Trace Id is missing
Gå til hovedindhold

Azure Databricks

Design kunstig intelligens med analyse baseret på Apache Spark™.

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.

Overfør og orkestrer med Azure Data Factory. Forberedelse, transformation og forbedring med Azure Databricks. Behandling med Azure Synapse Analytics. Gem med Azure Data Lake Storage. Visualiser med Power BI.

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.

En bruger, der opretter en ny klynge i Azure Databricks.
En introduktion til Apache Spark på Databricks

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.

Et arbejdsområde med titlen ML Model with Scikit-Learn in Azure Databricks
En prognose skaleringsforespørgsel i Azure Databricks.

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

  • a

    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.

  • a

    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.

  • a

    MLflow

    Spor og del eksperimenter, reproducer kørsler, og administrer modeller sammen fra et centralt lager.

  • c

    Valgfrit computersprog

    Anvend dit foretrukne computersprog, herunder Python, Scala, R, Spark SQL og .Net, uanset om du bruger serveruafhængige eller klargjorte beregningsressourcer.

  • c

    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.

  • c

    Delta Lake

    Føj datapålidelighed og skalerbarhed til din eksisterende datasø med et transaktionslager i åben kildekode, der er designet til hele datalivscyklussen.

  • v

    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.

  • spar

    Interaktive arbejdsområder

    Aktivér gnidningsfrit samarbejde mellem dataeksperter, dataudviklere og driftsøkonom.

  • d

    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.

  • s

    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

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.

Kom i gang med en gratis Azure-konto

1

Start gratis. Få kredit på 200 USD, som skal bruges inden for 30 dage. Når du har kredit, får du en mængde af mange af vores mest populære tjenester gratis og mere end 55 andre tjenester, som altid er gratis.

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

Efter 12 måneder får du fortsat mere end 55 tjenester, der altid er gratis – og du betaler stadig kun for det, du bruger udover din månedlige gratis mængde.

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.

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.

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