Progettazione dell'architettura di analisi

Con la crescita esponenziale dei dati, le organizzazioni si basano sulla potenza di calcolo, archiviazione e analisi illimitata di Azure per ridimensionare, trasmettere, stimare e visualizzare i dati. Le soluzioni di analisi trasformano volumi di dati in utili funzionalità di business intelligence (BI), ad esempio report e visualizzazioni e intelligenza artificiale inventiva, ad esempio previsioni basate su Machine Learning.

Se l'organizzazione sta iniziando a valutare gli strumenti di analisi basati sul cloud o sta cercando di espandere l'implementazione corrente, Azure offre molte opzioni. Il flusso di lavoro inizia con l'apprendimento degli approcci comuni e l'allineamento di processi e ruoli in base a una mentalità cloud.

I dati possono essere elaborati in batch o in tempo reale, in locale o nel cloud, ma l'obiettivo di qualsiasi soluzione di analisi è usare i dati su larga scala. Sempre più spesso, le organizzazioni vogliono creare una singola fonte di verità per tutti i dati relazionali e non relazionali generati da persone, computer e Internet delle cose (IoT). È comune usare un'architettura big data o un'architettura IoT per trasformare i dati non elaborati in un formato strutturato, quindi spostarli in un archivio dati analitici. Questo archivio diventa l'unica fonte di verità che può alimentare una moltitudine di soluzioni di analisi approfondite.

Architettura

Diagramma che mostra il percorso della soluzione per l'analisi su Azure. Il percorso inizia con l'apprendimento e l'idoneità dell'organizzazione, quindi passa alla scelta delle soluzioni di archiviazione e delle tecnologie di Business Intelligence o intelligenza artificiale di Azure in base ai requisiti del carico di lavoro.

Scaricare un file di Visio di questa architettura.

Il diagramma precedente illustra un'implementazione tipica di analisi di base/baseline. Fare riferimento alle architetture fornite in questa sezione per trovare soluzioni reali che è possibile compilare in Azure.

Esplorare le architetture e le guide di analisi

Gli articoli di questa sezione includono architetture completamente sviluppate che è possibile distribuire in Azure ed espandersi in soluzioni e guide di livello di produzione. Queste informazioni consentono di prendere decisioni importanti su come usare le tecnologie di analisi in Azure. Le idee della soluzione illustrano modelli di implementazione e possibilità da considerare durante la pianificazione dello sviluppo di modelli di verifica dell'analisi.

Guide all'architettura di Analisi

Scelte tecnologiche : questi articoli consentono di valutare e selezionare le migliori tecnologie di analisi per i requisiti del carico di lavoro:

• Analisi e creazione di report - Confronta le opzioni per l'analisi e la visualizzazione dei dati in Azure.
• Elaborazione batch : valutare le tecnologie di elaborazione batch per carichi di lavoro big data.
• Elaborazione dei flussi: confrontare le tecnologie di elaborazione dei flussi per l'analisi in tempo reale.
• Scegliere un archivio dati analitici - Indicazioni su come selezionare l'archivio dati analitici corretto.
• Scegliere un archivio dati analitici in Microsoft Fabric - Indicazioni sulla selezione di archivi dati in Microsoft Fabric.

Ripristino di emergenza per la piattaforma dati di Azure : questi articoli forniscono indicazioni complete per l'implementazione di strategie di ripristino di emergenza:

• Panoramica - Panoramica delle strategie di ripristino di emergenza per le piattaforme dati di Azure.
• Architettura : modelli di architettura per il ripristino di emergenza nelle piattaforme dati di Azure.
• Dettagli dello scenario : scenari dettagliati per l'implementazione del ripristino di emergenza.
• Raccomandazioni : consigli sulle procedure consigliate per il ripristino di emergenza.

Architetture di analisi

Queste architetture pronte per la produzione illustrano soluzioni di analisi end-to-end che è possibile distribuire e personalizzare:

• Analisi end-to-end con Microsoft Fabric: creare una piattaforma di analisi moderna usando le funzionalità integrate di Microsoft Fabric.
• Archiviazione dati e analitica - Integrare grandi quantità di dati da più fonti in una piattaforma di analitica unificata.
• Usare Microsoft Fabric per progettare una soluzione di business intelligence aziendale - Progettare una soluzione di business intelligence aziendale usando Microsoft Fabric.
• Elaborazione di dati lakehouse quasi in tempo reale - Usare Azure Synapse Analytics e Azure Data Lake Storage per l'elaborazione di data lakehouse quasi in tempo reale.
• Sincronizzazione in tempo reale di MongoDB Atlas per Azure Synapse Analytics : sincronizzare i dati di MongoDB Atlas con Azure Synapse Analytics in tempo reale.
• Elaborazione dei flussi con Azure Databricks : creare una pipeline di elaborazione di flussi end-to-end usando Azure Databricks.
• Elaborazione del flusso con Azure Stream Analytics: creare una pipeline di elaborazione del flusso che acquisisce dati, correla i record e calcola le medie mobili.
• Data warehouse moderno per piccole e medie imprese : creare una soluzione di data warehouse moderna progettata per piccole e medie imprese.

Idee per soluzioni di analisi

Queste idee di soluzione illustrano modelli di implementazione e possibilità da esplorare:

• Ingestion, ETL e pipeline di elaborazione dei flussi con Azure Databricks : creare pipeline ETL per i dati batch e di streaming per semplificare l'inserimento di data lake.
• Architettura di analisi moderna con Azure Databricks - Raccogliere, elaborare, analizzare e visualizzare i dati usando un'architettura moderna dei dati.
• Piattaforma dati moderna per le piccole e medie imprese - Creare un'architettura moderna della piattaforma dati per le piccole e medie imprese usando Microsoft Fabric e Azure Databricks.
• Analisi in tempo reale con Azure Data Explorer - Analizzare i dati in tempo reale utilizzando Azure Data Explorer e Azure Service Bus.

Informazioni sull'analisi su Azure

Microsoft Learn offre risorse di formazione online gratuite per le tecnologie di analisi di Azure. La piattaforma offre video, esercitazioni e lab pratici per prodotti e servizi specifici, insieme ai percorsi di apprendimento organizzati in base al ruolo di lavoro.

Le risorse seguenti forniscono conoscenze fondamentali per le implementazioni di analisi in Azure:

• Sfoglia gli argomenti sui dati di Azure
• Introduzione ai concetti di base dei dati di Microsoft Azure
• Introduzione a Microsoft Fabric

Percorsi di apprendimento per ruolo

• Analista dei dati: Introduzione all'analisi dei dati Microsoft
• Ingegnere dei dati: Implementare una soluzione di analisi dei dati con Azure Databricks
• Data scientist: Costruire soluzioni di Machine Learning usando Azure Databricks

Idoneità dell'organizzazione

Le organizzazioni che iniziano l'adozione del cloud possono usare Cloud Adoption Framework per indicazioni comprovate progettate per accelerare l'adozione del cloud. Per indicazioni sull'analisi su scala cloud, vedere Analisi su scala cloud.

Per garantire la qualità della soluzione di analisi in Azure, è consigliabile seguire Azure Well-Architected Framework. Fornisce indicazioni prescrittive per le organizzazioni che cercano l'eccellenza dell'architettura e illustra come progettare, effettuare il provisioning e monitorare soluzioni di Azure ottimizzate per i costi.

Per indicazioni sul carico di lavoro dei dati allineate ai pilastri di Well-Architected Framework, vedere Azure Well-Architected Framework per i carichi di lavoro dei dati.

Percorso di produzione

La scelta di un archivio dati è una decisione fondamentale per l'implementazione dell'analisi in Azure. Dopo aver selezionato l'approccio di archiviazione, è possibile determinare la tecnologia di analisi dei dati appropriata per lo scenario in uso.

I punti decisionali chiave includono:

• Archiviazione dati: Scegliete tra Data Lake, Data Warehouse o Lakehouse in base alla struttura dei dati e ai modelli di query. Per indicazioni su come selezionare e progettare soluzioni di database che alimentano i carichi di lavoro analitici, vedere Progettazione dell'architettura dei database.

• Modello di elaborazione: determinare se l'elaborazione batch, l'elaborazione dei flussi o una combinazione più adatta ai requisiti del carico di lavoro.

• Strumenti di analisi: selezionare tecnologie bi e intelligenza artificiale allineate alle competenze e alle esigenze aziendali del team.

Per visualizzare diversi stili di architettura per le soluzioni di analisi, vedere Architetture.

Procedure consigliate

L'analisi di alta qualità inizia con dati robusti e affidabili. Al livello più elevato, la sicurezza delle informazioni consente di garantire che i dati siano protetti durante il transito e a riposo. Anche l'accesso a tali dati deve essere considerato attendibile. I dati attendibili implicano una progettazione che implementa:

• Criteri di governance : definire la proprietà, la classificazione e i criteri di accesso chiari dei dati.

• Gestione delle identità e degli accessi : implementare principi di controllo degli accessi in base al ruolo e privilegi minimi.

• Controlli di sicurezza di rete : proteggere i flussi di dati tra i servizi e impedire l'accesso non autorizzato.

• Protezione dei dati - crittografare i dati a riposo e in transito.

A livello di piattaforma, le procedure consigliate per i dati big contribuiscono all'analisi affidabile su Azure:

• Orchestrare l'inserimento dati : usare un flusso di lavoro di dati o una soluzione di pipeline, ad esempio quelle supportate dalle pipeline di Azure Data Factory o Microsoft Fabric.

• Elaborare i dati sul posto : usare un archivio dati distribuito, un approccio per Big Data che supporta volumi più grandi di dati e una gamma più ampia di formati.

• Eseguire lo scrub dei dati sensibili in anticipo : rimuovere o mascherare i dati sensibili come parte del flusso di lavoro di inserimento per evitare di archiviarli nel data lake.

• Considerare il costo totale : bilanciare il costo per unità dei nodi di calcolo necessari rispetto al costo al minuto dell'uso di tali nodi per completare un processo.

• Creare un data lake unificato : combinare l'archiviazione per i file in più formati, strutturati, semistrutturati o non strutturati. Usa Azure Data Lake Storage Gen2 come singola fonte di verità. Ad esempio, vedere Architettura della soluzione BI nel Centro di eccellenza.

Rimanere aggiornati con l'analisi

I servizi di analisi di Azure si stanno evolvendo per affrontare le sfide moderne dei dati. Rimanere informati sugli aggiornamenti più recenti e sulle funzionalità pianificate:

Ottenere gli aggiornamenti più recenti su prodotti e funzionalità di Azure.

Rimanere aggiornati con questi servizi di analisi chiave:

• Novità di Microsoft Fabric
• Note di rilascio di Azure Databricks
• Novità di Azure Data Explorer
• Novità di Power BI

Risorse aggiuntive

L'analisi è una categoria ampia e copre una gamma di soluzioni. Le risorse seguenti consentono di ottenere altre informazioni sulle Azure.

Ibrido

La maggior parte delle organizzazioni necessita di un approccio ibrido all'analisi perché i dati sono ospitati sia in locale che nel cloud. Le organizzazioni spesso estendono le soluzioni dati locali al cloud. Per connettere gli ambienti, le organizzazioni devono scegliere un'architettura di rete ibrida.

Scenari di analisi ibrida principali:

• Modernizzazione del mainframe: Modernizzare i dati mainframe e midrange - Integrare fonti dati legacy con piattaforme di analisi moderne.
• Integrazione locale: operazioni ibride e multicloud unificate : connettere i database locali all'analisi cloud.
• Analisi perimetrale: elaborare i dati al perimetro e aggregare le informazioni dettagliate nel cloud.

Analisi in tempo reale

L'analisi in tempo reale consente alle organizzazioni di agire sui dati man mano che arrivano. Ecco alcune risorse che consentono di iniziare a usare l'analisi in tempo reale in Azure:

• Analisi in tempo reale sull'architettura dei Big Data : elaborare e analizzare i dati di streaming su larga scala.
• Analisi IoT con Esplora dati di Azure - Analizzare i dati di telemetria IoT in tempo reale.
• elaborazione di flussi con Azure Stream Analytics - Crea soluzioni serverless di streaming.
• Creare un'architettura di analisi moderna usando Azure Databricks - Analisi di livello aziendale con Apache Spark.

Sfoglia altri esempi di analisi nel Centro delle architetture di Azure

AWS o i professionisti di Google Cloud

Questi articoli consentono di aumentare rapidamente le prestazioni confrontando Azure opzioni di analisi con altri servizi cloud:

• Analytics e Big Data nelle tecnologie Database su Azure e AWS

• Dati e analisi dei big data nel confronto tra servizi Google Cloud e Azure