Szerkesztés

Megosztás a következőn keresztül:


Elemzési architektúra tervezése

Azure Synapse Analytics
Power BI

Az adatok exponenciális növekedésével a szervezetek az Azure korlátlan számítási, tárolási és elemzési teljesítményére támaszkodnak az adataik skálázásához, streameléséhez, előrejelzéséhez és megtekintéséhez. Az elemzési megoldások hasznos üzleti intelligenciává (BI) alakítják az adatmennyiségeket, például jelentéseket és vizualizációkat, valamint feltaláló mesterséges intelligenciát (AI), például gépi tanuláson alapuló előrejelzéseket.

Akár a szervezete éppen most kezdi kiértékelni a felhőalapú elemzési eszközöket, akár a jelenlegi implementációt szeretné kibővíteni, az Azure számos lehetőséget kínál. A munkafolyamat a gyakori megközelítések megismerésével, valamint a folyamatok és szerepkörök felhőbeli gondolkodásmódhoz való igazításával kezdődik.

Az adatok kötegelt vagy valós idejű, helyszíni vagy felhőbeli feldolgozásra is használhatók, de az elemzési megoldások célja az adatok nagy léptékű felhasználása. A szervezetek egyre inkább egyetlen igazságforrást szeretnének létrehozni az emberek, gépek és az eszközök internetes hálózata (IoT) által generált relációs és nem kapcsolati adatokhoz. Gyakori, hogy big data architektúrát vagy IoT-architektúrát használva strukturált formában alakítják át a nyers adatokat, majd áthelyezik egy elemzési adattárba. Ez az áruház lesz az igazság egyetlen forrása, amely számos éleslátó elemzési megoldást képes létrehozni.

The solution journey for analytics on Azure starts with learning and assigning roles. Next, choose a storage solution and an Azure BI or AI technology for the workload.

Töltse le az architektúra Visio-fájlját.

Az Azure-nal kapcsolatos elemzések ismertetése

Ha még csak most ismerkedik az Azure-elemzéssel , a legjobb hely a Microsoft Learn, egy ingyenes online képzési platform használata. Videókat, oktatóanyagokat és gyakorlati képzéseket talál adott termékekhez és szolgáltatásokhoz, valamint a munkakörén alapuló képzési terveket, például fejlesztőt vagy adatelemzőt.

Szervezeti készültség

Ha szervezete még nem használja a felhőt, a felhőadaptálási keretrendszer segíthetnek az első lépésekben. Ez a dokumentáció és ajánlott eljárások gyűjteménye a Microsoft bevált útmutatását nyújtja a felhőbevezetés felgyorsításához. Emellett az Azure-beli adatok demokratizálására vonatkozó innovációs eszközöket is felsorol.

Az Azure-beli elemzési megoldás minőségének biztosítása érdekében javasoljuk, hogy kövesse az Azure Well-Architected Frameworkt. Előíró útmutatást nyújt az architekturális kiválóságot kereső szervezeteknek, és ismerteti a költségoptimalizált Azure-megoldások tervezését, kiépítését és monitorozását.

Az éles környezet elérési útja

Az adatok tárolásának ismerete az egyik első döntés, amelyet az Azure-beli elemzések során meg kell hoznia. Ezután kiválaszthatja a forgatókönyvéhez legjobb adatelemzési technológiát .

Első lépésként tekintse meg a következő példa implementációkat:

Best practices

A kiváló minőségű elemzés robusztus, megbízható adatokkal kezdődik. A legmagasabb szinten az információbiztonsági eljárások segítenek biztosítani az adatok átvitel közbeni és inaktív védelmét. Az adatokhoz való hozzáférést is megbízhatónak kell lennie. A megbízható adatok olyan kialakítást feltételeznek, amely a következőt valósítja meg:

Platformszinten az alábbi ajánlott big data-eljárások hozzájárulnak az Azure megbízható elemzéséhez:

  • Az adatbetöltés vezénylése adat-munkafolyamat vagy folyamatmegoldás használatával, például az Azure Data Factory vagy az Oozie által támogatottak használatával.

  • Az adatok feldolgozása elosztott adattár használatával, egy big data-alapú megközelítés, amely nagyobb mennyiségű adatot és több formátumot támogat.

  • A bizalmas adatokat a betöltési munkafolyamat részeként már korán megtisztíthatja, hogy ne tárolja azokat a data lake-ben.

  • Vegye figyelembe a szükséges Azure-erőforrások teljes költségét úgy, hogy a számítási csomópontok egységenkénti költségét kiegyensúlyozza a feladatok elvégzéséhez szükséges csomópontok percenkénti költségének kiegyensúlyozásával.

  • Hozzon létre egy data lake-t, amely több formátumban egyesíti a fájlok tárolását, akár strukturált, részben strukturált, akár strukturálatlan. A Microsoftnál az Azure Data Lake Storage Gen2-t használjuk egyetlen igazságforrásként. Lásd például a BI megoldásarchitektúráját a Kiválósági központban.

További információforrások

Az elemzés egy széles kategória, és számos megoldást fed le. Az alábbi források segítségével többet is megtudhat az Azure-ról.

Hybrid

A szervezetek túlnyomó többségének hibrid elemzési megközelítésre van szüksége, mivel adataik a helyszínen és a felhőben is üzemeltetve lesznek. A szervezetek gyakran kiterjesztik a helyszíni adatmegoldásokat a felhőre. A környezetek csatlakoztatásához a szervezeteknek hibrid hálózati architektúrát kell választaniuk.

A hibrid megközelítések közé tartozhatnak a nagyszámítógépek és a középső rendszerek az Azure-megoldások adatforrásaként. Előfordulhat például, hogy a szervezet modernizálni szeretné a nagyszámítógépet és a középső adatokat , vagy nagyszámítógépes hozzáférést szeretne biztosítani az Azure-adatbázisokhoz.

Példamegoldások

Íme néhány példa az Azure-beli elemzések implementációira, amelyeket érdemes megfontolni:

AWS- vagy Google Cloud-szakemberek

Ezek a cikkek az Azure Analytics más felhőszolgáltatásokkal való összehasonlításával segíthetnek a gyors felfutásban: