你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
组织数据操作团队成员
云规模分析体系结构是根据一组核心原则设计的。
核心原则
自助支持：使项目团队能够独立工作，以实现敏捷开发方法。
治理：在整个 Azure 平台上实施防护措施，确保项目团队只能在其权限范围内查看、更改和执行函数。
简化部署：确保组织内可以使用通用策略，以帮助团队快速缩放并为在某些核心设计和项目方面缺乏经验的团队提供帮助。
角色和团队
在云规模分析中，我们规定必须从水平孤岛状态的团队转变为敏捷垂直跨域工作的团队。 数据操作团队专注于在控制平面推动治理，而数据应用程序团队专注于创建数据即产品。 这可能意味着组织更改与应用程序开发更一致的模式。 例如，每个应用程序都有一个产品所有者，该所有者会制定要求，并与跨域团队合作交付产品。 在这种情况下，产品是供使用的数据。
有关详细信息，请参阅了解 Azure 中云规模分析的角色和团队
部署和操作
部署流程和数据操作 (DataOps) 模型是支持其中部分核心原则的关键。 建议组织遵循以下准则以与这些原则保持一致：
- 使用基础结构即代码。
- 部署涵盖公司核心用例的模板。
- 遵循包含 GitHub 分叉和分支策略的部署流程。
- 维护中央存储库并部署数据管理登陆区域。
具有可识别个人技能的参与者应建立平台组来集中管理数据平台基础结构，并为数据管理登陆区域以及各种数据登陆区域生成和部署通用数据基础结构部分。 平台组还可以生成、拥有和提供与特定项无关的技术，帮助数据应用程序团队捕获、处理、存储和维护其数据应用程序。
团队应以自助形式提供服务，其中可以包括用于存储大数据、对产品数据进行版本控制、组织/实现数据管道、去识别数据等的工具。 这些类型的工具对于最大程度地消除工作流程中的瓶颈并缩短新建数据产品的提前期至关重要。
平台组应遵循本部分概述的最佳做法来实现目标。 其他数据产品团队应使用后续文章中的最佳做法来测试和自动化数据。
有关详细信息，请参阅用于 Azure 中云规模分析的 DevOps 自动化