Condividi tramite

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.

Architecture

Diagramma che mostra il percorso della soluzione di analisi in Azure.

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 espandere soluzioni e guide di livello di produzione. Queste informazioni consentono di prendere decisioni importanti su come usare le tecnologie di analisi in Azure. È anche possibile esaminare idee di soluzioni, che offrono un'idea di ciò che è fattibile mentre si pianifica lo sviluppo del POC analitico.

Architetture

Idee per le soluzioni

Guides

Scelte di tecnologia

Ripristino di emergenza per la piattaforma dati di Azure

  • 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.

Informazioni sull'analisi in Azure

Se non si ha familiarità con l'analisi in Azure, il posto migliore per saperne di più è Microsoft Learn, una piattaforma di formazione online gratuita. Sono disponibili video, esercitazioni e apprendimento pratico per prodotti e servizi specifici, oltre a percorsi di apprendimento basati sul ruolo di sviluppatore o analista di dati.

Di seguito sono riportate alcune risorse per iniziare:

Percorsi di apprendimento per ruolo

Idoneità dell'organizzazione

Se l'organizzazione non è una novità del cloud, Cloud Adoption Framework può essere utile per iniziare. Questa raccolta di documentazione e procedure consigliate offre indicazioni comprovate di Microsoft progettate per accelerare il percorso di adozione del cloud. Per altre informazioni 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

Sapere come archiviare i dati è una delle prime decisioni da prendere nel percorso di analisi in Azure. È quindi possibile scegliere la migliore tecnologia di analisi dei dati per lo scenario.

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 affidabili e affidabili. Al livello più elevato, le procedure di sicurezza delle informazioni consentono di garantire che i dati siano protetti in transito e inattivi. Anche l'accesso a tali dati deve essere considerato attendibile. I dati attendibili implicano una progettazione che implementa:

A livello di piattaforma, le procedure consigliate per Big Data seguenti contribuiscono all'analisi affidabile in 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. Utilizzare Azure Data Lake Storage Gen2 come fonte unica 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:

Risorse aggiuntive

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

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:

Esplorare altri esempi di analisi nel Centro architetture di Azure

AWS o i professionisti di Google Cloud

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

  • Last updated on