編輯

使用適用於 PostgreSQL 的 Azure 資料庫之智慧型應用程式

App Service
認知服務
適用於 PostgreSQL 的資料庫
Machine Learning
Power BI

解決方案構想

本文是解決方案概念。 如果您想要以詳細資訊擴充內容，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資料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Azure Functions、Azure 認知服務和適用於 PostgreSQL 的 Azure 資料庫。

架構

架構圖下載此架構的 PNG 檔案 。

資料流程

  1. 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。
  2. 資料來自多個來源，包括 Azure 儲存體和大量資料的Azure 事件中樞。 當管線收到新資料時，它會觸發Azure Functions應用程式。
  3. Azure Functions應用程式會呼叫認知服務 API 來分析資料。
  4. 認知服務 API 會將 JSON 格式的分析結果傳回至 Azure Functions 應用程式。
  5. Azure Functions應用程式會將認知服務 API 的資料和結果儲存在適用於 PostgreSQL 的 Azure 資料庫中。
  6. Azure Machine Learning 會使用自訂機器學習演算法，進一步深入瞭解資料。
    • 如果您使用無程式碼的觀點來接近機器學習步驟，您可以在資料上實作進一步的文字分析作業，例如特徵雜湊、Word2Vector 和 n-gram 擷取。
    • 如果您偏好程式碼優先的方法，可以在 Machine Learning Studio 中以實驗方式執行開放原始碼自然語言處理 (NLP) 模型。
  7. 適用于 Power BI 的 PostgreSQL 連接器可讓您探索 Power BI 或自訂 Web 應用程式中的人類解譯見解。

單元

  • Azure App 服務提供完全受控的平臺，可快速建置、部署及調整 Web 應用程式和 API。
  • 函式是事件驅動的無伺服器計算平台。 如需如何使用活動在 Data Factory 管線中執行函式的相關資訊，請參閱Azure Data Factory 中的 Azure 函式活動。
  • 事件中樞 是完全受控的巨量資料串流平臺。
  • 認知服務 提供一套 AI 服務和 API，可讓您用來將認知智慧建置到應用程式中。
  • 適用於 PostgreSQL 的 Azure 資料庫是完全受控的關聯式資料庫服務。 它提供 PostgreSQL 的 高可用性、彈性調整、修補和其他管理功能。
  • Azure Machine Learning 是一項雲端服務，可用來定型、部署和自動化機器學習模型。 Studio 支援程式碼優先和無程式碼方法。
  • Power BI 是一組軟體服務和應用程式，可顯示分析資訊，並協助您從資料衍生見解。

實例詳細資料

自動化管線會使用下列服務來分析資料：

  • 認知服務會使用 AI 來回答問題、情感分析和文字翻譯。
  • Azure Machine Learning 提供用於預測性分析的機器學習工具。

為了儲存資料和結果，解決方案會使用適用於 PostgreSQL 的 Azure 資料庫。 PostgreSQL 資料庫支援非結構化資料、平行查詢和宣告式資料分割。 這項支援可讓適用於 PostgreSQL 的 Azure 資料庫高度資料密集 AI 和機器學習工作的有效選擇。

解決方案會將資料分析的傳遞自動化。 連接器適用於 MySQL 的 Azure 資料庫與 Power BI 等視覺效果工具連結。

架構會使用Azure Functions應用程式內嵌來自多個資料來源的資料。 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，可讓開發人員專注于提供價值給企業的創新工作。
  • 延展性：Azure Functions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，資源與應用程式實例會自動卸載。

潛在使用案例

適用於 PostgreSQL 的 Azure 資料庫是雲端式解決方案。 因此，不建議針對行動應用程式使用此解決方案。 它更適合下列產業和其他產業中的下游分析：

  • 運輸：維護預測
  • 財務：風險評估和詐騙偵測
  • 電子商務：客戶變換預測和建議引擎
  • 電信：效能優化
  • 公用程式：中斷防護

考量

這些考慮會實作 Azure Well-Architected Framework 的要素，這是一組可用來改善工作負載品質的指引原則。 如需詳細資訊，請參閱 Microsoft Azure Well-Architected Framework。

  • 對於大部分功能，語言 API 的認知服務對於單一檔的大小上限為 5120 個字元。 對於所有功能，要求大小上限為 1 MB。 如需資料與速率限制的詳細資訊，請參閱 適用于語言的 Azure 認知服務的服務限制。

  • 在適用於 PostgreSQL 的 Azure 資料庫中，您的輸入量和速度會決定您選取的服務與部署模式。 有兩個服務可供使用：

    • 適用於 PostgreSQL 的 Azure 資料庫
    • 適用于 PostgreSQL 的 Azure Cosmos DB，其先前稱為超大規模 (Citus) 模式

    如果您採礦大量客戶意見和評論的工作負載，請使用適用于 PostgreSQL 的 Azure Cosmos DB。 在適用於 PostgreSQL 的 Azure 資料庫內，有兩種模式可供使用：單一伺服器和彈性伺服器。 若要瞭解使用每個部署模式的時機，請參閱什麼是適用於 PostgreSQL 的 Azure 資料庫？。

  • 此解決方案的舊版使用認知服務文字分析 API。 適用于語言的 Azure 認知服務現在會整合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 移轉至語言 API 的認知服務。 如需指示，請參閱 移轉至最新版的 Azure 認知服務 for Language。

安全性

安全性可提供保證，以避免刻意攻擊和濫用您寶貴的資料和系統。 如需詳細資訊，請參閱安全性要素的概觀。

適用於 PostgreSQL 的 Azure 資料庫中的所有資料都會自動加密和備份。 您可以為雲端設定Microsoft Defender，以進一步降低威脅。 如需詳細資訊，請參閱啟用開放原始碼關係資料庫Microsoft Defender並回應警示。

DevOps

您可以使用連接字串和設定工作流程，設定GitHub Actions連線到適用於 PostgreSQL 的 Azure 資料庫資料庫。 如需詳細資訊，請參閱快速入門：使用 GitHub Actions 連線到 Azure PostgreSQL。

您也可以使用 Azure Pipelines將機器學習生命週期自動化。 如需如何實作 MLOps 工作流程並為您的專案建置 CI/CD 管線的詳細資訊，請參閱 GitHub 存放庫 MLOps 與 Azure ML。

成本最佳化

成本最佳化是關於考慮如何減少不必要的費用，並提升營運效率。 如需詳細資訊，請參閱成本最佳化要素的概觀。

適用于語言的認知服務提供各種定價層。 您處理的文字記錄數目會影響成本。 如需詳細資訊，請參閱 語言定價的認知服務。

下一步