce závislostí paketu.

Přispěvatelé

Microsoft udržuje tento článek. Tento článek napsali následující přispěvatelé.

Hlavní autor:

Pokud chcete zobrazit nepublikované profily LinkedIn, přihlaste se na LinkedIn.

Další kroky

  • Poslední aktualizace v