HOME
Služby
Azure Databricks

Azure Databricks

Rychlá a snadná analytická služba založená na Apache Spark a podporující spolupráci

Vyzkoušet

14denní zkušební verze – zahrnuje bezplatné jednotky Databricks

Oznámení

Azure Databricks – VNet injection, DevOps Version Control and Delta availability

Přehled

Azure Databricks, rychlá a snadná analytická služba založená na Apache Spark, která podporuje spolupráci, umožňuje zrychlit řešení umělé inteligence (AI) a analýzy velkých objemů dat.

Využijte možnost nastavit vaše sparkové prostředí během několika minut a rychle a snadno automaticky škálovat. Odborníci přes data, datoví architekti a obchodní analytici mohou spolupracovat na sdílených projektech v interaktivním pracovním prostoru. Díky podpoře jazyků Python, Scala, R a SQL a také architektur hlubokého učení, jako je TensorFlow, Pytorch a Scikit-learn, můžete využít vaše stávající znalosti. Nativní integrace s Azure Active Directory (Azure AD) a dalšími službami Azure vám umožní sestavovat moderní datové sklady a řešení strojového učení a analýz v reálném čase.

Proč Azure Databricks?

Produktivita

Spuštění nového prostředí Apache Sparku je otázkou několika minut. Využijte možnost bezproblémové integrace s ostatními službami Azure v interaktivním pracovním prostoru.

Škálovatelnost

Globálně škálujte své analytické projekty a projekty strojového učení. Spravovaná platforma, která se automaticky škáluje v obou směrech, snižuje náklady i složitost.

Důvěryhodnost

Integrace s Azure AD, řízení na základě role a smlouvy SLA na podnikové úrovni pomáhají chránit vaše data i vaši firmu.

Flexibilní

K sestavování řešení umělé inteligence a strojového učení můžete využít architektury hlubokého učení a jazyky podle vaší volby.

Co je součástí Azure Databricks?

Optimalizované prostředí Apache Sparku

Využijte možnosti aktivovat clustery a rychle sestavovat ve spravovaném prostředí Apache Sparku. Clustery jsou nastavené, nakonfigurované a vyladěné tak, aby zajišťovaly vysokou spolehlivost a výkon.

Automatické škálování a automatické ukončení

Automatické škálování podle vašich potřeb pomáhá omezit prostředky a náklady spojené s ručním škálováním clusterů. Automatickým ukončením neaktivních clusterů ušetříte prostředky.

Pracovní prostory pro spolupráci

Interaktivní pracovní prostor umožňuje datovým architektům, odborníkům na data a obchodním uživatelům, aby spolupracovali na sdílených projektech a komentovali je jako tým.

Optimalizace pro hluboké učení

Clustery s podporou GPU umožňují snadno sestavovat, trénovat a nasazovat modely AI ve velkém měřítku. Využijte modul runtime pro strojové učení, který se dodává předinstalovaný a předkonfigurovaný s knihovnami a architekturami hlubokého učení, jako jsou TensorFlow, Keras a XGBoost.

Integrace se službami Azure

Bezproblémově můžete provést integraci s celou řadou úložišť dat a služeb, jako jsou Azure SQL Data Warehouse, Azure Cosmos DB, Azure Data Lake Storage, Azure Event Hubs a Azure Data Factory. Povolením jednotného přihlašování s využitím Azure AD umožníte řízení na základě rolí.

Podpora více jazyků a knihoven

Azure Databricks podporuje jazyky, jako je Python, Scala, R a SQL, takže můžete začít sestavovat s využitím vašich stávajících znalostí. Ucelená sada analytických technologií, včetně SQL, streamování, MLlib a GraphX, vám umožní cílit na data nebo projekt jakékoli velikosti.

Analýzy a strojové učení s využitím Azure Databricks

Krok 1 z 6

Spuštění pracovního prostoru

Přejděte ke službě Azure Databricks na webu Azure Portal. Potom se přihlaste pomocí jednotného přihlašování s využitím Azure AD.

Krok 2 z 6

Aktivace clusterů

Vytvořte nový cluster, nakonfigurujte ho podle svých představ a potom ho jediným kliknutím aktivujte. Díky funkci automatického škálování je škálování clusterů rychlé a snadné. Pomáhá také omezit prostředky a náklady spojené s ručním škálováním.

Krok 3 z 6

Spolupráce s využitím poznámkových bloků

Vytvořte vlastní nastavení oprávnění pro datové architekty, odborníky na data a obchodní uživatele tak, aby všichni přispěvatelé mohli živě spolupracovat a komentovat sdílené projekty na základě individuálních úrovní přístupu.

Krok 4 z 6

Prozkoumání dat

Poznámkové bloky podporují většinu datových jazyků, jako je SQL, Python, Scala a R. Datoví architekti a odborníci na data mohou snadno připojit úložiště a zjištěné informace využít k sestavení modelů strojového učení. Obchodní uživatelé si mohou data prohlížet na snadno čitelných živých datových displejích.

Krok 5 z 6

Sestavování modelů datových věd

Sestavujte, trénujte a nasazujte modely AI ve velkém měřítku s využitím jazyka podle vašeho výběru.

Krok 6 z 6

Plánování úloh

Využijte možnost spouštět poznámkové bloky jako úlohy během několika minut. Vybírejte ze stávajících knihoven strojového učení nebo streamování. Naplánujte si úlohy předem, nechte je spouštět automaticky a monitorujte jejich výkon.

Co všechno se dá dělat s Azure Databricks

Moderní datový sklad

Moderní datové sklady umožňují snadno spojit všechna vaše data v libovolném měřítku a prostřednictvím analytických řídicích panelů, provozních sestav nebo rozšířených analýz získat přehledné informace pro všechny vaše uživatele.

Pokročilé analýzy velkých objemů dat

Transformujte vaše data na užitečné přehledy s využitím nejlepších nástrojů strojového učení ve své třídě. Tato architektura umožňuje kombinovat libovolná data v libovolném měřítku a vytvářet a nasazovat vlastní modely strojového učení.

Analýzy v reálném čase

Snadno získáte přehledy ze streamovaných dat. Můžete průběžně zachycovat data z libovolného zdroje streamování nebo protokoly z navštívených webových stránek a zpracovávat je téměř v reálném čase.