解決方案構想
本文說明解決方案概念。 您的雲端架構設計人員可以使用本指南，協助可視化此架構的一般實作的主要元件。 使用本文作為起點，設計符合您工作負載特定需求的架構良好解決方案。
此解決方案概念示範如何在 Azure 數據總管中使用互動式分析。 它描述如何使用即興、互動式、快速的查詢來檢查結構化、半結構化和非結構化數據。
Jupyter 是其各自公司的商標。 使用此標記時不會隱含任何背書。 Apache 和 Apache® Kafka® 是 美國 和/或其他國家/地區的 Apache Software Foundation 註冊商標或商標。 使用這些標記不會隱含 Apache Software Foundation 的背書。
架構
資料流程
- 原始結構化、半結構化和非結構化（自由文字）數據，例如，任何類型的記錄、商務事件和用戶活動都可以從各種來源擷取至 Azure 數據總管。 使用各種方法擷取串流或批次模式中的數據。
- 使用 Azure Data Factory、Azure 事件中樞、Azure IoT 中樞、Kafka 等連接器，以低延遲和高輸送量將數據內嵌至 Azure 數據總管。 而是透過 Azure 儲存體 （Blob 或 ADLS Gen2） 擷取數據，它會使用 Azure 事件方格，並將擷取管線觸發至 Azure 數據總管。 您也可以以壓縮、分割的 parquet 格式持續將數據匯出至 Azure 儲存體，並順暢地查詢該數據，如連續數據匯出概觀中所述。
- 使用您所選擇的原生 Azure 資料總管工具或替代工具，透過小型至極大量的數據執行互動式查詢。 Azure 數據總管提供許多外掛程式，並與其餘的數據平臺生態系統整合。 使用下列任何工具與整合：
- 如需互動式分析，請使用 Azure 數據總管 Web UI、適用於 Azure 數據總管的 Web 用戶端，或 適用於 Azure 數據總管的 Kusto.Explorer、豐富的 Windows 用戶端。
- 若要連線到 Azure 數據總管叢集，請使用 Jupyter Notebook、 Spark 連接器、任何 符合 TDS 規範的 SQL 用戶端，以及 JDBC 和 ODBC 連線。
- 若要建置新的應用程式或與現有的應用程式或架構整合，請使用不同語言提供的 Azure 資料總管 REST API 和 SDK。
- 使用 Azure 數據總管儀錶板、Power BI 或 Grafana 來建置近乎即時的分析儀錶板。
- 使用 Azure 數據總管外掛程式結合 SQL 資料庫和 Azure Cosmos DB 的數據，以擴充執行同盟查詢的數據。
元件
- Azure 事件中樞：完全受控、實時的數據擷取服務，簡單、受信任且可調整。
- Azure IoT 中樞：受控服務，以啟用IoT裝置與 Azure 之間的雙向通訊。
- HDInsight 上的 Kafka：使用 Apache Kafka 進行開放原始碼分析的簡單、符合成本效益的企業級服務。
- Azure Data Factory：可大規模簡化 ETL 的混合式數據整合服務。
- Azure 資料總管：快速、完全受控且高度可調整的數據分析服務，以即時分析來自應用程式、網站、IoT 裝置等大量數據串流。
- Azure 數據總管儀錶板：原生匯出 Web UI 中探索到優化儀錶板的 Kusto 查詢。
- Azure Cosmos DB：完全受控的快速 NoSQL 資料庫服務，適用於新式應用程式開發，並針對任何規模開放 API。
- Azure SQL DB：使用雲端中的受控和智慧型 SQL，建置以企業步調調整的應用程式。
案例詳細資料
此解決方案概念示範如何搭配 Azure 資料總管使用互動式分析，透過小型到極大量的數據，使用即興、互動式和快速的查詢來探索數據。 您可以使用原生 Azure 資料總管工具或您選擇的替代工具來完成這項數據探索。 此解決方案著重於整合 Azure 數據總管與其餘數據平臺生態系統。
潛在使用案例
Microsoft客戶會使用此解決方案來追蹤用戶活動、管理使用者配置檔和使用者分割案例。
參與者
本文由 Microsoft 維護。 原始投稿人如下。
主體作者：
- Ornat Spodek |資深內容管理員
下一步
如需詳細資訊，請參閱 Azure 數據總管檔。