Azure Databricks

Hurtig og nem Apache SparkTM-baseret analysetjeneste til samarbejde

Analyse af Big Data og AI med optimeret Apache Spark

Lås op for indsigter fra alle dine data, og skab AI-løsninger (Artificial Intelligence) med Azure Databricks, konfigurer dit Apache Spark™-miljø på få minutter, autoskaler og samarbejde 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

Forenkl og sæt skub i datavidenskab på store datasæt

Rodfæstet i åben kildekode

Hurtigt 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.

Læs Azure Databricks-dokumentation

Forøg produktiviteten med et delt arbejdsområde og fælles sprog

Samarbejd effektivt på en åben og samlet platform, så du kan køre alle former for analyseprocesser, uanset om du er dataspecialist, datatekniker eller forretningsanalytiker. Byg på et sprog efter eget valg, herunder Python, Scala, R og SQL. Få nem versionsstyring af notesbøger med GitHub og Azure DevOps.

Få mere at vide om, hvordan du opretter et Azure Databricks-arbejdsområde

Boost maskinel indlæring baseret på big data

Få adgang til avancerede automatiserede funktioner til maskinel indlæring ved hjælp af den integrerede Azure Machine Learning, så du hurtigt kan identificere passende algoritmer og hyperparametre. Gør 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.

Se et webinar om Azure Databricks og Azure Machine Learning

Få moderne datalagring med høj ydeevne

Kombiner data i en hvilken som helst målestok, og få indsigt 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 datawarehouse i cloudmiljøet for at opnå suveræne niveauer og ydeevne og skalerbarhed.

Få mere at vide om Cloud Scala Analytics på Azure

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.

Kørsel 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, reproducerer kørsler, og administrer modeller sammen via 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.

Samarbejdsnotesbøger

Få hurtigt adgang til og udforsk data, find og del ny indsigt, og byg modeller sammen ved hjælp af sprog 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 detaljeret integration i Azure-tjenester, f.eks. Azure Data Factory, Azure Data Lake Storage, Azure Machine Learning og Power BI.

Interaktive arbejdsområder

Aktivér problemfri samarbejde mellem dataeksperter, dataingeniører og forretningsanalytikere.

Professionel sikkerhed

Problemfri lokal sikkerhed beskytter dine data, hvor de befinder sig, og skaber kompatible, private og isolerede analysearbejdsområder på tværs af tusindvis af brugere og datasæt.

Produktionsklar

Kør og skaler trygt dine mest missionskritiske dataarbejdsbelastninger på en dataplatform, du har tillid til, med økosystemintegrationer til CI/CD og overvågning.

Få mere at vide via eksempler på løsningsarkitektur

Analyse af big data-arkitektur i realtid

Få nemt indsigt via live streamingdata. Indlæs løbende data fra en hvilken som helst IoT-enhed eller logge fra klikstrømme på websteder, og behandl dem i næsten realtid.

Avanceret analysearkitektur

Transformér dine data til indsigt, 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 efter behov.

Administration af livscyklus for maskinel indlæring

Sæt skub i og administrer din komplette livscyklus for maskinel indlæring med Azure Databricks, MLflow og Azure Machine Learning,, så du kan bygge, dele, udrulle og administrere programmer til maskinel indlæring.

Datasikkerhed og beskyttelse af personlige oplysninger er ikke til forhandling

  • Beskyt, overvåg og administrer dine data- og analyseløsninger med en lang række brancheførende funktioner til sikkerhed og overholdelse af angivne standarder.

  • Brug enkeltlogon og Azure Active Directory-integration til at give datateknikere mulighed for at bruge mere tid på at få indsigt.

  • Azure har flere certificeringer end nogen anden cloududbyder. Få vist en omfattende liste.

Få mere at vide om Azure Databricks-produkter og -tjenester

Azure Databricks-prisfastsættelse

Virksomheder på tværs af brancher har tillid til denne teknologi

Identificering af sikkerhedsrisici med cloudbaseret detaljeret læring

Shell bruger Azure, AI og maskinel vision for at give kunder og medarbejdere en bedre beskyttelse.

Shell

Sætter skub i ydeevnen og skaber større besparelser

Vedvarende datatjenester. Kunstig intelligens bruger Azure og Apache Spark til at hjælpe med at skabe et stabilt og rentabelt marked for solenergi.

Renewables AI

Aktivering af en komplet analyseløsning i Azure

Leverandøren af logistikløsninger LINX Cargo Care Group udbreder innovation i hele virksomheden med Azure Databricks.

LINX Cargo Care Group

Kom godt i gang med Azure Databricks

Opret en gratis Azure-konto, og få adgang med det samme.

Læs dokumentationen for at få at vide, hvordan du bruger Azure Databricks.

Udforsk hurtig start-vejledningen for at oprette en klynge, notesbog, tabel med mere.

Community og Azure-support

Stil spørgsmål, og få support fra Microsoft-teknikere og eksperter fra Azure-community'et på MSDN Forum og Stack Overflow, eller kontakt Azure-support.

Populære øvelser og skabeloner

Find øvelser, der kan tages i eget tempo, og populære hurtig start-skabeloner til almindelige konfigurationer, som er oprettet af Microsoft og community'et.

Få de seneste Azure Databricks-nyheder og -ressourcer

Databricks-opdateringer, -blogge og -meddelelser

Ofte stillede spørgsmål om Azure Databricks

  • Azure Databricks-SLA'en 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 jobbet og automatisk afslutter klyngen, når jobbet er fuldført.
    Dataanalyse-arbejdsbelastningen automatiseres ikke. Kommandoer i Azure Databricks-notesbøger kører f.eks. på Apache Spark-klynger, indtil de afsluttes manuelt. Flere brugere kan dele en klynge for arbejde sammen om at analysere den.

Den er klar, når du er – lad os konfigurere din gratis Azure-konto