Qu’est-ce que l’Explorateur de données Azure ?

Azure Data Explorer est une plateforme d’analytique Big Data très performante et complètement managée, qui facilite l’analyse de grands volumes de données quasiment en temps réel. La boîte à outils d’Azure Data Explorer vous offre une solution de bout en bout pour ingérer, interroger, visualiser et gérer les données.

En analysant des données structurées, semi-structurées et non structurées dans des séries chronologiques, et en utilisant le Machine Learning, Azure Data Explorer facilite l’extraction d’insights clés, de modèles et de tendances spot, et la création de modèles de prévision. Azure Data Explorer utilise un modèle relationnel traditionnel, organisant les données en tables avec des schémas fortement typés. Les tables sont stockées dans des bases de données et un cluster peut gérer plusieurs bases de données. Azure Data Explorer est évolutif, sécurisé, robuste et prêt pour l’entreprise. Il est utile pour l’analytique des journaux, l’analytique des séries chronologiques, l’IoT et l’analytique exploratoire à usage général.

D’autres services basés sur son langage de requête, Kusto Query Language (KQL) étendent les fonctionnalités de Azure Data Explorer. Ces services incluent Journaux Azure Monitor, Application Insights et Microsoft Defender for Endpoint.

Quand devez-vous utiliser Azure Data Explorer ?

Utilisez les questions suivantes pour déterminer si Azure Data Explorer convient à votre cas d’usage :

  • Analyse interactive : l’analyse interactive fait-elle partie de la solution ? Par exemple agrégation, corrélation ou détection d’anomalies.
  • Variété, vitesse, volume : votre schéma est-il diversifié ? Avez-vous besoin d’ingérer des quantités massives de données en quasi-temps réel ?
  • Organisation des données : souhaitez-vous analyser des données brutes ? Par exemple, des données qui ne constituent pas un schéma en étoile entièrement structuré.
  • Simultanéité des requêtes : est-ce que plusieurs utilisateurs ou processus utilisent Azure Data Explorer ?
  • Créer et acheter : prévoyez-vous de personnaliser votre plateforme de données ?

Azure Data Explorer est idéal pour activer des fonctionnalités d’analytique interactive sur des données brutes à haute vitesse et diverses. Utilisez l’arbre de décision suivant pour vous aider à déterminer si Azure Data Explorer vous convient :

Diagramme d’arbre de décision qui vous guide tout au long de l’utilisation de Azure Data Explorer en fonction de vos besoins d’analyse.

En quoi l’Explorateur de données Azure est unique ?

Vélocité, variété et volume des données

Avec Azure Data Explorer, vous pouvez ingérer des téraoctets de données en quelques minutes via l’ingestion en file d’attente ou l’ingestion de streaming. Vous pouvez interroger des pétaoctets de données, les résultats étant retournés en quelques millisecondes à quelques secondes. Azure Data Explorer fournit une vitesse élevée (millions d’événements par seconde), une faible latence (secondes) et une ingestion à échelle linéaire des données brutes. Importez vos données dans différents formats et structures, issues de différents pipelines et sources.

Langage de requête convivial

Interrogez Azure Data Explorer à l’aide de Kusto Query Language (KQL), langage open source créé par l’équipe Azure Data Explorer. Le langage est simple à comprendre et à apprendre et extrêmement productif. Vous pouvez utiliser des opérateurs simples et des analytiques avancées. Azure Data Explorer prend également en charge T-SQL.

Analytique avancée

Utilisez Azure Data Explorer pour l’analyse de série chronologique avec un grand ensemble de fonctions, notamment l’ajout et la soustraction de séries chronologiques, le filtrage, la régression, la détection de saisonnalité, l’analyse géospatiale, la détection d’anomalies, l’analyse et la prévision. Les fonctions de série chronologique sont optimisées pour traiter des milliers de séries chronologiques en secondes. La détection de modèles est facile avec les plug-ins de cluster qui peuvent diagnostiquer les anomalies et effectuer une analyse de la cause racine. Vous pouvez également étendre les fonctionnalités de Azure Data Explorer en incorporant du code Python dans des requêtes KQL.

Assistant facile à utiliser

L’expérience « Obtenir des données » rend le processus d’ingestion de données simple, rapide et intuitif. L’interface utilisateur web Azure Data Explorer offre une expérience intuitive et guidée qui vous permet de commencer rapidement à ingérer des données, à créer des tables de base de données et à des structures de mappage. Il permet une ingestion ponctuelle ou continue à partir de différentes sources et dans différents formats de données. Les mappages de tables et le schéma sont automatiquement suggérés et faciles à modifier.

Visualisation polyvalente des données

La visualisation des données vous permet d’obtenir des insights importants. Azure Data Explorer offre une visualisation et un tableau de bord intégrés prêts à l’emploi, avec prise en charge de différents graphiques et visualisations. Il a une intégration native avec Power BI, des connecteurs natifs pour Grafana, Kibana et Databricks et la prise en charge ODBC pour Tableau, Sisense, Qlik, etc.

Ingestion, traitement et exportation automatiques

Azure Data Explorer prend en charge les fonctions stockées côté serveur, l’ingestion continue et l’exportation continue vers Azure Data Lake Storage. Il prend également en charge les transformations de mappage au moment de l’ingestion côté serveur, les stratégies de mise à jour et les agrégats planifiés précomputés avec des vues matérialisées.

Flux de l’Explorateur de données Azure

Le diagramme suivant montre les différents aspects de l’utilisation de l’Explorateur de données Azure.

Diagramme montrant le flux de travail Azure Data Explorer, de la création d’une base de données via l’ingestion, l’interrogation et la visualisation des données.

Lorsque vous interagissez avec Azure Data Explorer, vous suivez généralement ce flux de travail :

Remarque

Vous pouvez accéder à vos ressources Azure Data Explorer dans l’IU web d’Azure Data Explorer ou avec des SDK.

  1. Créez une base de données : Créez un cluster, puis créez une ou plusieurs bases de données dans ce cluster. Chaque cluster Azure Data Explorer peut contenir jusqu’à 10 000 bases de données, et chaque base de données peut contenir jusqu’à 10 000 tables. Les données de chaque table sont stockées dans des partitions de données, également appelées étendues. Toutes les données sont automatiquement indexées et partitionnées en fonction de l’heure d’ingestion. Cette architecture de stockage signifie que vous pouvez stocker une grande quantité de données variées et obtenir un accès rapide lors de son interrogation. Démarrage rapide : Créer un cluster et une base de données pour l’Explorateur de données Azure

  2. Ingérer des données : Chargez des données dans des tables de base de données pour pouvoir exécuter des requêtes dessus. Azure Data Explorer prend en charge plusieurs méthodes d’ingestion, chacune avec ses propres scénarios cibles. Parmi ces méthodes, citons des outils d’ingestion, des connecteurs et des plug-ins pour divers services, des pipelines gérés, l’ingestion programmatique à l’aide de kits SDK et l’accès direct à l’ingestion. Commencez avec l’expérience « Obtenir des données ».

  3. Interroger une base de données : Azure Data Explorer utilise le langage de requête Kusto, qui est un langage de requête expressif, intuitif et hautement productif. Il offre une transition fluide d’un liners simple à des scripts complexes de traitement des données, et prend en charge l’interrogation de données structurées, semi-structurées et non structurées (recherche de texte). Le langage a un large éventail d’opérateurs de requête et de fonctions, notamment l’agrégation, le filtrage, les fonctions de série chronologique, les fonctions géospatiales, les jointures et les unions. KQL prend en charge les requêtes inter-clusters et inter-bases de données, et il est riche en fonctionnalités pour l’analyse de formats tels que JSON et XML. Le langage prend également en charge l’analytique avancée en mode natif.

    Utilisez l’application web pour exécuter, consulter et partager des requêtes et des résultats. Vous pouvez également envoyer des requêtes par programmation (à l’aide d’un kit SDK) ou à un point de terminaison de l’API REST. Si vous êtes familiarisé avec SQL, commencez à utiliser la aide-mémoire SQL vers Kusto et le guide de démarrage rapide : Interroger des données dans l'interface utilisateur web Azure Data Explorer.

  4. Visualiser les résultats : Utilisez différents affichages visuels de vos données dans les tableaux de bord Azure Data Explorer natifs. Vous pouvez également afficher vos résultats à l’aide de connecteurs à certains des principaux services de visualisation, tels que Power BI et Grafana. Azure Data Explorer prend également en charge les connecteurs ODBC et JDBC pour des outils tels que Tableau et Sisense.

Fournir des commentaires

Pour partager des commentaires sur Azure Data Explorer et le langage de requête Kusto, utilisez les ressources suivantes :

Contenu connexe

  • Last updated on