Azure çözüm mimarileri

Mimariler, Azure’da güvenli, kullanılabilirlik düzeyi yüksek, iyi performanslı ve esnek çözümler tasarlayıp uygulamanıza yardımcı olur.

Большие вычисления и пакетная служба AzureРабочие нагрузки больших и высокопроизводительных (HPC) вычислений обычно представляют собой ресурсоемкие вычисления, которые могут выполняться параллельно благодаря преимуществам облачной масштабируемости и гибкости. Часто такие рабочие нагрузки выполняются асинхронно с использованием пакетной обработки. Для работы требуются вычислительные ресурсы, а для ее определения — планирование заданий. В качестве примера рабочих нагрузок больших и высокопроизводительных вычислений можно привести моделирование финансовых рисков методом Монте-Карло, рендеринг изображений, перекодирование мультимедиа, техническое или научное моделирование.123456

Azure Batch ile Big Compute

Big Compute ve yüksek performanslı bilgi işlem (HPC) iş yükleri normalde işlem açısından yoğundur ve bulutun ölçek ile esneklik özelliklerinden yararlanarak paralel olarak çalıştırılabilir. Genelde iş yükleri, işi çalıştırmak için gereken işlem kaynakları ve işi belirtmek için gereken iş planlama ile toplu iş işleme kullanılarak zaman uyumsuz olarak çalıştırılır. Mali risk Monte Carlo simülasyonları, görüntü işleme, medya kodlama dönüştürme, dosya işleme, mühendislik simülasyonları ve bilimler simülasyonlar Big Compute ve HPC iş yükü örnekleri olarak sayılabilir.

Daha fazla bilgi
Build high availability into your BCDR strategyVirtual machines (VMs) are physically separated across zones, and a virtual network is created using load balancers at each site. These locations are close enough for high availability replication, so your applications stay running, despite any issues at the physical locations.1234567

BCDR stratejinize yüksek düzeyde kullanılabilirlik katın

Sanal makineler (VM) bölgeler arasında fiziksel olarak ayrılır ve her sitede yük dengeleyiciler kullanılarak bir sanal ağ oluşturulur. Bu konumlar, yüksek kullanılabilirlik çoğaltmasına olanak sağlayacak kadar yakındır. Böylece uygulamalarınız, fiziksel konumlarda sorun olsa da çalışır durumda kalır.

Daha fazla bilgi
使用 Azure HDInsight Spark 群集实现活动优化此解决方案展示了如何在 Azure HDInsight Spark 上使用 Microsoft R Server 构建和部署机器学习模型,进而提出行动建议,最大程度提高活动潜在目标客户的购买率。借助此解决方案,可利用 Microsoft R Server 高效处理 Spark 上的大数据。

Azure HDInsight Spark Kümeleri ile Kampanya Optimizasyonu

Bu çözümde, bir kampanya tarafından hedeflenen müşteri adaylarının satın alım oranını en yüksek seviyeye çıkarmak üzere eylemler önermek için Azure HDInsight Spark kümelerinde Microsoft R Server ile nasıl makine öğrenme modeli oluşturulup dağıtılacağı gösterilmiştir. Bu çözüm, Microsoft R Server ile Spark’ta büyük verilerin etkili bir biçimde işlenmesine olanak tanır.

Daha fazla bilgi
Clúster HPC implementado en la nubeLas aplicaciones HPC de informática de alto rendimiento se pueden escalar a miles de núcleos de proceso, ampliar la capacidad de macroproceso local o ejecutarse como una solución de nube totalmente nativa. Esta solución HPC que incluye el nodo principal, nodos de ejecución y nodos de almacenamiento, se ejecuta en Azure sin infraestructura de hardware que mantener.ORAvailability SetARM templateScript fileClusterHead NodeVirtual MachinesVM Scale SetRDMA NetworkA8, A9, and H SeriesVirtual MachinesStorageVirtual Network

Bulutta dağıtılan HPC kümesi

Binlerce işlem çekirdeğine ölçeklendirilebilen yüksek performanslı bilgi işlem (HPC) uygulamaları, şirket içi Big Compute özelliklerini genişletebilir veya bulutta, tamamen yerel bir çözüm olarak çalıştırabilir. Baş düğüm, işlem düğümleri ve depolama düğümlerini içeren bu HPC çözümü, bakımı yapılması gereken herhangi bir donanım altyapısı olmadan Azure’da çalışır.

Daha fazla bilgi
Ottimizzazione della fornitura di energiaIn una rete elettrica, i consumatori di energia usano vari tipi di componenti di fornitura, commercio e stoccaggio dell'energia, ad esempio sottostazioni, batterie, parchi eolici e pannelli solari, microturbine, nonché offerte per domanda e risposta per soddisfare le rispettive domande e ridurre i costi dell'impegno per l'energia. A questo scopo, l'operatore della rete deve determinare la quantità di energia da impegnare per ogni tipo di risorse per un intervallo di tempo, in base ai prezzi della richiesta di vari tipi di risorse e le capacità e le caratteristiche fisiche di tali risorse.

Enerji Tedariği İyileştirmesi

Bir enerji şebekesinde, enerji tüketicileri, taleplerinin karşılanması ve enerji taahhüdü maliyetlerinin en aza inmesi için şalt sahaları, bataryalar, rüzgar çiftlikleri, güneş panelleri, mikro türbinler ve talep yanıt teklifleri gibi çeşitli enerji sağlayan, takas eden ve depolayan bileşenlerle etkileşime girer. Bunu yapmak için, şebeke operatörü, farklı kaynak türlerini isteme ücretlerini ve bu kaynakların kapasitesi ve fiziksel özelliklerini göz önüne alarak, tüm kaynak türlerinin bir zaman dilimi içinde ne kadar enerji taahhüt etmesi gerektiğini belirlemelidir.

Daha fazla bilgi