Analyse af big data og kunstig intelligens med en optimeret udgave af Apache Spark
Få indsigter fra alle dine data, og skab kunstig intelligens-løsninger med Azure Databricks, konfigurer dit Apache Spark™-miljø på få minutter, autoskaler, og samarbejd om delte projekter i et interaktivt arbejdsområde. Azure Databricks understøtter Python, Scala, R, Java og SQL samt strukturer til datavidenskab og biblioteker, herunder TensorFlow, PyTorch og scikit-learn.
Apache Spark™ er et varemærke tilhørende Apache Software Foundation.
Pålidelig dataengineering
Databehandling i stor skala til batch- og streamingarbejdsbelastninger.
Analyser til alle dine data
Aktivér analyse for de mest komplette og seneste data.
Samarbejdende datavidenskab
Hurtigere og simplere datavidenskab for store datasæt.
Rootet i åben kildekode
Et hurtigt og optimeret Apache Spark-miljø.
Start hurtigt med et optimeret Apache Spark-miljø
Azure Databricks omfatter den nyeste version af Apache Spark og gør det muligt for dig problemfrit at integrere med biblioteker, der er baseret på åben kildekode. Kør klynger, og byg hurtigt i et fuldt administreret Apache Spark-miljø med den globale skalering og tilgængelighed i Azure. Klynger konfigureres og finjusteres for at sikre pålidelighed og ydeevne uden behov for overvågning. Drag fordel af automatisk skalering og automatisk afslutning for at forbedre de samlede ejeromkostninger.
Forøg produktiviteten med et delt arbejdsområde og fælles computersprog
Frem det effektive samarbejde på en åben og samlet platform, så du kan køre alle former for analyseprocesser, uanset om du er dataspecialist, dataudvikler eller driftsøkonom. Byg på et computersprog efter eget valg, herunder Python, Scala, R og SQL. Få nem versionsstyring af notesbøger med GitHub og Azure DevOps.
Boost maskinel indlæring baseret på big data
Få adgang til avancerede automatiserede funktioner til maskinel indlæring ved hjælp af det integrerede Azure Machine Learning, så du hurtigt kan finde passende algoritmer og hyperparametre. Simplificer administration, overvågning og opdatering af modeller til maskinel indlæring, der udrulles fra cloudmiljøet til grænseenhederne. Azure Machine Learning omfatter også en central registreringsdatabase til dine eksperimenter, pipelines til maskinel indlæring og modeller.
Få moderne datalagring med høj ydeevne
Kombiner data i en hvilken som helst målestok, og få indsigter via analysedashboards og driftsrapporter. Automatiser dataflytning ved hjælp af Azure Data Factory, indlæs derefter data i Azure Data Lake Storage, transformér og rens dem ved hjælp af Azure Databricks, og gør dem tilgængelige til analyse ved hjælp af Azure Synapse Analytics. Moderniser dit datalager i cloudmiljøet for at opnå suveræne niveauer og ydeevne og skalerbarhed.
Vigtige tjenesteegenskaber
-
Optimeret Spark-program
Enkel databehandling på infrastruktur med automatisk skalering, der drives af et yderst optimeret Apache Spark™ med ydeevnegevinster, der er op til 50 gange så store.
-
Kørselstid af maskinel indlæring
Adgang til forudkonfigurerede miljøer til maskinel indlæring med et enkelt klik, så du kan få forstærket maskinel indlæring med avancerede og populære strukturer, f.eks. PyTorch, TensorFlow og scikit-learn.
-
MLflow
Spor og del eksperimenter, reproducer kørsler, og administrer modeller sammen fra et centralt lager.
-
Valgfrit computersprog
Anvend dit foretrukne computersprog, herunder Python, Scala, R, Spark SQL og .Net, uanset om du bruger serveruafhængige eller klargjorte beregningsressourcer.
-
Notesbøger til samarbejde
Få hurtigt adgang til og udforsk data, find og del nye indsigter, og byg modeller sammen ved hjælp af computersprog og værktøjer efter eget valg.
-
Delta Lake
Føj datapålidelighed og skalerbarhed til din eksisterende datasø med et transaktionslager i åben kildekode, der er designet til hele datalivscyklussen.
-
Oprindelige integrationer med Azure-tjenester
Gennemfør din komplette løsning til analyse og maskinel indlæring ved hjælp af omfattende integration i Azure-tjenester, f.eks. Azure Data Factory, Azure Data Lake Storage, Azure Machine Learning og Power BI.
-
Interaktive arbejdsområder
Aktivér gnidningsfrit samarbejde mellem dataeksperter, dataudviklere og driftsøkonom.
-
Sikkerhed på virksomhedsniveau
Gnidningsfri lokal sikkerhed beskytter dine data, hvor de befinder sig, og skaber private og isolerede analysearbejdsområder, der overholder angivne standarder, på tværs af tusindvis af brugere og datasæt.
-
Klar til produktion
Kør og skaler dine mest missionskritiske dataarbejdsbelastninger med ro i sindet på en dataplatform, du har tillid til, med økosystemintegrationer til CI/CD og overvågning.
Få mere at vide via eksempler på løsningsarkitektur
Datavidenskab og maskinel indlæring med Azure Databricks
Få nemt indsigter via live streamingdata. Optag løbende data fra en hvilken som helst IoT-enhed eller fra logge fra klikstrømme på websteder, og foretag behandling af dem i noget nær realtid.
Moderne analysearkitektur med Azure Databricks
Transformér dine data til indsigter, der kan handles på, ved hjælp af brancheførende værktøjer til maskinel indlæring. Denne arkitektur giver dig mulighed for at kombinere alle data i en hvilken som helst målestok og for at oprette og udrulle brugerdefinerede modeller til maskinel indlæring i stor skala.
Dataindtagelse, ETL og pipelines til streambehandling med Azure Databricks
Sæt skub i og administrer din komplette livscyklus for maskinel indlæring med Azure Databricks, MLflow og Azure Machine Learning, så du kan udvikle, dele, udrulle og administrere programmer til maskinel indlæring.
Omfattende indbygget sikkerhed og overholdelse af angivne standarder
-
Microsoft investerer mere end 1 milliard USD årligt på forskning i og udvikling af cybersikkerhed.
-
Vi har mere end 3.500 sikkerhedseksperter, som er dedikerede til datasikkerhed og beskyttelse af personlige oplysninger.
-
Azure har flere certificeringer end nogen anden cloududbyder. Se den omfattende liste.
Få mere at vide om Azure Databricks-produkter og -tjenester
Azure Data Factory
Hybrid dataintegrationstjeneste, der forenkler ETL i stor skala.
Azure Data Lake Storage Gen 2
Sikker datasøfunktionalitet, der er nem at skalere i stor stil og baseret på Azure Blob Storage.
Azure Machine Learning
Tjeneste til maskinel indlæring i virksomhedsklassen til hurtig udvikling og udrulning af modeller.
Power BI
Føj analysefunktioner og interaktiv rapportering til dine programmer.
-
Prisfastsættelse for Azure Databricks
Kør klynger hurtigt, og autoskaler op eller ned ud fra dine brugsbehov. Udforsk alle muligheder for Azure Databricks-prisfastsættelse.
Kom i gang med en gratis Azure-konto
1
2
Når din kredit er udløbet, flytter du til betal efter forbrug, så du stadig kan bruge de samme gratis tjenester. Du betaler kun, hvis du bruger mere end din månedlige gratis mængde.
3
Community og Azure-support
Stil spørgsmål, og få support fra Microsoft-teknikere og Azure-communityeksperter på MSDN Forum og Stack Overflow, eller kontakt Azure-support.
Populære laboratorier og skabeloner
Opdag laboratorier, der kan bruges i eget tempo, og populære skabeloner til hurtig start til almindelige konfigurationer , som er oprettet af Microsoft og community'et.
Udforsk Azure Databricks-ressourcer
Ofte stillede spørgsmål om Azure Databricks
-
Serviceniveauaftalen for Azure Databricks garanterer 99,95 % tilgængelighed.
-
En Databricks-enhed eller DBU er en enhed til beregning af behandlingskapacitet i timen, som faktureres for forbrug i sekundet.
-
Dataengineering-arbejdsbelastningen defineres som et job, der automatisk starter og afslutter den klynge, den kører på. En arbejdsbelastning kan f.eks. udløses af funktionen til planlægning af Azure Databricks-job, som starter en Apache Spark-klynge udelukkende for at udføre opgaven og automatisk afslutter klyngen, når opgaven er udført.
Dataanalyse-arbejdsbelastningen er ikke automatiseret. Kommandoer i Azure Databricks-notesbøger kører f.eks. på Apache Spark-klynger, indtil de afsluttes manuelt. Flere brugere kan dele en klynge for at arbejde sammen om at analysere den.