Fabric SKU Estimator -skenaario (esiversio)

Tärkeää

Tämä ominaisuus on esikatseluvaiheessa.

Microsoft Fabric SKU Estimator on tehokas työkalu, jonka avulla organisaatiot voivat arvioida työkuormilleen sopivia varastointiyksiköitä. Tämän työkalun avulla yritykset voivat suunnitella ja budjetoida tehokkaasti analytiikka- ja tietoympäristötarpeisiinsa. Aloita Fabric SKU Estimator -sovelluksen käyttö.

Tässä artikkelissa tutustumme todelliseen skenaarioon, joka osoittaa, miten Fabric SKU Estimator -kaavoja voidaan käyttää. Tämä monipuolueskenaario korostaa työkalun monipuolisuutta erilaisten vaatimusten käsittelyssä aina analytiikkaympäristöjen nykyaikaistamisesta datatieteen siirron tukemiseen ja ohjelmointirajapintapohjaisten merkityksellisten tietojen käyttöönottoon.

Skenaariotiedot: Contoso Manufacturing

Tutustutaan kuvitteelliseen Contoso Manufacturing -yritykseen. Contoso on teollisuus- ja kuluttajateollisuuden globaali johtaja, joka on tunnettu innovatiivisista ratkaisuistaan ja sitoutumisestaan kestävään kehitykseen. Yhtiö on erikoistunut laadukkaiden hyödykkeiden tuottamiseen eri aloilla, kuten auto-, elektroniikka- ja terveydenhuollossa. Yhdistyneessä kuningaskunnassa toimivalla Contosolla on maailmanlaajuinen toimitila- ja toimistoverkosto, joka varmistaa saumattoman maailmanlaajuisen toiminnan ja asiakastuen.

Henri Marquis on Contoson ratkaisuarkkitehti, jonka tehtävänä on arvioida yrityksen kuormituksille tarvittava SKU. Henri käyttää Fabric SKU Estimatoria ajan säästämiseksi ja mahdollisimman tarkkojen arvioiden tarjoamiseksi.

Nykyiset ratkaisun mittarit

• Lähdejärjestelmät: 50, erä käsitellään kahdesti päivässä
• Entiteetit ja taulukot: 1 500 extract-transform-load (ETL) -putkissa
• Tietojen tallennus: 50 Tt arvioitu viiden vuoden aikana
• IoT-tunnistimet: 4 000, telemetrian lähettäminen 10 sekunnin välein (600 tavua viestiä kohti)
• Tehtaiden työntekijät: 10 000, tuottaen päivittäin kahdeksan arvopistettä työntekijää kohti
• Power BI -käyttäjät: 1 300 päivittäistä koontinäytön ja raportin käyttäjää, 150 raportin tekijää
• Semanttisen mallin koko: 25 Gt (enintään)

Skenaarion osa 1: Tekoälyvalmiin analytiikkaympäristön luominen

Contoson tavoitteena on nykyaikaistaa yritysanalytiikkaympäristöä ja yrityksen raportointiratkaisua tekoälyvalmiin analytiikkaympäristön luomiseksi. Tämä ympäristö tarjoaa aineistopohjaisia merkityksellisiä tietoja toimintojen tukemiseksi, tehokkuuden maksimoimiseksi ja tuottavuuden parantamiseksi.

Muutaman löydön ja suunnittelutyöpajan jälkeen Henri on keksinyt seuraavan korkean tason arkkitehtuurin:

Aloittaakseen budjettiarvioehdotuksensa Henri päättää käyttää Fabric SKU Estimatoria. Pääset alkuun, kun hän ensin poimii tarvittavat korkean tason syötteet ja käyttää kuormituskohtaisia syötteitä näiden korkean tason mittareiden perusteella. Hän laskee, että arkkitehtuurin tietojen kokonaismäärä on noin 8 533 Gt arviolta 6:1-pakkaussuhteen perusteella. Henri päättelee, että alustalla on kaksi eräjaksoa, joissa käsitellään 1 500 taulukkoa ja tietojoukkoa kaikissa 50 lähdejärjestelmässä.

Hän syöttää nämä arvot Fabric SKU Estimator - kohteen Tiedot-osioon:

• Pakattujen tietojen kokonaiskoko (GiB): 8 533
• Päivittäisten eräsyklien määrä: 2
• Kaikkien tietolähteiden taulukoiden määrä: 1 500

Henri valitsee seuraavaksi kaikki kuormitukset, jotka on sisällytettävä arvioon: Data Factory, Spark Jobs, Power BI, Eventstream, Eventhouse ja Data Activator.

Sitten hän määrittää kuormituskohtaiset syötteet:

• Data Factory
  • Tuntien määrä päivittäisissä Tietovuon Gen2 ETL -toiminnoissa: 0
• Power BI
  • Power BI -raporttien päivittäisten tarkastelijien määrä: 1 300
  • Power BI -raportteja päivittäin luovien henkilöiden määrä: 150
  • Power BI -mallin koko (Gt): 25
• Tapahtumavirta
  • Päivittäinen tapahtuman tietojen käsittely (Gt): 19
  • Tapahtumavirtojen määrä: 1
  • Kohteiden kokonaismäärä: 5
  • Eventstream-lähdeliittimet: 0
• Aktivaattori
  • Päivittäinen käytön tapahtumien määrä: 80 000
  • Käytettävien hälytyssääntöjen määrä: 5
• Eventhouse
  • Päivittäiset telemetriatiedot (Gt): 14
  • Kuumat tiedot (päivää): 30
  • Säilytyspäivät: 90
  • Tullisykli (tunnit): 24

Lopuksi Henri valitsee Laske-painikkeen ja saa seuraavan tuloksen:

Estimaattori tarjoaa toteuttamiskelpoisen varastointiyksikön, kuormituksen erittelyn, tallennustilan kulutuksen ja Power BI Pro -käyttöoikeuden vaatimukset. Henri syöttää tulokset Azure-hinnoittelulaskimeen luodakseen arvion ehdotuksestaan.

Skenaarion osa 2: Lisää kuormituksia siirretään Microsoft Fabriciin

Contoson datatiedetiimi haluaa siirtää kuormituksensa Azure Synapse Analyticsista Microsoft Fabriciin. Nykyinen ympäristö sisältää seuraavat:

• Erillinen SQL-varanto: DWU2500c-varastointiyksikkö, jossa on 2 Tt tietoa
• Lähdetaulukot: 300 päivässä
• Tietotutkijat: 20, toimivat 15 ennakoivaa mallia
• Päivittäiset mallin harjoitustyöt: 3

Henrin on lisättävä nämä tiedot arvioon. Koska Synapse-erilliseen SQL-varantoon on liitetty vuosikymmen liiketoimintalogiikkaa, hänen on varmistettava, että datatiedetiimi minimoi liiketoiminnan riskit. Nykyisen liiketoimintalogiikan säilyttämiseksi ja riskien minimoimiseksi tuloksissa Henri valitsee lift-and-shift-lähestymistavan.

Hän säätää Fabric SKU Estimator -mittayksikön Tiedot-osion arvoja seuraavasti:

• Pakattujen tietojen kokonaiskoko (GiB): 10 581
• Päivittäisten eräsyklien määrä: 2
• Kaikkien tietolähteiden taulukoiden määrä: 1 650

Seuraavaksi hän valitsee kuormitukset, jotka hän tarvitsee lisätäkseen edelliseen arvioon: Tietovarasto ja DataTiede.

Sitten hän määrittää kuormituskohtaiset syötteet:

• Tietovarasto
  • Valitse Käytä Siirry Fabriciin -käyttökokemusta - vaihtoehto
  • Synapse SQL: varatun varannon koko: DWU2500c
• datatieteen
  • Tietotutkijoiden määrä: 20
  • Mallin päivittäisten koulutustöiden määrä: 3

Lopuksi hän valitsee Laske-painikkeen ja saa seuraavan tuloksen:

Estimaattori tarjoaa toteuttamiskelpoisen varastointiyksikön, kuormituksen erittelyn, tallennustilan kulutuksen ja Power BI Pro -käyttöoikeuden vaatimukset. Henrillä on nyt tarpeeksi tietoja aiemman arvionsa muuttamiseen.

Skenaarion osa 3: Lisää kapasiteettia asiakas- ja kumppanitietojen ohjelmointirajapintojen sisällyttämiseksi

Contoso pyytää Henriä sisällymään asiakas- ja kumppanitietojen ohjelmointirajapintojen kapasiteetin sekä seuraavan tuen:

• Ohjelmointirajapintaistunnot: 500 päivittäin
• Ad-hoc SQL Analytics -käyttäjät: 200 päivässä
• Upotetut Power BI -istunnot: 800 päivässä

Jos Fabric SKU Estimator - järjestelmän Tiedot-osion arvoja ei muuteta, Henri valitsee ylimääräiset kuormitukset, jotka on sisällytettävä hänen arvioonsa: Ad-hoc SQL Analytics ja Power BI Embedded.

Sitten hän määrittää kuormituskohtaiset syötteet:

• Ad-hoc SQL Analytics
  • SQL Analytics -käyttäjien määrä: 500
• Power BI Embedded
  • Päivittäinen Power BI Embedded -raportin katselija: 800

Lopuksi hän valitsee Laske-painikkeen ja saa seuraavan tuloksen:

Henri arvioi tulokset varmistaakseen, että hänen lopullinen arvionsa sisältää kaikki kuormitukset ja on valmis lähetettäväksi.

Yhteenveto

Microsoft Fabric SKU Estimator auttoi Henriä yksinkertaistamaan monimutkaisia arviointitehtäviä nopeasti, jotta hän voisi tarjota Contosolle standardoidun kehyksen, joka perustuu parhaisiin käytäntöihin ja reaalimaailman telemetriaan. Henrin yksityiskohtaisen ja tarkan ehdotuksen avulla Contoso voi tehokkaasti suunnitella ja budjetoida nykyaikaistetun analytiikkaympäristönsä.

Liittyvä sisältö

• Fabric SKU Estimatorin yleiskatsaus
• Microsoft Fabric -kapasiteettikiintiöt
• Fabric-kokeilukapasiteetti