Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Penting
Azure Synapse Analytics Data Explorer (Pratinjau) akan dihentikan penggunaannya pada 7 Oktober 2025. Setelah tanggal ini, beban kerja yang berjalan di Synapse Data Explorer akan dihapus, dan data aplikasi terkait akan hilang. Kami sangat menyarankan untuk bermigrasi ke Eventhouse di Microsoft Fabric.
Program Microsoft Cloud Migration Factory (CMF) dirancang untuk membantu pelanggan dalam bermigrasi ke Fabric. Program ini menawarkan sumber daya keyboard interaktif tanpa biaya kepada pelanggan. Sumber daya ini ditetapkan untuk jangka waktu 6-8 minggu, dengan cakupan yang telah ditentukan dan disepakati sebelumnya. Nominasi pelanggan diterima dari tim akun Microsoft atau secara langsung dengan mengirimkan permintaan bantuan kepada tim CMF.
Azure Synapse Data Explorer memberi pelanggan pengalaman kueri interaktif untuk membuka wawasan dari data log dan telemetri. Untuk melengkapi mesin runtime analitik SQL dan Apache Spark yang ada, runtime analitik Data Explorer dioptimalkan untuk analitik log yang efisien menggunakan teknologi pengindeksan yang kuat untuk secara otomatis mengindeks teks bebas dan data semi terstruktur yang umumnya ditemukan dalam data telemetri.
Untuk mempelajari selengkapnya, lihat video berikut ini:
Apa yang membuat Azure Synapse Data Explorer unik?
Penyerapan mudah - Data Explorer menawarkan integrasi bawaan untuk data tanpa kode/kode rendah, penyerapan data throughput tinggi, dan penembolokan data dari sumber real-time. Data dapat diserap dari sumber seperti Azure Event Hubs, Kafka, Azure Data Lake, agen sumber terbuka seperti Fluentd/Fluent Bit, dan berbagai sumber data cloud dan lokal.
Tidak ada pemodelan data yang kompleks - Dengan Data Explorer, tidak perlu membangun model data yang kompleks dan tidak perlu membuat skrip yang kompleks untuk mengubah data sebelum digunakan.
Tidak ada pemeliharaan indeks - Tidak perlu tugas pemeliharaan untuk mengoptimalkan data untuk performa kueri dan tidak perlu pemeliharaan indeks. Dengan Data Explorer, semua data mentah tersedia secara instan, memungkinkan Anda menjalankan kueri dengan performa tinggi dan konkurensi tinggi pada data streaming dan persisten Anda. Anda dapat menggunakan kueri ini untuk membangun dasbor dan pemberitahuan hampir waktu nyata serta menghubungkan data analitik operasional dengan seluruh platform analitik data.
Demokratisasi analisis data - Data Explorer menghadirkan akses mandiri untuk analisis big data dengan Kusto Query Language (KQL) yang intuitif, yang menawarkan ekspresivitas dan kekuatan SQL dengan kesederhanaan Excel. KQL dioptimalkan secara maksimal untuk menelusuri telemetri mentah dan data deret waktu dengan memanfaatkan teknologi pengindeksan teks terbaik dari Data Explorer untuk pencarian teks bebas dan regex yang efisien, serta kemampuan parsing yang komprehensif untuk mengkueri jejak, data teks, dan data semi-terstruktur JSON termasuk array dan struktur bersarang. KQL menawarkan dukungan rangkaian waktu tingkat lanjut untuk membuat, memanipulasi, dan menganalisis beberapa rangkaian waktu dengan dukungan eksekusi Python dalam mesin untuk penilaian model.
Teknologi yang terbukti dalam skala petabyte - Data Explorer adalah sistem terdistribusi dengan sumber daya komputasi dan penyimpanan yang dapat diskalakan secara independen, memungkinkan analitik pada gigabyte atau petabyte data.
Terintegrasi - Azure Synapse Analytics menyediakan interoperabilitas di seluruh data antara mesin Data Explorer, Apache Spark, dan SQL yang memberdayakan teknisi data, ilmuwan data, dan analis data untuk dengan mudah, dan aman, mengakses dan berkolaborasi pada data yang sama di data lake.
Kapan menggunakan Azure Synapse Data Explorer?
Gunakan Data Explorer sebagai platform data untuk membangun analitik log real-time dan solusi analitik IoT untuk:
Mengonsolidasikan dan menghubungkan log dan data peristiwa Anda di seluruh sumber data lokal, cloud, dan pihak ketiga.
Mempercepat perjalanan AI Ops Anda (pengenalan pola, deteksi anomali, prakiraan, dan banyak lagi).
Ganti solusi pencarian log berbasis infrastruktur untuk menghemat biaya dan meningkatkan produktivitas.
Bangun solusi analitik IoT untuk data IoT Anda.
Bangun solusi SaaS analitik untuk menawarkan layanan kepada pelanggan internal dan eksternal Anda.
Arsitektur kumpulan Data Explorer
Kumpulan Data Explorer menerapkan arsitektur peluasan skala dengan memisahkan sumber daya komputasi dan penyimpanan. Ini memungkinkan Anda untuk menskalakan setiap sumber daya secara independen dan, misalnya, menjalankan beberapa komputasi baca-saja pada data yang sama. Kumpulan Data Explorer terdiri dari sekumpulan sumber daya komputasi yang menjalankan mesin yang bertanggung jawab atas pengindeksan otomatis, pemadatan, penembolokan, dan melayani kueri terdistribusi. Mereka juga memiliki sekumpulan sumber daya komputasi kedua yang menjalankan layanan manajemen data yang bertanggung jawab atas pekerjaan sistem latar belakang, dan penyerapan data yang dikelola dan diantrekan. Semua data dipertahankan pada akun penyimpanan blob terkelola menggunakan format kolumnar terkompresi.
Kumpulan Data Explorer mendukung ekosistem yang kaya untuk menyerap data menggunakan konektor, SDK, REST API, dan kemampuan terkelola lainnya. Ini menawarkan berbagai cara untuk memanfaatkan data dalam kueri ad hoc, laporan, dasbor, pemberitahuan, API REST, dan SDK.
Ada banyak kemampuan unik yang membuat Data Jelajahi mesin analitik terbaik untuk analitik log dan rangkaian waktu di Azure.
Bagian berikut menyoroti pembferensi utama.
Pengindeksan data teks bebas dan semi terstruktur memungkinkan kueri berkinerja tinggi hampir real time dan bersamaan tinggi
Data Explorer mengindeks data semi-terstruktur (JSON) dan data yang tidak terstruktur (teks gratis) yang membuat kueri yang berjalan berkinerja baik pada jenis data ini. Secara default, setiap bidang diindeks selama penyerapan data dengan opsi untuk menggunakan kebijakan pengodean tingkat rendah untuk menyempurnakan atau menonaktifkan indeks untuk bidang tertentu. Cakupan indeks adalah pecahan data tunggal.
Implementasi indeks tergantung pada jenis bidang, sebagai berikut:
| Jenis bidang | Implementasi pengindeksan |
|---|---|
| Tali | Mesin membangun indeks istilah terbalik untuk nilai kolom string. Setiap nilai string dianalisis dan dibagi menjadi istilah yang dinormalisasi dan daftar posisi logis yang diurutkan, yang berisi ordinal rekaman, dicatat untuk setiap istilah. Daftar istilah yang diurutkan yang dihasilkan dan posisi terkait disimpan sebagai pohon B yang tidak dapat diubah. |
|
Numerik TanggalWaktu Rentang Waktu |
Mesin membuat indeks maju berbasis rentang sederhana. Indeks merekam nilai min/maks untuk setiap blok, untuk sekelompok blok dan untuk seluruh kolom dalam shard data. |
| Dinamis | Proses penyerapan menghitung semua elemen "atom" dalam nilai dinamis, seperti nama properti, nilai, dan elemen array, dan meneruskannya ke pembangun indeks. Bidang dinamis memiliki indeks istilah terbalik yang sama dengan bidang string. |
Kemampuan pengindeksan yang efisien ini memungkinkan Eksplorasi Data untuk membuat data tersedia dalam hampir waktu nyata untuk kueri dengan kinerja tinggi dan tingkat konkurensi tinggi. Sistem secara otomatis mengoptimalkan pecahan data untuk meningkatkan performa lebih lanjut.
Bahasa Kueri Kusto
KQL memiliki komunitas besar yang berkembang dengan adopsi cepat Azure Monitor Log Analytics dan Application Insights, Microsoft Sentinel, Azure Data Explorer, dan penawaran Microsoft lainnya. Bahasa ini dirancang dengan baik dengan sintaks yang mudah dibaca dan menyediakan transisi yang lancar dari pernyataan satu baris sederhana ke kueri pemrosesan data yang kompleks. Ini memungkinkan Data Explorer untuk memberikan dukungan Intellisense yang kaya dan serangkaian konstruksi bahasa yang kaya dan kemampuan bawaan untuk agregasi, rangkaian waktu, dan analitik pengguna yang tidak tersedia di SQL untuk eksplorasi data telemetri dengan cepat.