Redigera

Avancerad analysarkitektur

Analysis Services
Blob Storage
Azure Cosmos DB
Synapse Analytics
Power BI

Lösningsidéer

Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub feedback.

Med den här arkitekturen kan du kombinera alla data i valfri skala med anpassad maskininlärning och få dataanalys i nära realtid på strömningstjänster.

Arkitektur

Diagram över en avancerad analysarkitektur med Azure Synapse Analytics med Azure Data Lake Storage Gen2, Azure Analysis Services, Azure Cosmos DB och Power BI.

Ladda ned en Visio-fil med den här arkitekturen.

Dataflöde

  1. Samla alla strukturerade, ostrukturerade och halvstrukturerade data (loggar, filer och media) med synapse-pipelines för att Azure Data Lake Storage.
  2. Använd Apache Spark-pooler för att rensa och transformera de strukturlösa datauppsättningarna och kombinera dem med strukturerade data från driftdatabaser eller informationslager.
  3. Använd skalbara maskininlärnings-/djupinlärningstekniker för att härleda djupare insikter från dessa data med hjälp av Python, Scala eller .NET, med notebook-upplevelser i Apache Spark-poolen.
  4. Använd Apache Spark-pool och Synapse Pipelines i Azure Synapse Analytics för att komma åt och flytta data i stor skala.
  5. Fråga och rapportera om data i Power BI.
  6. Ta insikterna från Apache Spark-pooler till Azure Cosmos DB för att göra dem tillgängliga via webb- och mobilappar.

Arbetsflöde

  • Azure Synapse Analytics är det snabba, flexibla och betrodda molndatalagret som gör att du kan skala, beräkna och lagra elastiskt och oberoende av varandra, med en massivt parallell bearbetningsarkitektur.
  • Med Dokumentation om Synapse Pipelines kan du skapa, schemalägga och samordna dina ETL/ELT-arbetsflöden.
  • Azure Blob Storage är en mycket skalbar objektlagring för alla typer av ostrukturerade databilder, videor, ljud, dokument och enklare och kostnadseffektivare.
  • Azure Synapse Analytics Spark-pooler är en snabb, enkel och samarbetsbaserad Apache Spark-baserad analysplattform.
  • Azure Cosmos DB är en globalt distribuerad databastjänst med flera modeller. Lär dig hur du replikerar dina data i valfritt antal Azure-regioner och skalar ditt dataflöde oberoende av din lagring.
  • Azure Synapse Link för Azure Cosmos DB kan du köra nästan realtidsanalyser över driftdata i Azure Cosmos DB, utan prestanda eller kostnadspåverkan på din transaktionsarbetsbelastning, med hjälp av de två analysmotorer som är tillgängliga från din Azure Synapse arbetsyta: SQL Serverless och Spark Pools.
  • Azure Analysis Services är en analys i företagsklass som en tjänst där du kan styra, distribuera, testa och leverera din BI-lösning med tillförsikt.
  • Power BI är en uppsättning affärsanalysverktyg som ger insikter i hela organisationen. Anslut till hundratals datakällor, förenkla dataförberedelser och kör oplanerad analys. Skapa snygga rapporter och publicera dem sedan för din organisation att använda på webben och på mobila enheter.

Alternativ

  • Synapse Link är microsofts bästa lösning för analys utöver Azure Cosmos DB-data.

Scenarioinformation

Omvandla dina data till användbara insikter med hjälp av de bästa maskininlärningsverktygen. Med den här lösningen kan du kombinera alla data i valfri skala och skapa och distribuera anpassade maskininlärningsmodeller i stor skala. Information om hur dataplattformar i företagsskala är utformade som en del av en landningszon för företag finns i dokumentationen om Cloud Adoption Framework datalandningszon.

Potentiella användningsfall

Organisationer har möjlighet att komma åt mer data än någonsin tidigare. Avancerad analys hjälper dig att dra nytta av datainsikter. Områden är:

  • Kundservice.
  • Förutsägande underhåll.
  • Rekommendera produkter eller tjänster.
  • Systemoptimering av allt från leveranskedjor till datacenteråtgärder.
  • Produkt- och tjänsteutveckling.

Överväganden

Kostnadsoptimering

Kostnadsoptimering handlar om att titta på sätt att minska onödiga utgifter och förbättra driftseffektiviteten. Mer information finns i Översikt över grundpelare för kostnadsoptimering.

Nästa steg

Se följande dokumentation om de tjänster som finns i den här arkitekturen: