解決方案構想
本文是解決方案概念。 如果您想要使用詳細資訊來擴充內容，例如潛在的使用案例、替代服務、實作考慮或定價指引，請提供 GitHub 意見反應讓我們知道。
本文提供使用人工智慧將數據分析和視覺效果自動化的解決方案（AI）。 解決方案中的核心元件包括 Azure Functions、Azure 認知服務和 適用於 MySQL 的 Azure 資料庫。
架構
資料流程
- Azure 函式活動可讓您在 Azure Data Factory 管線中觸發 Azure Functions 應用程式。 您可以建立連結服務連線，並使用連結服務搭配活動來指定您想要執行的 Azure 函式。
- 數據來自各種來源，例如大量數據的 Azure 儲存體 或 Azure 事件中樞。 當管線收到新數據時，它會觸發 Azure Functions 應用程式。
- Azure Functions 應用程式會呼叫認知服務 API 來分析數據。
- 認知服務 API 會將 JSON 格式分析的結果傳回至 Azure Functions 應用程式。
- Azure Functions 應用程式會將認知服務 API 的數據和結果儲存在 適用於 MySQL 的 Azure 資料庫。
- Azure 機器學習 使用自定義機器學習演算法來進一步深入了解數據。
- 適用於Power BI的 MySQL 資料庫連接器提供 Power BI 或自訂 Web 應用程式中資料視覺效果和分析的選項。
元件
替代項目
- 此解決方案會使用 Azure Functions 在收到數據時處理數據。 如果數據源中已經有大量數據，請考慮批處理形式。
- Azure 串流分析 會針對大量同時從多個來源抵達的快速串流數據提供事件處理。 串流分析也支援與 Power BI 整合。
- 若要將此解決方案與替代方案進行比較，請參閱下列資源：
案例詳細資料
自動化管線會使用下列服務來分析數據：
- 認知服務會使用 AI 來回答問題、情感分析和文字翻譯。
- Azure 機器學習 提供機器學習工具以進行預測性分析。
解決方案會將數據分析的傳遞自動化。 連接器會連結 適用於 MySQL 的 Azure 資料庫 Power BI 等視覺效果工具。
此架構會使用 Azure Functions 應用程式從多個數據源內嵌數據。 它是無伺服器解決方案，可提供下列優點：
- 基礎結構維護：Azure Functions 是一項受控服務，可讓開發人員專注於為企業提供價值的創新工作。
- 延展性：Azure Functions 會視需要提供計算資源，因此函式實例會視需要進行調整。 當要求下降時，資源和應用程式實例會自動卸除。
潛在的使用案例
此解決方案適用於針對各種來源的數據執行預測性分析的組織。 範例包括下列產業中的組織：
- Finance
- 教育程度
- 電信業
考量
針對大部分功能，適用於語言的認知服務 API 對於單一檔的大小上限為 5120 個字元。 針對所有功能，要求大小上限為 1 MB。 如需數據和速率限制的詳細資訊，請參閱 適用於語言的 Azure 認知服務服務限制。
此解決方案的舊版使用認知服務 文字分析 API。 適用於語言的 Azure 認知服務現在會統一認知服務中的三個個別語言服務：文字分析、QnA Maker 和 Language Understanding （LUIS）。 您可以輕鬆地從 文字分析 API 移轉至適用於語言的認知服務 API。 如需指示，請參閱 移轉至最新版的 Azure 認知服務語言。
參與者
本文由 Microsoft 維護。 它最初是由下列參與者所撰寫。
主體作者：
- Matt Cowen |資深雲端解決方案架構師
若要查看非公用LinkedIn配置檔，請登入LinkedIn。
下一步
- 函數
- Azure Data Factory 中的 Azure 函式活動
- Data Factory
- 事件中樞
- Blob 儲存體
- 認知服務
- 適用於語言的 Azure 認知服務
- 適用於 MySQL 的 Azure 資料庫
- Azure Machine Learning
- Power BI
相關資源
下列解決方案構想功能 適用於 MySQL 的 Azure 資料庫：