Bu makalede MongoDB Atlas işletimsel verilerinden içgörü türetilmesine yönelik bir çözüm sunulmaktadır. Çözüm, MongoDB Atlas'ı Azure Synapse Analytics'e bağlar. Bağlantı, verileri toplu olarak ve gerçek zamanlı olarak aktarmayı mümkün kılar. Gerçek zamanlı yaklaşım, Azure Synapse Analytics ayrılmış SQL havuzlarının MongoDB Atlas veri kaynağındaki değişikliklerle eşitlenmesini sağlar.
Apache®, Apache Spark ve alev logosu, Apache Software Foundation'ın Birleşik Devletler ve/veya diğer ülkelerdeki kayıtlı ticari markaları veya ticari markalarıdır. Bu işaretlerin kullanılması Apache Software Foundation tarafından onaylanmamaktadır.
MongoDB Atlas logosu MongoDB'nin ticari markasıdır. Bu işaretin kullanılması herhangi bir onay anlamına gelmez.
Mimari
Aşağıdaki diyagramda MongoDB Atlas verilerinin Azure Synapse Analytics ile gerçek zamanlı olarak nasıl eşitlenmesi gösterilmektedir.
Bu makaledeki tüm diyagramların PowerPoint dosyasını indirin.
Veri akışı
Çözüm, MongoDB Atlas işletimsel veri deposundaki (ODS) gerçek zamanlı değişiklikleri yakalayan ve verileri eşitleyen işlem hatlarını tetikleyen iki seçenek sunar. Aşağıdaki adımlarda her iki seçenek de özetlenmiştir.
Değişiklikler MongoDB Atlas'ta depolanan işletimsel ve işlemsel verilerde gerçekleşir. Mongo Atlas değişiklik akışı API'leri, abone olan uygulamalara değişiklikleri gerçek zamanlı olarak bildirir.
Özel bir Azure Uygulaması Hizmeti web uygulaması MongoDB değişiklik akışına abonedir. Web uygulamasının iki sürümü vardır: Event Grid ve depolama, çözümün her sürümü için bir tane. Her iki uygulama sürümü de Atlas'taki ekleme, güncelleştirme veya silme işleminin neden olduğu değişiklikleri dinler. Uygulamalar bir değişiklik algıladığında, değiştirilen belgeyi Azure Synapse Analytics ile tümleşik olan Azure Data Lake Depolama'a blob olarak yazar. Uygulamanın Event Grid sürümü, Atlas'ta bir değişiklik algıladığında Azure Event Grid'de yeni bir olay da oluşturur.
Çözümün her iki sürümü de Azure Synapse Analytics işlem hattını tetikler:
- Event Grid sürümünde, Azure Synapse Analytics'te özel bir olay tabanlı tetikleyici yapılandırılır. Bu tetikleyici, web uygulamasının yayım yaptığı Event Grid konusuna abonedir. Bu konudaki yeni olay, Azure Synapse Analytics tetikleyicisini etkinleştirir ve bu da Azure Synapse Analytics veri işlem hattının çalışmasına neden olur.
- Depolama sürümünde, Azure Synapse Analytics'te depolama tabanlı bir tetikleyici yapılandırılır. Tümleşik Data Lake Depolama klasöründe yeni blob algılandığında bu tetikleyici etkinleştirilir ve bu da Azure Synapse Analytics veri işlem hattının çalışmasına neden olur.
Kopyalama etkinliğinde Azure Synapse Analytics işlem hattı, değiştirilen belgenin tamamını Data Lake Depolama blobundan ayrılmış SQL havuzuna kopyalar. Bu işlem, seçili sütunda bir upsert yapacak şekilde yapılandırılır. Sütun ayrılmış SQL havuzunda varsa upsert sütunu güncelleştirir. Sütun yoksa, upsert sütunu ekler.
Ayrılmış SQL havuzu, veri işlem hattının güncelleştirdığı tabloyu barındıran kurumsal veri ambarı özelliğidir. İşlem hattının veri kopyalama etkinliği, bu tabloyu ilgili Atlas koleksiyonuyla eşitlenmiş durumda tutar.
Power BI raporları ve görselleştirmeleri geçerli ve neredeyse gerçek zamanlı analizleri görüntüler. Veriler ayrıca aşağı akış uygulamalarına da aktarılır. MongoDB Atlas, Azure Synapse Analytics veri işlem hattı havuz bağlayıcısı kullanarak havuz işlevi görür. Atlas daha sonra gerçek zamanlı verileri içeren özel uygulamalar sağlar.
Bileşenler
MongoDB Atlas , MongoDB tarafından sunulan bir hizmet olarak veritabanı teklifidir. Bu çok bulutlu uygulama veri platformu işlem işleme, ilgi tabanlı arama, gerçek zamanlı analiz ve mobilden buluta veri eşitleme olanağı sunar. MongoDB ayrıca MongoDB Enterprise Advanced şirket içi çözümü de sunar.
MongoDB Atlas'taki değişiklik akışları , uygulamaların bu değişikliklere anında tepki verebilmesi için gerçek zamanlı veri değişikliklerine erişim sağlar. Değişiklik akışları, uygulamaların belirli bir koleksiyon, veritabanı veya dağıtım kümesinin tamamında yapılan değişiklikler hakkında bildirim alması için bir yol sağlar.
App Service ve Web Apps, Mobile Apps ve API Apps özellikleri web uygulamaları, mobil uygulamalar ve REST API'leri oluşturmaya, dağıtmaya ve ölçeklendirmeye yönelik bir çerçeve sağlar. Bu çözüm, ASP.NET'de programlanmış web uygulamalarını kullanır. Kod GitHub'da kullanılabilir:
Azure Synapse Analytics , bu çözümün veri alımı, işleme ve analiz için kullandığı temel hizmettir.
Data Lake Depolama, verileri depolamak ve işlemek için özellikler sağlar. Data Lake Depolama, Blob Depolama üzerinde oluşturulmuş bir veri gölü olarak, birden çok heterojen kaynaktan büyük hacimli verileri yönetmek için ölçeklenebilir bir çözüm sağlar.
Azure Synapse Analytics işlem hatları veriler üzerinde ayıklama, dönüştürme ve yükleme (ETL) işlemleri gerçekleştirmek için kullanılır. Azure Data Factory benzer bir hizmet sağlar, ancak Synapse Studio'da Azure Synapse Analytics işlem hatları oluşturabilirsiniz. Aynı işlem hattı içinde birden çok etkinlik kullanabilirsiniz. Bir etkinliği işlem hattındaki başka bir etkinliğe bağlamak için bağımlılık uç noktaları da oluşturabilirsiniz.
Eşleme veri akışları , Azure Synapse Analytics'te görsel olarak tasarlanmış veri dönüştürmeleridir. Veri akışları, veri mühendislerinin kod yazmadan veri dönüştürme mantığı geliştirmesi için bir yol sağlar. Sonuçta elde edilen veri akışlarını, ölçeği genişletilmiş Apache Spark kümeleri kullanan Azure Synapse Analytics işlem hatlarında etkinlikler olarak çalıştırabilirsiniz. Mevcut Azure Synapse Analytics zamanlama, denetim, akış ve izleme özelliklerini kullanarak veri akışı etkinliklerini devreye alabilirsiniz.
Ayrılmış SQL havuzu , veriler işlendikten ve normalleştirildikten sonra veriler için veri ambarı özellikleri sağlar. Azure Synapse Analytics'in bu özelliği daha önce SQL Veri Ambarı olarak biliniyordu. Ayrılmış SQL havuzları, geliştirilmiş verileri son kullanıcılarınız ve uygulamalarınız için kullanılabilir hale getirir.
Azure Synapse Analytics tetikleyicileri, işlem hatlarını çalıştırmak için otomatik bir yol sağlar. Bu tetikleyicileri zamanlayabilirsiniz. Depolama olayı tetikleyicileri ve özel olay tetikleyicileri gibi olay tabanlı tetikleyiciler de ayarlayabilirsiniz. Çözüm her iki olay tabanlı tetikleyici türünü de kullanır.
Event Grid yüksek oranda ölçeklenebilir, sunucusuz bir olay aracısıdır. Olayları abone hedeflerine teslim etmek için Event Grid'i kullanabilirsiniz.
Power BI , analiz bilgilerini görüntüleyen yazılım hizmetlerinden ve uygulamalardan oluşan bir koleksiyondur. Bu çözümde Power BI, gelişmiş analiz gerçekleştirmek ve içgörüler türetmek için işlenen verileri kullanmanın bir yolunu sağlar.
Senaryo ayrıntıları
MongoDB Atlas, birçok kurumsal uygulamanın operasyonel veri katmanı olarak hizmet vermektedir. Bu bulut veritabanı iç uygulamalardan, müşteriye yönelik hizmetlerden ve birden çok kanaldan üçüncü taraf API'lerden verileri depolar. Azure Synapse Analytics işlem hatlarını kullanarak MongoDB Atlas verilerini diğer geleneksel uygulamalardan gelen ilişkisel verilerle ve günlükler gibi kaynaklardan yapılandırılmamış verilerle birleştirebilirsiniz.
Toplu iş tümleştirmesi
Azure Synapse Analytics'te MongoDB şirket içi örneklerini ve MongoDB Atlas'ı kaynak veya havuz kaynağı olarak sorunsuz bir şekilde tümleştirebilirsiniz. MongoDB, Azure Synapse Analytics ve Data Factory için kaynak ve havuz bağlayıcılarına sahip tek NoSQL veritabanıdır.
Geçmiş verileri kullanarak tüm verileri aynı anda alabilirsiniz. Toplu iş modunda bir filtre kullanarak belirli dönemler için verileri artımlı olarak da alabilirsiniz. Ardından verileri dönüştürmek ve analiz etmek için Azure Synapse Analytics'teki SQL havuzlarını ve Apache Spark havuzlarını kullanabilirsiniz. Analiz veya sorgu sonuçlarını bir analiz veri deposunda depolamanız gerekiyorsa Havuz kaynağını Azure Synapse Analytics'te kullanabilirsiniz.
Bağlayıcıları ayarlama ve yapılandırma hakkında daha fazla bilgi için şu kaynaklara bakın:
- Azure Data Factory veya Azure Synapse Analytics kullanarak MongoDB Atlas'tan veya MongoDB Atlas'a veri kopyalama
- Azure Data Factory veya Azure Synapse Analytics kullanarak MongoDB'den veya MongoDB'ye veri kopyalama
Kaynak bağlayıcı, MongoDB veya Atlas'ta depolanan operasyonel veriler üzerinde Azure Synapse Analytics'i çalıştırmak için kullanışlı bir yol sağlar. Atlas'tan veri almak için kaynak bağlayıcıyı kullandıktan sonra verileri Data Lake Depolama blob depolama alanına Parquet, Avro, JSON, metin veya CSV dosyası olarak yükleyebilirsiniz. Daha sonra bu dosyaları dönüştürebilir veya birden çok veritabanı, çoklu bulut veya karma bulut ortamlarındaki diğer veri kaynaklarından diğer dosyalarla birleştirebilirsiniz.
MongoDB Enterprise Advanced veya MongoDB Atlas'tan aldığınız verileri aşağıdaki senaryolarda kullanabilirsiniz:
MongoDB'den belirli bir tarihteki tüm verileri toplu olarak almak için. Ardından verileri Data Lake Depolama'a yüklersiniz. Buradan, analiz için sunucusuz bir SQL havuzu veya Spark havuzu kullanırsınız ya da verileri ayrılmış bir SQL havuzuna kopyalarsınız. Bu toplu işlemi aldıktan sonra, Veri Akışı'nda açıklandığı gibi, verilerde gerçekleşen değişiklikleri uygulayabilirsiniz. Bu çözümün bir parçası olarak Depolama CopyPipeline_mdb_synapse_ded_pool_RTS örnek işlem hattı kullanılabilir. Bu tek seferlik yükleme amacıyla işlem hattını GitHub'dan dışarı aktarabilirsiniz.
Günlük veya saatlik rapor gibi belirli bir sıklıkta içgörüler üretmek. Bu senaryoda, analiz işlem hatlarını çalıştırmadan önce düzenli aralıklarla veri almak üzere bir işlem hattı zamanlarsınız. Bir MongoDB sorgusu kullanarak filtre ölçütlerini uygulayabilir ve yalnızca belirli bir veri alt kümesini alabilirsiniz.
Gerçek zamanlı eşitleme
Kuruluşların eski verileri değil gerçek zamanlı verileri temel alan içgörülere ihtiyacı vardır. İçgörü tesliminde birkaç saatlik bir gecikme, karar alma sürecini tutabilir ve rekabet avantajı kaybına neden olabilir. Bu çözüm, MongoDB işlem veritabanında gerçekleşen değişiklikleri ayrılmış SQL havuzuna gerçek zamanlı olarak dağıtarak kritik karar alma sürecini destekler.
Bu çözüm, aşağıdaki bölümlerde açıklanan üç bölüme sahiptir.
MongoDB Atlas değişikliklerini yakalama
MongoDB değişiklik akışı veritabanında gerçekleşen değişiklikleri yakalar. Değişiklik akışı API'leri, değişiklik akışına abone olan App Service web uygulamalarında kullanılabilir değişiklikler hakkında bilgi sağlar. Bu uygulamalar değişiklikleri Data Lake Depolama blob depolama alanına yazar.
Değişiklikleri Azure Synapse Analytics'e yaymak için işlem hattını tetikleme
Çözüm, blob Data Lake Depolama yazıldıktan sonra Azure Synapse Analytics işlem hattını tetikleme için iki seçenek sunar:
Depolama tabanlı tetikleyici. Gerçek zamanlı analize ihtiyacınız varsa bu seçeneği kullanın çünkü değişiklikle birlikte blob yazılır yazılmadığı anda işlem hattı tetiklenir. Ancak yüksek hacimli veri değişiklikleriniz olduğunda bu seçenek tercih edilen yaklaşım olmayabilir. Azure Synapse Analytics, eşzamanlı olarak çalışabilecek işlem hattı sayısını sınırlar. Çok sayıda veri değişikliğiniz olduğunda bu sınıra gelebilirsiniz.
Olay tabanlı özel tetikleyici. Bu tetikleyici türü, Azure Synapse Analytics'in dışında olması avantajına sahiptir, bu nedenle denetlenmesi daha kolaydır. Web uygulamasının Event Grid sürümü, değiştirilen veri belgesini blob depolamaya yazar. Aynı zamanda uygulama yeni bir Event Grid olayı oluşturur. Olaydaki veriler blobun dosya adını içerir. Olayın tetiklediği işlem hattı, dosya adını parametre olarak alır ve ardından dosyayı kullanarak ayrılmış SQL havuzunu güncelleştirir.
Değişiklikleri ayrılmış bir SQL havuzuna yayma
Azure Synapse Analytics işlem hattı, değişiklikleri ayrılmış bir SQL havuzuna yayılım. Çözüm, GitHub'da Data Lake Depolama'den ayrılmış SQL havuzuna blobdaki değişikliği kopyalayan bir CopyPipeline_mdb_synapse_ded_pool_RTS işlem hattı sağlar. Bu işlem hattı, depolama veya Event Grid tetikleyicisi tarafından tetikleniyor.
Olası kullanım örnekleri
Bu çözümün kullanım örnekleri birçok sektöre ve alana yayılmıştır:
Retail
- Ürün paketleme ve ürün promosyonuna zeka oluşturma
- IoT akışı kullanan soğuk depolamayı iyileştirme
- Stok yenilemesini iyileştirme
- Çok kanallı dağıtıma değer ekleme
Bankacılık ve finans
- Müşteri finansal hizmetlerini özelleştirme
- Sahte olabilecek işlemleri algılama
Telekomünikasyon
- Yeni nesil ağları iyileştirme
- Kenar ağlarının değerini en üst düzeye çıkarma
Otomotiv
- Bağlı araçların parametreleştirmesini iyileştirme
- Bağlı araçlardaki IoT iletişimindeki anomalileri algılama
Manufacturing
- Makineler için tahmine dayalı bakım sağlama
- Depolama ve envanter yönetimini iyileştirme
Aşağıda iki özel örnek verilmiştir:
- Bu makalede Batch tümleştirmesinde daha önce açıklandığı gibi, MongoDB verilerini toplu olarak alabilir ve değişiklikler gerçekleştiğinde verileri güncelleştirebilirsiniz. Bu özellik, tam zamanında karar alma ve sonuçlar için gerçek zamanlı içgörüleri mümkün kılar. Bu işlevsellik, finansal işlemler ve sahtekarlık algılama verileri gibi hassas ve kritik bilgilerin analizinde kullanışlıdır.
- Batch tümleştirmesinde de açıklandığı gibi, MongoDB verilerini düzenli aralıklarla almak için bir işlem hattı zamanlayabilirsiniz. Bu işlev stok düzeylerini günlük satış verileriyle güncelleştirme gibi perakende senaryolarında kullanışlıdır. Bu gibi durumlarda analiz raporları ve panoları kritik öneme ve gerçek zamanlı analize değer değildir.
Aşağıdaki bölümlerde iki perakende sektörü kullanım örneği daha yakından ele alınmaktadır.
Ürün paketleme
Bir ürünün satışını teşvik etmek için, ürünü diğer ilgili ürünlerle birlikte bir paketin parçası olarak satabilirsiniz. Amaç, bir ürünü paketlere paketlemeye yönelik stratejiler geliştirmek için satış deseni verilerini kullanmaktır.
İki veri kaynağı vardır:
- MongoDB'den ürün kataloğu verileri
- Azure SQL'den satış verileri
Her iki veri kümesi de Azure Synapse Analytics işlem hattı kullanılarak Azure Synapse Analytics ayrılmış SQL havuzuna geçirilir. Tetikleyiciler ve değişiklik verileri yakalamaları, tek seferlik geçirilen verilerin üzerinde neredeyse gerçek zamanlı veri eşitlemesi elde etmek için kullanılır.
Aşağıdaki Power BI grafikleri, ürünlerle satış desenleri arasındaki benzişimi gösterir. Kalemin ve mürekkep tabanlı doldurmanın benzitesi yüksektir. Satış verileri kalemin belirtilen alanda yüksek satış hacmine sahip olduğunu gösterir.
Analiz, daha iyi satışlar elde etme konusunda iki öneride bulunur:
- Kalemi ve mürekkep tabanlı yeniden doldurmayı paketleme
- Paketi belirli alanlarda tanıtma
Ürün promosyonu
Bir ürünün satışını teşvik etmek için, ürünü ilgili ürünlerle ilgilenen müşterilere önerebilirsiniz. Amaç, müşterilere ürün önermeye yönelik stratejiler geliştirmek için satış verilerini ve müşteri satın alma desen verilerini kullanmaktır.
Azure Synapse Analytics'i kullanarak müşterilere önerebileceğiniz ürünleri belirlemek için yapay zeka ve makine öğrenmesi modelleri geliştirebilirsiniz.
Aşağıdaki diyagramlarda, alternatif ürün önerilerini belirlemek üzere bir model oluşturmak için çeşitli veri türlerinin kullanımı gösterilmektedir. Veriler müşteri satın alma desenlerini, karları, ürün benzimlerini, ürünlerin satış hacmini ve ürün kataloğu parametrelerini içerir.
Modeliniz yüksek doğruluk elde ederse müşteriye önerebileceğiniz ürünlerin listesini sağlar.
Dikkat edilmesi gereken noktalar
Bu önemli noktalar, bir iş yükünün kalitesini artırmak için kullanılabilecek bir dizi yol gösteren ilke olan Azure İyi Tasarlanmış Çerçeve'nin yapı taşlarını uygular. Daha fazla bilgi için bkz . Microsoft Azure İyi Tasarlanmış Çerçeve.
Güvenlik
Güvenlik, kasıtlı saldırılara ve değerli verilerinizin ve sistemlerinizin kötüye kullanılmasına karşı güvence sağlar. Daha fazla bilgi için bkz . Güvenlik sütununa genel bakış.
Çözümdeki Azure bileşenlerinin güvenlik gereksinimleri ve denetimleri hakkında ayrıntılı bilgi için her ürünün belgelerinin güvenlik bölümüne bakın.
Maliyet iyileştirme
Maliyet iyileştirmesi, gereksiz giderleri azaltmanın ve operasyonel verimlilikleri iyileştirmenin yollarını aramaktır. Daha fazla bilgi için bkz . Maliyet iyileştirme sütununa genel bakış.
- Azure ürünlerinin ve yapılandırmalarının maliyetini tahmin etmek için Azure fiyatlandırma hesaplayıcısını kullanın.
- Azure, ihtiyaçlarınız için doğru kaynak sayısını belirleyerek, zaman içindeki harcamaları analiz ederek ve fazla harcama yapmadan iş gereksinimlerini karşılayacak şekilde ölçeklendirerek gereksiz maliyetlerden kaçınmanıza yardımcı olur. Örneğin, herhangi bir yük beklemediğinizde ayrılmış SQL havuzlarını duraklatabilirsiniz. Bunları daha sonra devam ettirebilirsiniz.
- App Service'i Azure İşlevleri ile değiştirebilirsiniz. Azure Synapse Analytics işlem hattındaki işlevleri düzenleyerek maliyetleri düşürebilirsiniz.
- Spark kümesi maliyetini azaltmak için doğru veri akışı işlem türünü seçin. Genel ve bellek için iyileştirilmiş seçenekler mevcuttur. Ayrıca uygun çekirdek sayısını ve yaşam süresi (TTL) değerlerini seçin.
- Temel çözüm bileşenlerinin maliyetlerini yönetme hakkında daha fazla bilgi edinmek için şu kaynaklara bakın:
Performans verimliliği
Performans verimliliği, iş yükünüzün kullanıcılar tarafından verimli bir şekilde talep edilen talepleri karşılayacak şekilde ölçeklendirilebilmesidir. Daha fazla bilgi için bkz . Performans verimliliği sütununa genel bakış.
Yüksek hacimli değişiklikler olduğunda, koleksiyondaki her değişiklik için Azure Synapse Analytics'te binlerce işlem hattının çalıştırılması kuyruğa alınmış işlem hatlarının bir kapsamına neden olabilir. Bu senaryoda performansı geliştirmek için aşağıdaki yaklaşımları göz önünde bulundurun:
- Data Lake Depolama değişiklikleriyle birlikte JSON belgelerini yazan depolama tabanlı App Service kodunu kullanın. Depolama tabanlı tetikleyiciyi işlem hattına bağlamayın. Bunun yerine, her iki veya beş dakikada bir gibi kısa bir aralıkta zamanlanmış bir tetikleyici kullanın. Zamanlanan tetikleyici çalıştırıldığında, belirtilen Data Lake Depolama dizinindeki tüm dosyaları alır ve her biri için ayrılmış SQL havuzunu güncelleştirir.
- Event Grid App Service kodunu değiştirin. Dosya adını içeren meta verileri içeren yeni konuyu olaya eklemeden önce blob depolamaya yaklaşık 100 değişiklik içeren bir mikro toplu iş eklemek için programlayın. Bu değişiklikle, 100 değişiklikle bir blob için yalnızca bir işlem hattı tetiklersiniz. Mikro toplu iş boyutunu senaryonuza uyacak şekilde ayarlayabilirsiniz. Gerçek zamanlıya yakın güncelleştirmeler sağlamak için küçük mikro toplu işlemleri yüksek sıklıkta kullanın. Öte yandan gecikmeli güncelleştirmeler ve azaltılmış ek yük için daha düşük sıklıkta daha büyük mikro toplu işlemler de kullanabilirsiniz.
Azure Synapse Analytics işlem hattı kopyalama etkinliğinin performansını ve ölçeklenebilirliğini artırma hakkında daha fazla bilgi için bkz. performans ve ölçeklenebilirlik kılavuzu Kopyalama etkinliği.
Bu senaryoyu dağıtın
Bu çözümü uygulama hakkında daha fazla bilgi için bkz . Synapse ile MongoDB Atlas Tümleştirmesi için Gerçek Zamanlı Eşitleme Çözümü.
Katkıda Bulunanlar
Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.
Asıl yazarlar:
- Diana Annie Jenosh | Kıdemli Çözüm Mimarı
- Babu Srinivasan | Kıdemli Çözüm Mimarı
- Utsav Talwar | Çözüm Mimarı İş Ortağı
Diğer katkıda bulunanlar:
- Krishnakumar Rukmangathan | Üst Düzey Program Yöneticisi
- Sunil Sabat | Asıl Program Yöneticisi
- Wee Hyong T. | Baş Müdür
- Paresh Saraf | Teknik Müdür
Genel olmayan LinkedIn profillerini görmek için LinkedIn'de oturum açın.
Sonraki adımlar
Çözüm hakkında daha fazla bilgi için ile iletişime geçin partners@mongodb.com.
MongoDB hakkında bilgi için şu kaynaklara bakın:
Azure çözüm bileşenleri hakkında bilgi için şu kaynaklara bakın:
- Azure Synapse Analytics nedir?
- Azure Synapse Analytics kullanım örnekleri
- Azure Synapse Analytics sektöre özgü kullanım örnekleri
- Azure Synapse Analytics bağlayıcıları
- App Service’e genel bakış
- Power BI nedir?
- Azure Data Lake Storage 2. Nesil'e giriş
- Azure Event Grid nedir?