Analiz mimarisi tasarımını kullanmaya başlama

Kuruluşlar verilerini ölçeklendirmek, akışa almak, tahmin etmek ve görüntülemek için Azure işlem, depolama ve analiz gücüne güvenir. Analiz çözümleri, veri hacimlerini raporlar ve görselleştirmeler gibi kullanışlı iş zekasına (BI) ve makine öğrenmesine dayalı tahminler gibi yaratıcı yapay zekaya dönüştürür. Azure, analiz konusunda yeni olan kuruluşlar ve uygulamalarını genişletmesi gereken kuruluşlar için çeşitli bulut tabanlı analiz araçları sunar. Analiz çözümleri, kuruluşların verileri büyük ölçekte kullanmalarına yardımcı olur. Ham verileri işlemek ve analiz veri deposuna taşımak için büyük veri mimarisi veya Nesnelerin İnterneti (IoT) mimarisi kullanabilirsiniz. Bu veri deposu, içgörüsel analiz çözümlerine güç verebilen tek bir gerçek kaynağı haline gelir.

Architecture

Learn, Assign roles, Choose storage ve Choose technology etiketli dört sütunu gösteren diyagram. Learn sütununda, Azure veri hizmetleri ve Veri modelleme adlı iki kutucuk görüntülenir. Rol ata sütununda üç kullanıcı grubu görünür: Veri analistleri, Veri mühendisleri ve Self servis kullanıcıları. Depolama seçin sütununda Analitik veri deposu etiketli bir kare kutucuk görüntülenir. Teknoloji seçin sütununda dört işlev görünür: Rapor ve görselleştirme, Akış verileri, Tahmin yapma ve Ölçek analizi.

Bu mimariye ait bir Visio dosyasını indirin.

Önceki diyagram, tipik bir temel veya başlangıç düzeyi analitik uygulamasını göstermektedir. Azure’da oluşturabileceğiniz gerçek dünya çözümleri için bkz. Analiz mimarileri.

Analiz kılavuzlarını, mimarileri ve çözüm fikirlerini keşfetme

Bu bölümdeki makaleler, Azure dağıtabileceğiniz ve üretim sınıfı çözümlere genişletebileceğiniz kılavuzları ve tam olarak geliştirilmiş mimarileri içerir. Çözüm fikirleri, analiz kavram kanıtı (POC) geliştirmenizi planlarken göz önünde bulundurmanız gereken uygulama desenlerini ve olasılıklarını gösterir. Bu makaleler, Azure analiz teknolojilerini nasıl kullanacağınıza karar vermenize yardımcı olabilir.

Analiz kılavuzları

Aşağıdaki makaleler, iş yükü gereksinimleriniz için en iyi analiz teknolojilerini değerlendirmenize ve seçmenize yardımcı olur:

• Kaynak analizi ve raporlama hizmeti seçin: Azure veri analizi ve görselleştirme seçeneklerini karşılaştırın.

• Bir toplu işlem hizmeti seçin: Büyük veri iş yükleri için toplu işleme teknolojilerini değerlendirin.

• Bir akış işleme hizmeti seçin: Gerçek zamanlı analiz için akış işleme teknolojilerini karşılaştırın.

• Analitik veri deposu seçme: Analitik veri deposu seçimiyle ilgili rehberlik alın.

• > Microsoft Fabric

Aşağıdaki makaleler, Azure veri platformları için olağanüstü durum kurtarma (DR) stratejileri hakkında rehberlik sağlar:

• Overview: Azure veri platformları için DR stratejilerine genel bakış.

• Architecture: Azure veri platformlarında DR için mimari desenleri.

• Senaryo ayrıntıları: DR uygulaması için ayrıntılı senaryolar.

• Öneriler: DR için en iyi yöntemler.

Analiz mimarileri

Aşağıdaki üretime hazır mimariler, dağıtabileceğiniz ve özelleştirebileceğiniz uçtan uca analiz çözümlerini gösterir:

• Fabric ile uçtan uca analitik: Fabric kullanarak modern bir analitik platformu oluşturun.

• Veri ambarı ve analiz: Birden çok kaynaktan gelen verileri birleşik bir analiz platformuyla tümleştirin.

• Kurumsal BI çözümü tasarlamak için Fabric kullanın: Fabric kullanarak kurumsal BI çözümü tasarlama.

• Gerçeğe yakın gerçek zamanlı lakehouse veri işleme: Gerçeğe yakın gerçek zamanlı lakehouse veri işleme için Azure Synapse Analytics ve Azure Data Lake Storage'ı kullanın.

• MongoDB Atlas'tan Azure Synapse Analytics'e gerçek zamanlı senkronizasyon: MongoDB Atlas verilerini Azure Synapse Analytics ile gerçek zamanlı olarak senkronize edin.

• Azure Databricks ile akış işleme: Azure Databricks kullanarak uçtan uca bir akış işleme işlem hattı oluşturun.

• Azure Stream Analytics ile akış işleme: Verileri alan, kayıtları ilişkilendiren ve hareketli ortalamaları hesaplayan bir akış işleme işlem hattı oluşturun.

• Küçük ve orta ölçekli işletmeler için modern veri ambarı: Küçük ve orta ölçekli işletmeler için tasarlanmış modern bir veri ambarı çözümü oluşturun.

Analiz çözümü fikirleri

Aşağıdaki analiz çözümü fikirleri, uygulama desenlerini ve keşfedilecek olasılıkları gösterir:

• Azure Databricks ile veri alımı, çıkarma, dönüştürme ve yükleme (ETL) ile akış işleme işlem hatları: Veri gölüne veri alımını basitleştirmek için toplu ve akış verileri üzerinde ETL işlem hatları oluşturun.

• Azure Databricks ile Modern analiz mimarisi: Modern bir veri mimarisi kullanarak verileri toplayın, işleyin, analiz edin ve görselleştirin.

• küçük ve orta ölçekli işletmeler için Modern veri platformu: Fabric ve Azure Databricks kullanarak küçük ve orta ölçekli işletmeler için modern bir veri platformu mimarisi oluşturun.

• Azure Veri Gezgini: Azure Veri Gezgini ve Azure Service Bus kullanarak verileri gerçek zamanlı olarak analiz edin.

Azure analiz hakkında bilgi edinin

Microsoft Learn, Azure analiz teknolojileri için free çevrimiçi eğitim kaynakları sağlar. Platform, belirli ürün ve hizmetler için videolar, öğreticiler ve uygulamalı laboratuvarların yanı sıra iş rolüne göre düzenlenmiş öğrenme yolları sunar.

Aşağıdaki kaynaklar, Azure analiz uygulamaları için temel bilgiler sağlar:

• Azure veri makalelerine göz atın
• Microsoft Azure veri çekirdeği veri kavramlarına giriş
• Fabric ile çalışmaya başlayın
• Microsoft veri analizini kullanmaya başlama
• Azure Databricks
• Azure Databricks kullanarak makine öğrenmesi çözümleri oluşturun

Kuruluşa hazır olma

Bulut benimseme sürecinin başındaki kuruluşlar, bulut benimsemeyi hızlandıran kanıtlanmış rehberliğe erişmek için Azure için Bulut Benimseme Çerçevesi kullanabilir.

Azure analiz çözümünüzün kalitesini sağlamaya yardımcı olmak için Azure Well-Architected Framework kılavuzu izleyin. Well-Architected Çerçevesi, mimari mükemmellik arayan kuruluşlar için açıklayıcı rehberlik sağlar ve maliyet açısından iyileştirilmiş Azure çözümleri tasarlama, sağlama ve izleme adımlarını açıklar.

En iyi uygulamalar

Analizdeki en iyi yöntemler çözümlerin ölçeklenebilir, güvenilir, uygun maliyetli ve güvenli olmasını sağlar.

Veri analizi

Azure’da analitik kullanmak için verilerinizi nasıl depolayacağınıza karar vermeniz gerekir. Ardından senaryonuz için en iyi veri analizi teknolojisini seçebilirsiniz. Aşağıdaki etmenleri inceleyin:

• Veri depolama: Veri yapınıza ve sorgu desenlerinize göre veri gölleri, veri ambarları ve göl evleri arasında seçim yapın. Analitik iş yüklerine güç sağlayan veritabanı çözümleri hakkında daha fazla bilgi edinmek için bkz. Veritabanı mimarisi tasarımı.

• İşleme modeli: Toplu işlemenin, akış işlemenin veya bir birleşimin iş yükü gereksinimlerinize en uygun olup olmadığını belirleyin.

• Analiz araçları: Ekibinizin becerilerini ve iş gereksinimlerini karşılayan BI ve yapay zeka teknolojilerini seçin.

Güvenilir veriler

Yüksek kaliteli analiz için sağlam ve güvenilir verilere ihtiyacınız vardır. Bilgi güvenliği uygulamaları, verilerinizin aktarım sırasında ve beklerken korunmasına yardımcı olur. Verilerinize erişimin de güvenli olması gerekir. Güvenilir veriler üretmeye yardımcı olmak için aşağıdaki uygulamaları ve denetimleri göz önünde bulundurun:

• İdare ilkeleri: Net veri sahipliğini, sınıflandırmayı ve erişim ilkelerini tanımlayın.

• Kimlik ve erişim yönetimi: Rol tabanlı erişim denetimi ve en az ayrıcalık ilkeleri uygulayın.

• Ağ güvenlik denetimleri: Hizmetler arasındaki veri akışlarını koruyun ve yetkisiz erişimi engelleyin.

• Veri koruması: Bekleyen ve aktarımdaki verileri şifreleyin.

Platform düzeyinde aşağıdaki big veri en iyi yöntemleri Azure üzerinde güvenilir analize katkıda bulunur:

• Veri alımını düzenleyin: Azure Data Factory veya Fabric işlem hatları tarafından desteklenen bir veri iş akışı ya da işlem hattı çözümü kullanın.

• Verileri yerinde işleme: Daha büyük hacimli verileri ve daha geniş bir biçim aralığını destekleyen büyük bir veri yaklaşımı olan dağıtılmış bir veri deposu kullanın.

• Hassas verileri erken aşamada temizleyin: Veri gölünüzde hassas verilerin yanlışlıkla depolanmasını önlemek için, veri alım iş akışının bir parçası olarak bu verileri kaldırın veya maskeleyin.

• Toplam maliyeti göz önünde bulundurun: Bu düğümlerde bir işi çalıştırmak için gerekli işlem düğümlerinin birim başına maliyetini dakika başına maliyetle dengeleyin.

• Birleşik veri gölü oluşturma: Yapılandırılmış, yarı yapılandırılmış veya yapılandırılmamış dosyalar için depolamayı birden çok biçimde birleştirin. tek merkezi kaynağınız olarak Data Lake Storage kullanın. Daha fazla bilgi için Bkz. Mükemmellik Merkezi'ndeki BI çözüm mimarisi.

Analizle güncel kalın

Azure analiz hizmetleri, modern veri zorluklarını ele almak için gelişir. En son güncelleştirmeler ve özellikler hakkında bilgi sahibi olun.

Önemli analiz hizmetleriyle güncel kalmak için aşağıdaki makalelere bakın:

• Fabric'teki yenilikler neler?
• Azure Databricks sürüm notları
• Azure Veri Gezgini
• Power BI'deki yenilikler nelerdir?

Diğer kaynaklar

Aşağıdaki kaynaklar analiz hakkında daha fazla bilgi bulmanıza yardımcı olabilir.

Gerçek zamanlı analiz

Kuruluşlar, veriler geldikçe üzerinde işlem yapmak için gerçek zamanlı analiz kullanabilir. Aşağıdaki kaynaklar Azure üzerinde gerçek zamanlı analize başlamanıza yardımcı olabilir:

• Büyük veri mimarisi üzerinde gerçek zamanlı analiz: Akış verilerini büyük ölçekte işleyin ve analiz edin.

• Azure Veri Gezgini ile IoT analizi: IoT kişisel verilerini gerçek zamanlı olarak analiz edin.

• Stream Analytics ile akış işleme: Sunucusuz akış çözümleri oluşturun.

• Azure Databricks: Apache Spark kullanarak kurumsal düzeyde analiz keşfedin.

• Daha fazla analiz örneği için bkz. Azure Mimari Merkezi

Amazon Web Services (AWS) veya Google Cloud uzmanları

Hızlı bir şekilde başlamanıza yardımcı olmak için aşağıdaki makaleler Azure analiz seçeneklerini diğer bulut hizmetleriyle karşılaştırır ve geçiş kılavuzu sağlar:

• Azure ve AWS'de ilişkisel veritabanı teknolojileri
• Google Cloud'dan Azure'a hizmet karşılaştırması