Szerkesztés

Megosztás a következőn keresztül:


Speciális elemzési architektúra

Azure Analysis Services
Azure Blob Storage
Azure Cosmos DB
Azure Synapse Analytics
Power BI

Megoldási ötletek

Ez a cikk egy megoldási ötletet ismertet. A felhőmérnök ezen útmutató segítségével megjelenítheti az architektúra tipikus implementációjának fő összetevőit. Ez a cikk kiindulási pontként szolgál egy jól megtervezett megoldás megtervezéséhez, amely megfelel a számítási feladat egyedi követelményeinek.

Ez az architektúra lehetővé teszi, hogy bármilyen méretű adatot kombináljon az egyéni gépi tanulással, és közel valós idejű adatelemzést kapjon a streamszolgáltatásokon.

Architektúra

Az Azure Synapse Analytics és az Azure Data Lake Storage, az Azure Analysis Services, az Azure Cosmos DB és a Power BI fejlett elemzési architektúrájának diagramja.

Töltse le az architektúra Visio-fájlját.

Adatfolyam

  1. Hozza össze az összes strukturált, strukturálatlan és félig strukturált adatot (naplókat, fájlokat és adathordozókat) a Synapse Pipelines és az Azure Data Lake Storage használatával.
  2. Az Apache Spark-készletek használatával megtisztíthatja és átalakíthatja a strukturálatlan adathalmazokat, és összevonhatja őket az operatív adatbázisokból vagy adattárházakból származó strukturált adatokkal.
  3. Skálázható gépi tanulási/mélytanulási technikákkal mélyebb elemzéseket nyerhet ezekből az adatokból a Python, a Scala vagy a .NET használatával, az Apache Spark-készlet jegyzetfüzet-élményeivel.
  4. Apache Spark-készlet és Synapse-folyamatok alkalmazása az Azure Synapse Analyticsben az adatok nagy léptékű eléréséhez és áthelyezéséhez.
  5. Adatok lekérdezése és jelentése a Power BI-ban.
  6. Az Apache Spark-készletekből az Azure Cosmos DB-be való betekintéssel elérhetővé teheti őket webes és mobilalkalmazásokon keresztül.

Munkafolyamat

  • Az Azure Synapse Analytics egy gyors, rugalmas és megbízható felhőbeli adattárház, amellyel rugalmasan és egymástól függetlenül skálázhatja, kiszámíthatja és tárolhatja a nagy mértékben párhuzamos feldolgozási architektúrát.
  • A Synapse Pipelines dokumentációja lehetővé teszi az ETL-/ELT-munkafolyamatok létrehozását, ütemezését és vezénylésére.
  • Az Azure Blob Storage egy nagymértékben méretezhető objektumtároló bármilyen strukturálatlan adatképhez, videóhoz, hanghoz, dokumentumhoz és egyszerűbben és költséghatékonyabban.
  • Az Azure Synapse Analytics Spark-készletek egy gyors, egyszerű és együttműködésen alapuló Apache Spark-alapú elemzési platform.
  • Az Azure Cosmos DB egy globálisan elosztott, többmodelles adatbázis-szolgáltatás. Megtudhatja, hogyan replikálhatja az adatokat tetszőleges számú Azure-régióban, és hogyan méretezheti az átviteli sebességet a tárterülettől függetlenül.
  • Az Azure Cosmos DB-hez készült Azure Synapse Link lehetővé teszi a közel valós idejű elemzések futtatását az Azure Cosmos DB-ben, anélkül, hogy a tranzakciós számítási feladatra bármilyen teljesítményre vagy költségre hatással lenne, az Azure Synapse-munkaterületről elérhető két elemzési motor használatával: az SQL Serverless és a Spark-készletek használatával.
  • Az Azure Analysis Services egy nagyvállalati szintű elemzési szolgáltatás, amellyel magabiztosan szabályozhatja, üzembe helyezheti, tesztelheti és szolgáltathatja üzletiintelligencia-megoldását.
  • A Power BI egy üzleti elemzési eszközcsomag, amely a szervezet egészében nyújt elemzéseket. Csatlakozzon több száz adatforráshoz, egyszerűsítse az adat-előkészítést, és vezessen nem tervezett elemzést. Látványosan illusztrált jelentéseket készíthet, majd közzéteheti őket a vállalaton belül az interneten és a mobileszközök számára is elérhetően.

Alternatívák

  • A Synapse Link a Microsoft által előnyben részesített megoldás az Azure Cosmos DB-adatokon alapuló elemzésekhez.

Forgatókönyv részletei

Adatait a gyakorlatban is hasznosítható ismeretekké alakíthatja a kategóriájában elsőrangú gépi tanulás eszközkészlet használatával. Ez a megoldás lehetővé teszi, hogy bármilyen méretű adatot kombináljon, és egyéni gépi tanulási modelleket hozzon létre és telepítsen nagy méretekben. A nagyvállalati szintű adatplatformok vállalati célzóna részeként való kialakításának megismeréséhez tekintse meg az felhőadaptálási keretrendszer Adat-célzóna dokumentációját.

Lehetséges használati esetek

A szervezetek minden eddiginél több adathoz férhetnek hozzá. A speciális elemzések segítenek kihasználni az adatelemzések előnyeit. A területek a következők:

  • Ügyfélszolgálat.
  • Prediktív karbantartás.
  • Termékek vagy szolgáltatások ajánlása.
  • Rendszeroptimalizálás az ellátási láncoktól az adatközponti műveletekig.
  • Termék- és szolgáltatásfejlesztés.

Megfontolások

Költségoptimalizálás

A költségoptimalizálás a szükségtelen kiadások csökkentésének és a működési hatékonyság javításának módjairól szól. További információ: A költségoptimalizálási pillér áttekintése.

Következő lépések

Tekintse meg az alábbi dokumentációt az architektúrában szereplő szolgáltatásokról: