Navigáció kihagyása

Azure Databricks

Gyors, könnyű és együttműködő Apache Spark-alapú elemzési szolgáltatás

14 napos próbaidőszak – ingyenes Databricks-egységekkel

Áttekintés

Az Azure Databricks nevű gyors, egyszerű és az együttműködést segítő Apache Spark-alapú elemzési szolgáltatással felgyorsíthatja az elemzési és a mesterséges intelligenciára épülő megoldások elkészítését.

Percek alatt kialakíthatja a Spark-környezetet, és gyorsan és könnyen, automatikusan skálázhatja. Az interaktív munkaterületen elérhető megosztott projekteken együtt dolgozhatnak az adatelemzők, az adatmérnökök és az üzleti elemzők. Támogatja a Python, a Scala, az R és az SQL nyelvet csakúgy, mint a mély tanulási keretrendszereket és kódtárakat (például TensorFlow, Pytorch és Scikit-learn), így Ön a meglévő ismereteire építkezhet. Az Azure Active Directoryval (Azure AD) és más Azure-szolgáltatásokkal fennálló natív integrációnak köszönhetően korszerű adattárház-, gépi tanulási és valós idejű elemzési megoldások alakíthatók ki.

Érvek az Azure Databricks mellett

Hatékony

Percek alatt beüzemelhető egy új Azure Spark-környezet. Az interaktív munkaterületen zökkenőmentes együttműködés alakítható ki más Azure-szolgáltatásokkal.

Méretezhető

Az elemzési és a gépi tanulási projektek globálisan skálázhatók. A felfelé és lefelé is automatikusan skálázódó felügyelt platform révén csökkenthetők a költségek, csakúgy, mint a rendszer összetettsége.

Megbízható

Jobban megvédheti adatait és cégét az Azure AD-integrációval, a szerepköralapú hozzáférés-vezérléssel és a nagyvállalati színvonalú szolgáltatási szinttel.

Rugalmas

A kiválasztott nyelven és mély tanulási keretrendszerrel készíthet el gépi tanulási és AI-megoldásokat.

Mit tartalmaz az Azure Databricks?

Optimalizált Apache Spark-környezet

Egyszerűen helyezhet üzembe fürtöket, és gyorsan fejleszthet alkalmazásokat egy felügyelt Apache Spark-környezetben. A fürtök kialakítása, konfigurációja és finomhangolása a nagy megbízhatóságot és teljesítményt szolgálja.

Automatikus skálázás és automatikus leállítás

Felfelé és lefelé egyaránt automatikusan skálázódik a szükségleteknek megfelelően, így csökkenthetők a fürtök manuális skálázásához szükséges erőforrások és az ezzel járó költségek. Az inaktív fürtök automatikus leállítása révén takarékoskodhat az erőforrásokkal.

Az együttműködést szolgáló munkaterület

Az interaktív munkaterületen elérhető megosztott projekteken együtt, csapatként dolgozhatnak az adatmérnökök, az adatelemzők és az üzleti felhasználók, és hozzászólásokat is fűzhetnek a projektekhez.

Mély tanulásra optimalizálva

A GPU-t is használó fürtökön egyszerűen alakíthatók ki, taníthatók be és helyezhetők üzembe AI-modellek. Használhatja a TensorFlow, a Keras az XGBoost és a többi hasonló mély tanulási keretrendszer előtelepített és előre konfigurált gépi tanulási futtatókörnyezeteit.

Együttműködés az Azure-szolgáltatásokkal

Kevés munka árán sokféle adattárral és szolgáltatással integrálható, például az Azure SQL Data Warehouse, az Azure Cosmos DB, az Azure Data Lake Storage, az Azure Event Hubs és az Azure Data Factory szolgáltatással. Az Azure AD-n alapuló egyszeri bejelentkezés használata esetén szerepköralapú hozzáférés-vezérlés alakítható ki.

Több nyelv és kódtár támogatása

Az Azure Databricks támogatja a Python, a Scala, az R és az SQL nyelvet, így eddigi ismereteivel is belekezdhet a fejlesztésbe. Bármilyen mennyiségű adattal és tetszőleges méretű projekttel felhasználhatja az elemzési technológiák széles körét – például az SQL-t, a streamelést, az MLlibet és a GraphX-et.

Elemzés és gépi tanulás az Azure Databricks segítségével

6/1. lépés

A munkaterület elindítása

Nyissa meg az Azure Portal Azure Databricks lapját. Ezután jelentkezzen be az Azure AD egyszeri bejelentkezési funkciójával.

6/2. lépés

Fürtök üzembe helyezése

Hozzon létre egy új fürtöt, konfigurálja úgy, ahogy szeretné, utána elég egy kattintás, és már üzemel is. Az automatikus skálázási funkcióval gyorsan és egyszerűen skálázhatók a fürtök. A manuális skálázáshoz szükséges erőforrások és költségek csökkentéséhez is hozzájárul.

6/3. lépés

Együttműködés jegyzetfüzetek segítségével

Egyéni engedélybeállításokat készíthet az adatmérnököknek, az adatelemzőknek és az üzleti felhasználóknak, hogy minden közreműködő élőben vehesse ki a részét a munkából, és szólhasson hozzá a megosztott projektekhez, a saját hozzáférési szintjének megfelelően.

6/4. lépés

Adatok megismerése

A jegyzetfüzetekben a legtöbb adatkezelési programnyelv használható (például az SQL, a Python, a Scala és az R is). Az adatmérnökök és az adatelemzők egyszerűen csatlakoztathatnak tárolóeszközöket, és alakíthatnak ki gépi tanulási modelleket az eredmények alapján. Az üzleti felhasználók jól értelmezhető élő adatkijelzőkön láthatják az adatokat.

6/5. lépés

Adatelemzési modellek kialakítása

A kívánt nyelven fejleszthetők, taníthatók be és helyezhetők üzembe ipari méretű AI-modellek.

6/6. lépés

Feladatok ütemezése

Néhány perc szükséges hozzá, hogy feladatként futtathassa a jegyzetfüzeteket. Választhat a meglévő streamelési és gépi tanulási kódtárak közül. Előre ütemezheti a feladatok automatikus futtatását, és figyelheti a teljesítményüket.

Mire használható az Azure Databricks?

Modern adattárház

A modern adattárházban az adathalmaz méretétől függetlenül egy helyre gyűjthetők az adatok, és minden felhasználó hasznos információkhoz juthat az elemzési irányítópultok, a működési jelentések és a komplex analitika révén.

Big data bővített analitika

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

Valós idejű elemzések

Könnyedén elemezheti az adatfolyamokat. Folyamatosan rögzítheti bármilyen stream típusú adatforrás vagy webes kattintássorozat-napló adatait, majd valós időben elemezheti őket.

Kapcsolódó termékek és szolgáltatások

SQL Data Warehouse

Szolgáltatásként elérhető rugalmas adattárház nagyvállalati szintű funkciókkal

Machine Learning Studio

Prediktív elemzési megoldások fejlesztése, üzembe helyezése és felügyelete egyszerűen

Azure Cosmos DB

Globálisan elosztott, többmodelles, rugalmasan skálázható adatbázis

Az Azure Databricks szolgáltatással felgyorsíthatja az adatvezérelt innovációt