Idées de solution
Cet article présente une idée de solution. Si vous souhaitez que nous développions le contenu avec d’autres informations, telles que des cas d’usage potentiels, d’autres services, des considérations d’implémentation ou un guide des prix, adressez-nous vos commentaires GitHub.
Cette idée de solution montre comment utiliser l’analytique interactive dans Azure Data Explorer. Elle décrit comment vous pouvez examiner les données structurées, semi-structurées et non structurées avec des requêtes improvisées, interactives et rapides.
Jupyter est une marque appartenant à la société à laquelle elle est associée. L’utilisation de cette marque n’implique aucune approbation de sa part. Apache® et Apache Kafka® sont des marques déposées ou des marques commerciales de l’Apache Software Foundation aux États-Unis et/ou dans d’autres pays. L’utilisation de ces marques n’implique aucune approbation de l’Apache Software Foundation.
Architecture
Téléchargez un fichier Visio de cette architecture.
Dataflow
- Les données brutes structurées, semi-structurées et non structurées (texte libre), comme tous les types de journaux, les événements commerciaux et les activités des utilisateurs peuvent être ingérés dans Azure Data Explorer à partir de différentes sources. Ingérez les données en continu ou par lot à l’aide de différentes méthodes.
- Ingérez des données dans Azure Data Explorer avec une faible latence et un haut débit en utilisant ses connecteurs pour Azure Data Factory, Azure Event Hubs, Azure IoT Hub, Kafka, etc. Vous pouvez aussi ingérer les données via le stockage Azure (objets Blob ou ADLS Gen2), qui utilise Azure Event Grid et déclenche le pipeline d’ingestion vers Azure Data Explorer. Vous pouvez également exporter en continu des données vers le stockage Azure dans un format Parquet compressé et partitionné, et interroger en toute transparence ces données comme indiqué dans Vue d’ensemble de l’exportation continue des données.
- Exécutez des requêtes interactives sur des volumes de données très petits à extrêmement volumineux à l’aide d’outils Azure Data Explorer natifs ou d’autres outils de votre choix. Azure Data Explorer fournit de nombreux plug-ins et intégrations avec le reste de l’écosystème de la plateforme de données. Utilisez un des outils et intégrations suivants :
- Pour une analyse interactive, utilisez l’interface utilisateur web Azure Data Explorer, le client web pour Azure Data Explorer ou Kusto.Explorer, un client Windows enrichi pour Azure Data Explorer.
- Pour vous connecter à votre cluster Azure Data Explorer, utilisez des notebooks Jupyter, le connecteur Spark, tout client SQL compatible TDS, ou encore des connexions JDBC et ODBC.
- Pour créer de nouvelles applications ou pour l’intégration à des applications ou infrastructures existantes, utilisez les API REST et les kits de développement logiciel (SDK) Azure Data Explorer disponibles dans différents langages.
- Générez des tableaux de bord d’analyse en quasi-temps réel à l’aide des tableaux de bord d’Azure Data Explorer, de Power BI ou de Grafana.
- Enrichissez les données en exécutant des requêtes fédérées en combinant les données de la base de données SQL et Azure Cosmos DB à l’aide de plug-ins Azure Data Explorer.
Components
- Azure Event Hubs : Service d’ingestion des données en temps réel complètement managé et qui est simple, fiable et scalable.
- Azure IoT Hub : Service géré pour activer la communication bidirectionnelle entre les appareils IoT et Azure.
- Kafka sur HDInsight : Un service facile, économique à l’échelle de l’entreprise pour l’analyse open source avec Apache Kafka.
- Azure Data Factory : Service d’intégration de données hybride qui simplifie les opérations ETL à l’échelle.
- Azure Data Explorer : Un service d’analytique de données rapide, complètement managé et hautement évolutif pour l’analyse en temps réel de gros volumes de données diffusées en continu par des applications, des sites web, des appareils IoT, etc.
- Tableaux de bord Azure Data Explorer : Exportez en mode natif les requêtes Kusto qui ont été explorées dans l’interface utilisateur web pour optimiser les tableaux de bord.
- Azure Cosmos DB : Service de base de données NoSQL rapide complètement managé pour le développement d’applications modernes avec des API ouvertes à toutes les échelles.
- Azure SQL DB : Créez des applications qui évoluent avec le rythme de votre entreprise avec un SQL géré et intelligent dans le cloud.
Détails du scénario
Cette idée de solution montre comment utiliser l’analytique interactive avec Azure Data Explorer pour explorer les données avec des requêtes improvisées, interactives et rapides sur des volumes de données, qu’ils soient petits ou très importants. Cette exploration de données peut être effectuée à l’aide d’outils Azure Data Explorer natifs ou d’autres outils de votre choix. Cette solution est axée sur l’intégration d’Azure Data Explorer avec le reste de l’écosystème de la plateforme de données.
Cas d’usage potentiels
Cette solution est utilisée par les clients Microsoft pour suivre l’activité des utilisateurs et gérer les profils utilisateur et les scénarios de segmentation des utilisateurs.
Contributeurs
Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.
Auteur principal :
- Ornat Spodek | Directeur de contenu Senior
Étapes suivantes
Pour plus d’informations, voir la documentation Azure Data Explorer.