Návrh architektury analýzy

Díky exponenciálnímu růstu dat organizace spoléhají na neomezený výpočetní výkon, úložiště a analytické výkony Azure, aby škálovaly, streamovaly, predikovaly a zobrazovaly svá data. Analytická řešení mění objemy dat na užitečné business intelligence (BI), jako jsou sestavy a vizualizace a vynalézavá umělá inteligence (AI), jako jsou prognózy založené na strojovém učení.

Bez ohledu na to, jestli vaše organizace teprve začíná vyhodnocovat cloudové analytické nástroje, nebo se snaží rozšířit vaši aktuální implementaci, Azure nabízí mnoho možností. Pracovní postup začíná učením se o běžných přístupech a sladění procesů a rolí v rámci cloudového myšlení.

Data je možné zpracovávat v dávkách nebo v reálném čase, místně nebo v cloudu, ale cílem jakéhokoli analytického řešení je využívat data ve velkém měřítku. Organizace stále častěji chtějí vytvořit jediný zdroj pravdy pro všechna relační a nerelační data generovaná lidmi, počítači a internetem věcí (IoT). Běžně se používá architektura velkých objemů dat nebo architektura IoT k transformaci nezpracovaných dat do strukturovaného formuláře a jejich následné přesunutí do analytického úložiště dat. Tento obchod se stává jediným zdrojem pravdy, který může využít velké množství přehledných analytických řešení.

Architecture

Diagram znázorňující cestu řešení pro analýzu v Azure Cesta začíná výukou a připraveností organizace a pak přejde na výběr řešení úložiště a technologií Azure BI nebo AI na základě požadavků na úlohy.

Stáhněte si soubor aplikace Visio s touto architekturou.

Výše uvedený diagram znázorňuje typickou implementaci základní analýzy nebo analýzy standardních hodnot. Projděte si architektury uvedené v této části a najděte řešení, která můžete sestavit v Azure.

Prozkoumání analytických architektur a průvodců

Články v této části zahrnují plně vyvinuté architektury, které můžete nasadit v Azure a rozšířit na řešení a příručky na úrovni produkčního prostředí. To vám může pomoct při rozhodování o používání analytických technologií v Azure. Můžete si také projít nápady na řešení, které vám poskytnou představu o tom, co je možné při plánování vývoje analýzy POC.

Architektury

• Komplexní analýza s Microsoft Fabric – Sestavte moderní analytickou platformu s využitím integrovaných funkcí Microsoft Fabric.
• Datové sklady a analýzy – Integrujte velké objemy dat z více zdrojů do sjednocené analytické platformy.
• Použijte Microsoft Fabric k návrhu podnikového řešení BI – návrh podnikového řešení business intelligence pomocí Microsoft Fabric.
• Zpracování dat lakehouse téměř v reálném čase – Použijte Azure Synapse Analytics a Azure Data Lake Storage k zpracování lakehouse téměř v reálném čase.
• Synchronizace MongoDB Atlasu v reálném čase s Azure Synapse Analytics – Synchronizace dat MongoDB Atlas do Azure Synapse Analytics v reálném čase
• Zpracování datových proudů pomocí Azure Databricks – Vytvoření kompletního kanálu zpracování datových proudů pomocí Azure Databricks
• Zpracování datových proudů pomocí Azure Stream Analytics – Sestavte kanál zpracování datových proudů, který ingestuje data, koreluje záznamy a počítá klouzavé průměry.
• Moderní datový sklad pro malé a střední firmy – Vytvořte moderní řešení datového skladu navržené pro malé a střední firmy.

Nápady na řešení

• Kanály pro příjem dat, ETL a zpracování datových proudů pomocí Azure Databricks – Vytváření kanálů ETL pro dávková a streamovaná data pro zjednodušení příjmu dat data Lake
• Moderní analytická architektura pomocí Azure Databricks – shromažďování, zpracování, analýza a vizualizace dat pomocí moderní architektury dat
• Moderní datová platforma pro malé a střední firmy – Vytvořte moderní architekturu datových platforem pro malé a střední firmy pomocí Microsoft Fabric a Azure Databricks.
• Analýzy v reálném čase pomocí Azure Data Exploreru – Analýza dat v reálném čase pomocí Azure Data Exploreru a služby Azure Service Bus

Guides

Technologické volby

• Analytika a reportování – Porovnejte možnosti analýzy a vizualizace dat v Azure.
• Dávkové zpracování – Vyhodnocení technologií dávkového zpracování pro úlohy s velkými objemy dat
• Zpracování datových proudů – Porovnání technologií zpracování datových proudů pro analýzy v reálném čase
• Zvolte analytické úložiště dat – Pokyny k výběru správného analytického úložiště dat.
• Zvolte analytické úložiště dat v Microsoft Fabric – Pokyny k výběru úložišť dat v Microsoft Fabric.

Zotavení po havárii pro datovou platformu Azure

• Přehled – přehled strategií zotavení po havárii pro datové platformy Azure
• Architektura – Vzory architektury pro zotavení po havárii na datových platformách Azure
• Podrobnosti scénáře – Podrobné scénáře pro implementaci zotavení po havárii
• Doporučení – doporučení osvědčených postupů pro zotavení po havárii

Další informace o analýzách v Azure

Pokud s analýzou v Azure začínáte, nejlepším místem, kde se dozvíte více, je microsoft Learn, bezplatná online školicí platforma. Najdete zde videa, kurzy a praktické učení pro konkrétní produkty a služby a studijní programy založené na vaší úloze, jako je vývojář nebo datový analytik.

Tady jsou některé zdroje informací, které vám pomůžou začít:

• Procházet témata týkající se dat Azure
• Úvod do konceptů dat datových jader Microsoft Azure
• Začínáme s Microsoft Fabric

Studijní programy podle role

• Datový analytik: Začínáme s analýzou dat Microsoftu
• Datový inženýr: Implementace řešení analýzy dat pomocí Azure Databricks
• Datový vědec: Vytváření řešení strojového učení pomocí Azure Databricks

Připravenost organizace

Pokud je vaše organizace v cloudu nová, může vám s tím pomoct architektura přechodu na cloud. Tato kolekce dokumentace a osvědčenýchpostupůch Další informace o analýzách v cloudovém měřítku najdete v tématu Analýzy v cloudovém měřítku.

Pokud chcete zajistit kvalitu analytického řešení v Azure, doporučujeme postupovat podle dobře architektuře Azure. Poskytuje preskriptivní pokyny pro organizace, které hledají vynikající architekturu, a popisuje, jak navrhovat, zřizovat a monitorovat nákladově optimalizovaná řešení Azure.

Pokyny k datovým úlohám v souladu s pilíři architektury Well-Architected najdete v tématu Azure Well-Architected Framework pro datové úlohy.

Cesta k produkčnímu prostředí

Znalost ukládání dat je jedním z prvních rozhodnutí, která potřebujete udělat na cestě k analýze v Azure. Pak můžete zvolit nejlepší technologii analýzy dat pro váš scénář.

Mezi klíčové rozhodovací body patří:

• Úložiště dat: Můžete si vybrat mezi datovými jezery, datovými sklady nebo lakehousemi na základě struktury dat a vzorů dotazů. Pokyny k výběru a návrhu databázových řešení, která používají analytické úlohy, najdete v tématu Návrh architektury databází.

• Model zpracování: Určete, jestli dávkové zpracování, zpracování datových proudů nebo kombinace nejlépe vyhovuje vašim požadavkům na úlohy.

• Analytické nástroje: Vyberte technologie BI a AI, které odpovídají dovednostem a obchodním potřebám vašeho týmu.

Pokud chcete zobrazit různé styly architektury pro analytická řešení, podívejte se na architektury.

Osvědčené postupy

Vysoce kvalitní analýzy začínají robustními a důvěryhodnými daty. Postupy zabezpečení informací na nejvyšší úrovni pomáhají zajistit, aby vaše data byla chráněna při přenosu a neaktivních uložených datech. Přístup k datům musí být také důvěryhodný. Důvěryhodná data implikují návrh, který implementuje:

• Zásady správného řízení – Definujte jasné vlastnictví dat, klasifikaci a zásady přístupu.

• Správa identit a přístupu – Implementujte zásady řízení přístupu na základě role a nejnižších oprávnění.

• Řízení zabezpečení sítě – Ochrana toků dat mezi službami a zabránění neoprávněnému přístupu

• Ochrana dat – Šifrování neaktivních uložených dat a přenášených dat

Na úrovni platformy přispívají následující osvědčené postupy pro velké objemy dat k důvěryhodné analýze v Azure:

• Orchestrace příjmu dat – Použijte pracovní postup dat nebo datový kanál, například řešení podporovaná službou Azure Data Factory nebo kanály Microsoft Fabric.

• Zpracovávat data na místě – použijte distribuované úložiště dat, přístup pro velké objemy dat, který podporuje větší objemy dat a širší škálu formátů.

• Vyčistěte citlivá data včas – Odeberte nebo zamaskujte citlivá data jako součást procesu příjmu dat, abyste se vyhnuli jejich ukládání do datového jezera.

• Zvažte celkové náklady – Vyvažte náklady na výpočetní uzly potřebné za jednotku oproti minutovým nákladům na použití těchto uzlů k dokončení úlohy.

• Vytvoření sjednoceného datového jezera – Kombinování úložiště pro soubory ve více formátech, ať už strukturovaných, částečně strukturovaných nebo nestrukturovaných. Jako jediný zdroj pravdy použijte Azure Data Lake Storage Gen2. Podívejte se například na architekturu řešení BI v centru efektivity.

Udržování aktuálního stavu pomocí analýz

Analytické služby Azure se vyvíjejí tak, aby řešily problémy s moderními daty. Mějte přehled o nejnovějších aktualizacích a plánovaných funkcích:

Získejte nejnovější aktualizace o produktech a funkcích Azure.

Mějte přehled o těchto klíčových analytických službách:

• Co je nového v Microsoft Fabric
• Poznámky k verzi Azure Databricks
• Co je nového v Azure Data Exploreru
• Co je nového v Power BI

Dodatečné zdroje

Analýza je široká kategorie a pokrývá celou řadu řešení. Další informace o Azure vám můžou pomoct následující zdroje informací.

Hybridní

Velká většina organizací potřebuje hybridní přístup k analýze, protože jejich data jsou hostovaná místně i v cloudu. Organizace často rozšiřují místní datová řešení do cloudu. Pro připojení prostředí musí organizace zvolit hybridní síťovou architekturu.

Klíčové scénáře hybridní analýzy:

• Modernizace mainframe: Modernizace mainframe a střednědosahových dat – Integrace starších zdrojů dat s moderními analytickými platformami.
• Místní integrace: Sjednocené hybridní a multicloudové operace – Připojení místních databází ke cloudovým analýzám
• Analýza na okraji sítě: Zpracování dat na okraji sítě a agregace přehledů v cloudu.

Analýza v reálném čase

Analýzy v reálném čase umožňují organizacím pracovat s daty při jejich doručení. Tady je několik zdrojů informací, které vám pomůžou začít s analýzou v reálném čase v Azure:

• Analýzy reálného času na architektuře velkých dat – Zpracování a analýza streamovaných dat ve velkém měřítku
• Analýzy IoT pomocí Azure Data Exploreru – Analýza telemetrických dat IoT v reálném čase
• Zpracování datových proudů pomocí Azure Stream Analytics – Sestavte bezserverová řešení streamování.
• Vytvořte moderní architekturu analýz pomocí Azure Databricks – analýzy na podnikové úrovni pomocí Apache Sparku.

Procházení dalších analytických příkladů v Centru architektury Azure

Odborníci na AWS nebo Google Cloud

Tyto články vám můžou pomoct rychle začít s porovnáním možností analýzy Azure s dalšími cloudovými službami:

• Analýzy a velké objemy dat v databázových technologiích v Azure a AWS

• Porovnání velkých objemů dat a analýz v Google Cloudu do služeb Azure