Azure Databricks

Gyors, egyszerű, együttműködésre épülő Apache SparkTM-alapú elemzési szolgáltatás

Big data-elemzés és mesterséges intelligencia az optimalizált Apache Sparkkal

Az Azure Databricks segítségével betekintést nyerhet az adatokba és mesterséges intelligenciát használó (AI-) megoldásokat fejleszthet, percek alatt beállíthat egy Apache Spark™-környezetet, automatizálhatja a skálázást, valamint egy interaktív munkaterületen együttműködhet másokkal a közös projektekben. Az Azure Databricks támogatja a Python, a Scala, az R, a Java és az SQL nyelveket, valamint több adatelemzési keretrendszert és kódtárat, úgymint TensorFlow, PyTorch és scikit-learn.

Az Apache Spark™ az Apache Software Foundation védjegye.

Megbízható adatfeldolgozás

Adatfeldolgozás nagy méretekben kötegelt és folyamatos átvitelű számítási feladatokhoz

Elemzés az összes adathoz

Elemzés a legteljesebb és legfrissebb adatokhoz

Együttműködésen alapuló adatelemzés

Az adatelemzés leegyszerűsítése nagy méretű adatkészleteknél

Nyílt forráskódon alapul

Gyors, optimalizált Apache Spark-környezet

Gyors indítás az optimalizált Apache Spark-környezetben

Az Azure Databricks támogatja az Apache Spark legújabb verzióit, és lehetővé teszi a nyílt forráskódú kódtárak zökkenőmentes integrálását. Gyorsan hozhat létre és helyezhet üzembe fürtöket egy teljes körűen felügyelt Apache Spark-környezetben az Azure globális skálázhatóságával és rendelkezésre állásával. A fürtök létrehozása, konfigurálása és finomhangolása után biztosított a megbízható teljesítményük, nincs szükség a monitorozásukra. Az automatikus skálázás és az automatikus leállítás lehetőségét kihasználva csökkentheti a teljes bekerülési költséget (TCO).

Az Azure Databricks dokumentációjának megtekintése

Növelje termelékenységét a megosztott munkaterületek és a közös nyelvek segítségével

Adatszakértőként, adatelemzőként és üzleti elemzőként is hatékonyan együttműködhet megosztott projektekben az interaktív munkaterületek és jegyzetfüzetek segítségével. Fejlesszen az Önnek legalkalmasabb nyelven (például Python, Scala, R vagy SQL). A GitHub és Azure DevOps lehetővé teszi a jegyzetfüzetek egyszerű verziókövetését.

Megtudhatja, hogyan hozhat létre Azure Databricks-munkaterületet

Tegye még hatékonyabbá a big data-alapú gépi tanulást

Az integrált Azure Machine Learning szolgáltatással fejlett automatizált gépi tanulási képességekhez juthat hozzá, amelyekkel gyorsan azonosíthatja a megfelelő algoritmusokat és hiperparamétereket. Egyszerűsítse a felhőből a peremhálózatra telepített gépi tanulási modellek kezelését, monitorozását és frissítését. Az Azure Machine Learning szolgáltatás ezenkívül központi regisztrációs adatbázist biztosít a kísérletek, gépi tanulási folyamatok és modellek számára.

Az Azure Databricks és az Azure Machine Learning szolgáltatásokról szóló webinárium megtekintése

Nagy teljesítményű modern adatraktározás

Mérettől függetlenül egy helyen egyesítheti adatait, és hozzáférhet az elemzési irányítópultok és a működési jelentések által nyújtott eredményekhez. Automatizálhatja az adatok áthelyezését az Azure Data Factoryval, az adatokat betöltheti az Azure Data Lake Storage szolgáltatásba, átalakíthatja és megtisztíthatja őket az Azure Databricks segítségével, végül elérhetővé teheti az elemzéshez az Azure Synapse Analytics használatával. Modernizálja felhőalapú adattárházát, és érjen el páratlan teljesítményt és skálázhatóságot.

Ismerje meg az Azure-beli felhőméretű elemzést

A szolgáltatás legfontosabb funkciói

Optimalizált Spark-motor

Egyszerű adatfeldolgozás az automatikus skálázási infrastruktúrán nagy mértékben optimalizált Apache Spark™ használatával akár 50-szeres teljesítménynövekedéssel.

Gépi tanulási futtatókörnyezet

Egy kattintással elérheti az előre konfigurált gépi tanulási környezeteket a kibővített gépi tanuláshoz olyan korszerű és népszerű keretrendszerekkel, mint a PyTorch, a TensorFlow és a scikit-learn.

MLflow

Nyomon követheti és megoszthatja a kísérleteket, reprodukálhatja a futtatásokat, és együttműködéssel kezelheti a modelleket egy központi adattárból.

Nyelvválasztás

Az Ön által választott nyelv, így a Python, a Scala, az R, a Spark SQL és a .NET is használható kiszolgáló nélküli és kiépített számítási erőforrásokkal egyaránt.

Együttműködésre használható jegyzetfüzetek

Gyorsan elérheti és feltárhatja az adatait, új betekintő adatokat találhat és oszthat meg, és az Ön által választott nyelvekkel és eszközökkel, együttműködéssel hozhat létre modelleket.

Delta lake

A teljes adatéletciklusra tervezett, nyílt forráskódú tranzakciós tárolási réteggel a már meglévő adattavakban gondoskodhat az adatok megbízhatóságáról és skálázhatóságáról.

Natív integráció Azure-szolgáltatásokkal

A teljes elemzési feladatot és a gépi tanulási megoldást szorosan integrálhatja olyan Azure-szolgáltatásokkal, mint az Azure Data Factory, az Azure Data Lake Storage, az Azure Machine Learning és a Power BI.

Interaktív munkaterületek

Elősegítheti az adatelemzők, adatmérnökök és üzleti elemzők hatékony együttműködését.

Nagyvállalati szintű biztonság

Egyszerűen használható, beépített biztonság védi az adatait a tárolás helyén, és több ezer felhasználóra és adatkészletre kiterjedő, megfelelő, privát és elkülönített elemzési munkaterületeket hoz létre.

Üzemkész állapotban

A legfontosabb adatfeldolgozási számítási feladatait magabiztosan futtathatja és skálázhatja egy megbízható platformon és az ökoszisztémán belüli integrációval CI/CD-hez és figyeléshez.

További információt kaphat a megoldásarchitektúrák példáiból

Big data-architektúrák valós idejű elemzése

Könnyedén elemezheti az élő adatfolyamokat. Folyamatosan nyerhet adatokat bármely IoT-eszközből vagy webes kattintássorozat-naplóból, majd valós időben elemezheti őket.

Speciális elemzési architektúra

Adatait a gyakorlatban is hasznosítható ismeretekké alakíthatja a kategóriájában elsőrangú gépi tanulási eszközkészlet használatával. Ez az architektúra lehetővé teszi, hogy bármilyen típusú és bármennyi adatot kombinálhasson egymással, és egyedi gépi tanulási modelleket alkalmazzon ipari méretű adatbázisokon.

A gépi tanulási életciklus kezelése

Az Azure Databricks, az MLflow és az Azure Machine Learning használatával felgyorsíthatja és kezelheti a teljes gépi tanulási életciklust, és gépi tanulási alkalmazásokat hozhat létre, oszthat meg, helyezhet üzembe és kezelhet.

Megkerülhetetlen adatbiztonság és adatvédelem

  • Az adatokat és az elemzési megoldásokat iparágvezető biztonsági és megfelelőségi megoldások széles körével védheti, figyelheti és felügyelheti.

  • Az egyszeri bejelentkezés és az Azure Active Directory-integráció használatával lehetővé teheti, hogy az adatszakértőknek több ideje jusson az eredmények feltárására.

  • Az Azure minden más felhőszolgáltatónál több tanúsítvánnyal rendelkezik. Tekintse meg átfogó listánkat.

További információ az Azure Databricks-termékekről és -szolgáltatásokról

Az Azure Databricks díjszabása

Minden iparág cégeinek bizalmát egyaránt élvezi

Biztonsági kockázatok azonosítása felhőalapú mélytanulási szolgáltatással

A Shell az Azure, a mesterséges intelligencia és a gépi képelemzés segítségével növeli vásárlói és alkalmazottai védelmét.

Shell

Megnövelt teljesítmény, csökkenő költségek

A Data Service renewablesAI az Azure és az Apache Spark használatával épít stabil és kifizetődő napenergia-piacot.

Renewables AI

Teljes körű elemzési megoldás engedélyezése az Azure-ban

A LINX Cargo Care Group logisztikai szolgáltató az Azure Databricks segítségével az egész vállalatra kiterjedő innovációkat vezetett be.

LINX Cargo Care Group

Bevezetés az Azure Databricks használatába

Regisztráljon egy ingyenes Azure-fiókot az azonnali hozzáféréshez.

Tekintse át az Azure Databricks használatát bemutató dokumentációt.

A gyorsútmutató bemutatja többek között a fürtök, jegyzetfüzetek és táblázatok létrehozását.

Közösség és Azure-támogatás

Az MSDN-fórum és a Stack Overflow használatával kérdéseket tehet fel, és támogatást kérhet a Microsoft mérnökeitől és az Azure közösségi szakembereitől, vagy kapcsolatba léphet az Azure ügyfélszolgálatával is.

Népszerű laborok és sablonok

Egyéni ütemben végezhető laborgyakorlatok és népszerű gyorssablononok gyakori konfigurációkhoz a Microsoft és a közösség jóvoltából.

Az Azure Databricks legújabb hírei és források

Az Azure Databricks szolgáltatással kapcsolatos gyakori kérdések

  • Az Azure Databricks SLA 99,95%-os rendelkezésre állást garantál.
  • A Databricks-egység (más néven DBU) óránkénti feldolgozási egységet jelent, amelyet másodpercalapú használat alapján számlázunk.
  • Adatfeldolgozási számítási feladatnak azt a feladatot nevezzük, amely automatikusan elindítja és le is állítja azt a fürtöt, amelyen fut. Egy számítási feladatot elindíthat például az Azure Databricks feladatütemezője, amely kizárólag ehhez a feladathoz indít el egy új Apache Spark-fürtöt, és a feladat végeztével leállítja azt.
    Az adatelemzési számítási feladat nem automatizált. Az Azure Databricks-jegyzetfüzetek parancsai például Apache Spark-fürtökön futnak, amíg manuálisan le nem állítják őket. Több felhasználó is megoszthat egy fürtöt annak elemzéséhez.

Ha készen áll, állítsa be ingyenes Azure-fiókját