Mengidentifikasi beban kerja Azure Databricks

  • 3 menit

Azure Databricks menawarkan kemampuan untuk berbagai beban kerja termasuk Pembelajaran Mesin dan Model Bahasa Besar (LLM), Ilmu Data, Rekayasa Data, BI dan Pergudangan Data, dan Pemrosesan Streaming.

Rekayasa Data

Azure Databricks menyediakan kemampuan bagi ilmuwan dan insinyur data yang perlu berkolaborasi dalam tugas pemrosesan data yang kompleks. Ini menyediakan lingkungan terintegrasi dengan Apache Spark untuk pemrosesan big data di data lakehouse, dan mendukung beberapa bahasa termasuk Python, R, Scala, dan SQL. Platform ini memfasilitasi eksplorasi data, visualisasi, dan pengembangan alur data.

Diagram penyerapan data Databricks & layar sumber data.

Pembelajaran Mesin

Azure Databricks mendukung membangun, melatih, dan menyebarkan model pembelajaran mesin dalam skala besar. Ini termasuk MLflow, platform sumber terbuka untuk mengelola siklus hidup ML, termasuk eksperimen, reproduktifitas, dan penyebaran. Ini juga mendukung berbagai kerangka kerja ML seperti TensorFlow, PyTorch, dan Scikit-learn, membuatnya serbaguna untuk tugas ML yang berbeda.

Diagram layar databricks Pembelajaran Mesin.

SQL

Analis data yang terutama berinteraksi dengan data melalui SQL dapat menggunakan gudang SQL di Azure Databricks. Antarmuka pengguna Ruang Kerja Azure Databricks menyediakan editor SQL, dasbor, dan alat visualisasi otomatis yang familier untuk menganalisis dan memvisualisasikan data langsung dalam Azure Databricks. Beban kerja ini sangat ideal untuk menjalankan kueri ad-hoc cepat dan membuat laporan dari himpunan data besar.

Diagram antarmuka Editor Databricks SQL.

Nota

Gudang SQL memerlukan tingkat Premium.