Azure-megoldások létrehozására szolgáló architektúrák

Architektúrák biztonságos, magas rendelkezésre állású, nagy teljesítményű és rugalmas Azure-megoldások tervezéséhez és megvalósításához.

Hochverfügbarkeit – ein Teil Ihrer BCDR-StrategieVMs sind physisch auf Zonen aufgeteilt, und an jedem Standort wird mithilfe von Lastenausgleichen ein virtuelles Netzwerk erstellt. Die Standorte liegen nahe genug beieinander für eine Hochverfügbarkeitsreplikation. Das bedeutet, Ihre Anwendungen werden auch dann ausgeführt, wenn an den physischen Standorten Probleme auftreten.1234567

A magas rendelkezésre állás beépítése az üzleti folytonossági és vészhelyreállítási stratégiába

A virtuális gépek fizikailag el vannak különítve a zónák között, és minden helyen egy virtuális hálózat van kialakítva terheléselosztó használatával. Ezek a helyek eléggé közel vannak egymáshoz a magas rendelkezésre állású replikációhoz, így az alkalmazások továbbra is futnak majd a fizikai helyeken előforduló problémák ellenére.

Részletek
Macrocomputação com o Azure BatchAs cargas de trabalho de macrocomputação e de computação de alto desempenho (HPC) são, normalmente, de computação intensiva e podem ser executadas em paralelo, ao tirar partido das capacidades de dimensionamento e da flexibilidade da cloud. As cargas de trabalho são, muitas vezes, executadas de forma assíncrona com processamento em lotes, com os recursos de computação necessários para executar o trabalho e o agendamento de tarefas necessário para especificar o trabalho. Exemplos de cargas de trabalho de Macrocomputação e de HPC incluem simulações Monte Carlo de risco financeiro, composição de imagens, transcodificação de multimédia, processamento de ficheiros e simulações científicas ou de engenharia.123456

Big Compute az Azure Batch használatával

A Big Compute típusú és a nagy teljesítményű feldolgozási (HPC) számítási feladatok általában számításigényes feladatok, amelyek párhuzamosan futtathatók a felhő méretének és rugalmasságának köszönhetően. A számítási feladatok gyakran aszinkron módon futnak, kötegelt feldolgozással, a számítási erőforrásoknak pedig a munka meghatározásához szükséges munka- és feladatütemezést kell futtatniuk. Példák Big Compute és HPC típusú számítási feladatokra: pénzügyi kockázatmodellezés Monte Carlo-szimuláció használatával, képrenderelés, médiakonvertálás, fájlfeldolgozás, és tudományos szimulációk.

Részletek
Dimensionamento entre nuvens com o Azure e o Azure StackO software moderno está cada vez mais conectado e distribuído. A consistência do Azure Stack com a infraestrutura do Azure e os serviços de plataforma permitem que você escale recursos entre nuvens para atender a uma maior carga, quando necessário, e diminua recursos quando a demanda cai. Otimize o custo e maximize a eficiência de recursos mantendo-se em conformidade com a arquitetura entre nuvens.12345

Felhőkön átnyúló méretezés az Azure-ral és az Azure Stackkel

A modern szoftverek egyre inkább csatlakoztatva vannak, és nagymértékben elosztottak. Az Azure Stack és az Azure infrastruktúra- és platformszolgáltatásai lehetővé teszik az erőforrások felhőkön átnyúló méretezését a megnövekedett terhelés szükség szerinti kezeléséhez és az erőforrások számának csökkentéséhez az igény csökkenése esetén. A költségek optimalizálása és az erőforrások kihasználásának maximalizálása a felhőkön átnyúló architektúrának való megfelelőség megőrzésével.

Részletek
Otimização de Campanha com Clusters Azure HDInsight SparkEsta solução demonstra como criar e implantar um modelo de aprendizado de máquina com o Microsoft R Server em clusters do Azure HDInsight Spark para recomendar ações para maximizar a taxa de compra dos leads aos quais uma campanha se destina. Essa solução permite a manipulação eficiente de Big Data no Spark com o Microsoft R Server.

Kampányoptimalizálás Azure HDInsight Spark-fürtökkel

Ez a megoldás azt mutatja be, hogy miként hozhat létre és helyezhet üzembe egy gépi tanulási modellt az Azure HDInsight Spark-fürtön futtatott Microsoft R Server használatával olyan ajánlások elkészítése céljából, amelyek révén maximalizálhatja a vásárlók arányát egy adott kampány célközönségként kijelölt érdeklődői körében. Ez a megoldás lehetővé teszi a big data jellegű adatok hatékony kezelését a Microsoft R Servert futtató Spark-fürtökön.

Részletek