Projekt architektury analizy

Synapse Analytics
Power BI

Wraz ze wzrostem wykładniczym danych organizacje korzystają z nieograniczonej mocy obliczeniowej, magazynu i analitycznej platformy Azure w celu skalowania, przesyłania strumieniowego, przewidywania i wyświetlanie ich danych. Rozwiązania analityczne przekształcają woluminy danych w przydatną analizę biznesową (BI), taką jak raporty i wizualizacje oraz pomysłowe sztucznej inteligencji (AI), takie jak prognozy oparte na uczeniu maszynowym.

Niezależnie od tego, czy twoja organizacja dopiero zaczyna oceniać narzędzia analityczne oparte na chmurze, czy chce rozszerzyć bieżącą implementację, platforma Azure oferuje wiele opcji. Przepływ pracy rozpoczyna się od zapoznania się z typowymi podejściami i dopasowywaniem procesów i ról wokół podejścia do chmury.

Dane mogą być przetwarzane w partiach lub w czasie rzeczywistym, lokalnie lub w chmurze, ale celem każdego rozwiązania analitycznego jest wykorzystanie danych na dużą skalę. Coraz częściej organizacje chcą utworzyć jedno źródło prawdy dla wszystkich danych relacyjnych i nierelacyjnych generowanych przez ludzi, maszyny i Internet rzeczy (IoT). Często używa się architektury danych big data lub architektury IoT do przekształcania danych pierwotnych w formularz ustrukturyzowany, a następnie przenoszenia ich do analitycznego magazynu danych. Ten magazyn staje się pojedynczym źródłem prawdy, które może zasilać wiele szczegółowych rozwiązań analitycznych.

Podróż rozwiązania do analizy na platformie Azure rozpoczyna się od nauki i przypisywania ról. Następnie wybierz rozwiązanie magazynu i technologię azure BI lub sztucznej inteligencji dla obciążenia.

Pobierz plik programu Visio z tą architekturą.

Dowiedz się więcej o analizie na platformie Azure

Jeśli dopiero zaczynasz korzystać z analizy na platformie Azure, najlepszym miejscem, aby dowiedzieć się więcej, jest usługa Microsoft Learn, bezpłatna platforma szkoleniowa online. Znajdziesz filmy wideo, samouczki i praktyczne uczenie się dla konkretnych produktów i usług oraz ścieżki szkoleniowe oparte na roli zadania, takie jak deweloper lub analityk danych.

Gotowość organizacyjna

Jeśli Twoja organizacja jest nowa w chmurze, Cloud Adoption Framework może pomóc Ci rozpocząć pracę. Ta kolekcja dokumentacji i najlepszych rozwiązań oferuje sprawdzone wskazówki firmy Microsoft mające na celu przyspieszenie wdrażania chmury. Zawiera również listę narzędzi do innowacji w celu demokratyzacji danych na platformie Azure.

Aby zapewnić jakość rozwiązania analitycznego na platformie Azure, zalecamy skorzystanie z platformy Azure Well-Architected Framework. Zawiera on wskazówki dla organizacji poszukujących doskonałości architektury i omawia sposób projektowania, aprowizowania i monitorowania rozwiązań platformy Azure zoptymalizowanych pod kątem kosztów.

Ścieżka do środowiska produkcyjnego

Znajomość sposobu przechowywania danych jest jedną z pierwszych decyzji, które należy podjąć podczas podróży do analizy na platformie Azure. Następnie możesz wybrać najlepszą technologię analizy danych dla danego scenariusza.

Aby rozpocząć pracę, rozważ następujące przykładowe implementacje:

Najlepsze rozwiązania

Analiza wysokiej jakości zaczyna się od niezawodnych, wiarygodnych danych. Na najwyższym poziomie rozwiązania w zakresie zabezpieczeń informacji pomagają zapewnić ochronę danych podczas przesyłania i magazynowania. Dostęp do tych danych musi być również zaufany. Wiarygodne dane oznaczają projekt, który implementuje:

Na poziomie platformy następujące najlepsze rozwiązania dotyczące danych big data przyczyniają się do wiarygodnej analizy na platformie Azure:

  • Organizowanie pozyskiwania danych przy użyciu przepływu pracy danych lub rozwiązania potoku, takiego jak te obsługiwane przez Azure Data Factory lub Oozie.

  • Przetwarzanie danych w miejscu przy użyciu rozproszonego magazynu danych, podejścia do danych big data, które obsługuje większe ilości danych i większą gamę formatów.

  • Wyczyść poufne dane już w ramach przepływu pracy pozyskiwania, aby uniknąć przechowywania ich w usłudze Data Lake.

  • Rozważ łączny koszt wymaganych zasobów platformy Azure, równoważąc koszt jednostkowy węzłów obliczeniowych potrzebny do kosztu za minutę użycia tych węzłów do ukończenia zadania.

  • Utwórz magazyn typu data lake, który łączy magazyn plików w wielu formatach, strukturalnych, częściowo ustrukturyzowanych lub bez struktury. W firmie Microsoft używamy Azure Data Lake Storage Gen2 jako naszego pojedynczego źródła prawdy. Zobacz na przykład architekturę rozwiązania analizy biznesowej w Centrum doskonałości.

Dodatkowe zasoby

Analiza jest szeroką kategorią i obejmuje szereg rozwiązań. Poniższe zasoby mogą pomóc w odnalezieniu więcej informacji na temat platformy Azure.

Połączenie hybrydowe

Zdecydowana większość organizacji potrzebuje hybrydowego podejścia do analizy, ponieważ ich dane są hostowane zarówno lokalnie, jak i w chmurze. Organizacje często rozszerzają lokalne rozwiązania danych do chmury. Aby połączyć środowiska, organizacje muszą wybrać architekturę sieci hybrydowej.

Podejście hybrydowe może obejmować systemy mainframe i midrange jako źródło danych dla rozwiązań platformy Azure. Na przykład organizacja może chcieć zmodernizować dane mainframe i midrange lub zapewnić dostęp mainframe do baz danych platformy Azure.

Przykładowe rozwiązania

Poniżej przedstawiono kilka przykładowych implementacji analizy na platformie Azure, które należy wziąć pod uwagę:

Specjaliści ds. usług AWS lub Google Cloud

Te artykuły mogą pomóc w szybkim rozwoju, porównując opcje analizy platformy Azure z innymi usługami w chmurze: