Editar

Compartilhar via


Design da arquitetura do Analytics

Azure Synapse Analytics
Power BI

Com o crescimento exponencial dos dados, as organizações contam com o poder de computação, armazenamento e análise ilimitados do Azure para escalar, transmitir, prever e ver seus dados. As soluções de Analytics transformam volumes de dados em BI (business intelligence) útil, como relatórios e visualizações, e IA (inteligência artificial), como previsões baseadas em aprendizado de máquina.

Se sua organização está apenas começando a avaliar ferramentas de análise baseadas em nuvem ou está procurando expandir sua implementação atual, o Azure oferece muitas opções. O fluxo de trabalho começa com o aprendizado sobre abordagens comuns e o alinhamento de processos e funções em torno de uma mentalidade de nuvem.

Os dados podem ser processados em lotes ou em tempo real, no local ou na nuvem, mas o objetivo de qualquer solução de análise é fazer uso de dados em escala. Cada vez mais, as organizações querem criar uma única fonte de verdade para todos os dados relacionais e não relacionais que estão sendo gerados por pessoas, máquinas e pela IoT (Internet das Coisas). É comum usar uma arquitetura de Big Data ou uma arquitetura de IoT para transformar dados brutos em um formulário estruturado e, em seguida, movê-los para um armazenamento de dados analíticos. Esse armazenamento se torna a única fonte de verdade que pode alimentar uma infinidade de soluções de análise perspicazes.

A jornada da solução para analytics no Azure começa com o aprendizado e a atribuição de funções. Em seguida, escolha uma solução de armazenamento e uma tecnologia de BI ou IA do Azure para a carga de trabalho.

Baixe um Arquivo Visio dessa arquitetura.

Saiba mais sobre a análise no Azure

Se você não estiver familiarizado com a análise no Azure, o melhor lugar para aprender mais é com o Microsoft Learn, uma plataforma gratuita de treinamento online. Você encontrará vídeos, tutoriais e aprendizado prático para produtos e serviços específicos, além de caminhos de aprendizado com base na sua função de trabalho, como desenvolvedor ou analista de dados.

A preparação organizacional

Se sua organização é nova na nuvem, o Cloud Adoption Framework pode ajudar você a começar. Esta coleção de documentação e práticas recomendadas oferece orientação comprovada da Microsoft projetada para acelerar sua jornada de adoção da nuvem. Também lista as ferramentas de inovação para democratizar dados no Azure.

Para ajudar a garantir a qualidade da sua solução de análise no Azure, recomendamos seguir o Azure Well-Architected Framework. Ele fornece orientação prescritiva para organizações que buscam excelência arquitetônica e discute como projetar, provisionar e monitorar soluções do Azure otimizadas para custo.

Caminho de produção

Saber como armazenar seus dados é uma das primeiras decisões que você precisa tomar em sua jornada para a análise no Azure. Em seguida, você pode escolher a melhor tecnologia de análise de dados para o seu cenário.

Para começar, considere as seguintes implementações de exemplo:

Práticas recomendadas

Análises de alta qualidade começam com dados robustos e confiáveis. No mais alto nível, as práticas de segurança da informação ajudam a garantir que seus dados estejam protegidos em trânsito e em repouso. O acesso a esses dados também deve ser confiável. Dados confiáveis implicam em um design que implementa:

No nível da plataforma, as seguintes práticas recomendadas de Big Data contribuem para análises confiáveis no Azure:

  • Orquestre a ingestão de dados usando um fluxo de trabalho de dados ou uma solução de pipeline, como as com suporte do Azure Data Factory ou do Oozie.

  • Processe dados no local usando um armazenamento de dados distribuído, uma abordagem de Big Data que oferece suporte a volumes maiores de dados e uma maior variedade de formatos.

  • Limpe dados confidenciais antecipadamente como parte do fluxo de trabalho de ingestão para evitar armazená-los em seu data lake.

  • Considere o custo total dos recursos necessários do Azure equilibrando o custo por unidade dos nós de computação necessários com o custo por minuto de usar esses nós para concluir um trabalho.

  • Crie um data lake que combine o armazenamento de arquivos em vários formatos, sejam estruturados, semiestruturados ou não estruturados. Na Microsoft, usamos o Azure Data Lake Storage Gen2 como nossa única fonte de verdade. Por exemplo, consulte Arquitetura de solução de BI no Centro de Excelência.

Recursos adicionais

A análise é uma categoria ampla e abrange uma gama de soluções. Os recursos a seguir podem ajudar você a descobrir mais sobre o Azure.

Híbrido

A vasta maioria das organizações precisa de uma abordagem híbrida para análise porque seus dados são hospedados tanto no local quanto na nuvem. Com frequência, as organizações estendem soluções de dados locais para a nuvem. Para conectar ambientes, as organizações devem escolher uma arquitetura de rede híbrida.

Uma abordagem híbrida pode incluir sistemas de mainframe e midrange como uma fonte de dados para soluções do Azure. Por exemplo, sua organização pode querer modernizar dados de mainframe e midrange ou fornecer acesso de mainframe aos bancos de dados do Azure.

Soluções de exemplo

Veja abaixo algumas implementações de exemplo de análise no Azure a serem consideradas:

Profissionais da AWS ou do Google Cloud

Estes artigos podem ajudar você a aumentar rapidamente comparando as opções de análise do Azure com outros serviços de nuvem: