Aplikasi cerdas menggunakan Azure Database for MySQL

Artikel ini menyajikan solusi untuk mengotomatiskan analisis dan visualisasi data menggunakan kecerdasan buatan (AI). Komponen inti dalam solusi adalah Azure Functions, Azure Cognitive Services, dan Azure Database for MySQL.

Sistem

Unduh file Visio arsitektur ini.

Aliran data

1. Aktivitas Azure Function memungkinkan Anda memicu Aplikasi Azure Functions di alur Azure Data Factory. Anda membuat koneksi layanan tertaut dan menggunakan layanan tertaut dengan aktivitas untuk menentukan Fungsi Azure yang ingin Anda jalankan.
2. Data berasal dari berbagai sumber seperti Azure Storage atau Azure Event Hubs untuk data volume tinggi. Saat alur menerima data baru, alur memicu Aplikasi Azure Functions.
3. Aplikasi Azure Functions memanggil API Cognitive Services untuk menganalisis data.
4. API Cognitive Services mengembalikan hasil analisis dalam format JSON ke Aplikasi Azure Functions.
5. Aplikasi Azure Functions menyimpan data dan hasil dari API Cognitive Services di Azure Database for MySQL.
6. Azure Pembelajaran Mesin menggunakan algoritma pembelajaran mesin kustom untuk memberikan wawasan lebih lanjut tentang data.
7. Konektor database MySQL untuk Power BI menyediakan opsi untuk visualisasi dan analisis data di Power BI atau aplikasi web kustom.

Komponen

• Data Factory
• Fungsi
• Event Hubs
• Penyimpanan Blob
• Cognitive Services
• Cognitive Service untuk Bahasa
• Azure Database untuk MySQL
• studio Pembelajaran Mesin
• Power BI

Alternatif

• Solusi ini menggunakan Azure Functions untuk memproses data seperti yang diterima. Jika sejumlah besar data sudah ada di sumber data, pertimbangkan bentuk pemrosesan batch.
• Azure Stream Analytics menyediakan pemrosesan peristiwa untuk data streaming cepat dalam volume tinggi yang tiba secara bersamaan dari beberapa sumber. Azure Stream Analytics juga mendukung integrasi dengan Power BI.
• Untuk membandingkan solusi ini dengan alternatif, lihat sumber daya berikut:
  • Memilih teknologi pemrosesan batch di Azure
  • Memilih penyimpanan data analitis di Azure
  • Memilih teknologi analitik data di Azure

Detail skenario

Alur otomatis menggunakan layanan berikut untuk menganalisis data:

• Cognitive Services menggunakan AI untuk jawaban atas pertanyaan, analisis sentimen, dan terjemahan teks.
• Azure Pembelajaran Mesin menyediakan alat pembelajaran mesin untuk analitik prediktif.

Solusi ini mengotomatiskan pengiriman analisis data. Konektor menautkan Azure Database for MySQL dengan alat visualisasi seperti Power BI.

Arsitektur menggunakan Aplikasi Azure Functions untuk menyerap data dari beberapa sumber data. Ini adalah solusi tanpa server yang menawarkan manfaat berikut:

• Pemeliharaan infrastruktur: Azure Functions adalah layanan terkelola yang memungkinkan pengembang untuk fokus pada pekerjaan inovatif yang memberikan nilai bagi bisnis.
• Skalabilitas: Azure Functions menyediakan sumber daya komputasi sesuai permintaan, sehingga instans fungsi menskalakan sesuai kebutuhan. Saat permintaan turun, sumber daya dan instans aplikasi turun secara otomatis.

Kemungkinan kasus penggunaan

Solusi ini sangat ideal untuk organisasi yang menjalankan analitik prediktif pada data dari berbagai sumber. Contohnya termasuk organisasi dalam industri berikut:

• Finance
• Education
• Telekomunikasi

Pertimbangan

• Untuk sebagian besar fitur, Cognitive Service for Language API memiliki ukuran maksimum 5120 karakter untuk satu dokumen. Untuk semua fitur, ukuran permintaan maksimum adalah 1 MB. Untuk informasi selengkapnya tentang batas data dan tarif, lihat Batas layanan untuk Azure Cognitive Service for Language.

• Versi sebelumnya dari solusi ini menggunakan Cognitive Services Text Analytics API. Azure Cognitive Service for Language kini menyaingkan tiga layanan bahasa individual di Cognitive Services: Text Analytics, QnA Maker, dan Language Understanding (LUIS). Anda dapat dengan mudah bermigrasi dari Text Analytics API ke Cognitive Service for Language API. Untuk petunjuknya, lihat Bermigrasi ke versi terbaru Azure Cognitive Service for Language.

Kontributor

Artikel ini dikelola oleh Microsoft. Ini awalnya ditulis oleh kontributor berikut.

Penulis utama:

• Matt Cowen | Arsitek Solusi Cloud Senior

Untuk melihat profil LinkedIn non-publik, masuk ke LinkedIn.

Langkah berikutnya

• Fungsi
• Aktivitas Azure Function di Azure Data Factory
• Data Factory
• Event Hubs
• Penyimpanan Blob
• Cognitive Services
• Azure Cognitive Service untuk Bahasa
• Azure Database untuk MySQL
• Pembelajaran Mesin Azure
• Power BI

Sumber daya terkait

• Memahami model penyimpanan data
• Aplikasi web dan seluler yang dapat diskalakan menggunakan Azure Database for MySQL