Analisi dei Big Data e intelligenza artificiale con Apache Spark ottimizzato
Acquisisci informazioni dettagliate da tutti i tuoi dati e crea soluzioni di intelligenza artificiale con Azure Databricks, configura l'ambiente Apache Spark™ in pochi minuti, ridimensionalo automaticamente e collabora a progetti condivisi in un'area di lavoro interattiva. Azure Databricks supporta Python, Scala, R, Java e SQL, oltre ai framework e le librerie di data science, ad esempio TensorFlow, PyTorch e scikit-learn.
Apache Spark™ è un marchio di Apache Software Foundation.
Ingegneria dei dati affidabile
Elaborazione dati su larga scala per carichi di lavoro in batch e di streaming.
Analisi per tutti i dati
Consenti le analisi per i dati più completi e recenti.
Data science collaborativa
Semplifica e accelera la data science nei set di dati di grandi dimensioni.
Basati sull'approccio open source
Ambiente Apache Spark veloce e ottimizzato.
Inizia rapidamente con un ambiente Apache Spark ottimizzato
Azure Databricks offre le versioni più recenti di Apache Spark e ti permette di integrarle facilmente con le librerie open source. Configura i cluster e crea rapidamente in un ambiente Apache Spark completamente gestito che offre la disponibilità e la scala globale di Azure. I cluster vengono installati, configurati e ottimizzati per garantire affidabilità e prestazioni senza necessità di monitoraggio. Sfrutta le funzionalità di scalabilità automatica e terminazione automatica per migliorare il costo totale di proprietà.
Aumenta la produttività con un'area di lavoro condivisa e linguaggi comuni
Collabora in modo efficiente su una piattaforma aperta e unificata per eseguire tutti i tipi di carichi di lavoro di analisi, indipendentemente dal fatto che tu sia un data scientist, un data engineer o un business analyst. Crea con il tuo linguaggio preferito, inclusi Python, Scala, R e SQL. Usufruisci del controllo della versione semplificato dei notebook con GitHub e Azure DevOps.
Potenzia il Machine Learning sui Big Data
Accedi alle funzionalità avanzate e automatizzate di Machine Learning usando Azure Machine Learning integrato per identificare rapidamente gli algoritmi e gli iperparametri idonei. Semplifica la gestione, il monitoraggio e l'aggiornamento dei modelli di Machine Learning distribuiti dal cloud alla rete perimetrale. Azure Machine Learning fornisce inoltre un registro centralizzato per esperimenti, pipeline di Machine Learning e modelli.
Sfrutta il data warehousing moderno a prestazioni elevate
Combina i dati su qualsiasi scala e acquisisci informazioni dettagliate tramite dashboard di analisi e report operativi. Automatizza lo spostamento dei dati con Azure Data Factory, quindi carica i dati in Azure Data Lake Storage, trasformali e puliscili con Azure Databricks e rendili disponibili per l'analisi con Azure Synapse Analytics. Modernizza il tuo data warehouse nel cloud per ottenere livelli di prestazioni e scalabilità senza precedenti.
Funzionalità essenziali per i servizi
-
Motore Spark ottimizzato
Elaborazione dati semplice in un'infrastruttura con scalabilità automatica basata su Apache Spark™ a ottimizzazione elevata per prestazioni migliorate fino a 50 volte.
-
Runtime di Machine Learning
Accedi con un clic ad ambienti di Machine Learning preconfigurati per Machine Learning aumentato con i framework all'avanguardia e più diffusi, ad esempio PyTorch, TensorFlow e scikit-learn.
-
MLflow
Verifica e condividi esperimenti, riproduci esecuzioni e gestisci modelli in modo collaborativo da un repository centrale.
-
Scelta del linguaggio
Usa il tuo linguaggio preferito, ad esempio Python, Scala, R, Spark SQL e .NET, , con risorse di calcolo serverless o sottoposte a provisioning.
-
Notebook collaborativi
Accedi rapidamente ed esplora i dati, trova e condividi nuove informazioni dettagliate e crea modelli in modo collaborativo con i linguaggi e gli strumenti che preferisci.
-
Delta Lake
Offri l'affidabilità e la scalabilità dei dati nel data lake esistente con un livello di archiviazione transazionale open source progettato per l'intero ciclo di vita dei dati.
-
Integrazioni native con i servizi di Azure
Completa la soluzione di analisi end-to-end e Machine Learning con un'integrazione profonda con servizi di Azure quali Azure Data Factory, Azure Data Lake Storage, Azure Machine Learning e Power BI.
-
Area di lavoro interattive
Consenti la collaborazione senza problemi tra data scientist, data engineer e business analyst.
-
Sicurezza di classe enterprise
La sicurezza nativa senza problemi protegge i dati nella posizione in cui si trovano e crea aree di lavoro di analisi conformi, private e isolate in migliaia di utenti e set di dati.
-
Pronto per la produzione
Esegui e dimensiona i carichi di lavoro dei dati più rilevanti in tutta sicurezza in una piattaforma dati affidabile, con integrazioni dell'ecosistema per CI/CD e il monitoraggio.
Scopri di più da esempi di architetture della soluzione
Data science e apprendimento automatico con Azure Databricks
Ottieni facilmente informazioni dettagliate dai dati dello streaming live. Acquisisci continuamente dati da qualsiasi dispositivo IoT o log di clickstream di siti Web ed elaborali in tempo quasi reale.
Architettura di analisi moderna con Azure Databricks
Trasforma i tuoi dati in informazioni dettagliate di utilità pratica usando gli strumenti di Machine Learning migliori del settore. Questa architettura consente di combinare qualsiasi dato su qualsiasi scala, nonché di creare e distribuire modelli di apprendimento automatico personalizzati su vasta scala.
Pipeline di inserimento, ETL ed elaborazione di flussi con Azure Databricks
Accelera e gestisci il ciclo di vita di Machine Learning end-to-end con Azure Databricks, MLflow e Azure Machine Learning per creare, condividere, distribuire e gestire applicazioni di Machine Learning.
Sicurezza e conformità complete predefinite
-
Microsoft investe più di 1 miliardo di USD in ricerca e sviluppo per cybersecurity.
-
I nostri dipendenti includono più di 3.500 esperti di sicurezza dedicati alla sicurezza e alla privacy dei dati.
-
Azure ha ottenuto più certificazioni che qualsiasi altro provider di servizi cloud. Visualizza l'elenco completo.
Scopri di più su prodotti e servizi di Azure Databricks
Azure Data Factory
Servizio di integrazione dei dati ibridi che semplifica le operazioni ETL su vasta scala.
Azure Data Lake Storage Gen 2
Funzionalità di data lake estremamente scalabili e sicure basate su Archiviazione BLOB di Azure.
Azure Machine Learning
Servizio Machine Learning di livello aziendale per creare e distribuire modelli con maggiore rapidità.
Power BI
Aggiungi analisi e report interattivi nelle tue applicazioni.
-
Prezzi di Azure Databricks
Configura rapidamente i cluster e aumenta o riduci le prestazioni in base alle tue esigenze. Esplora tutte le opzioni per i prezzi di Azure Databricks.
Inizia con un account gratuito di Azure
1
2
Dopo l'esaurimento del credito, passa alla modalità con pagamento in base al consumo per continuare a usare gli stessi servizi gratuiti. Dovrai pagare solo se superi le quantità mensili gratuite.
3
Community e supporto tecnico di Azure
Poni domande e ottieni supporto dai tecnici Microsoft e dagli esperti della community di Azure nel Forum MSDN e in Stack Overflow oppure contatta il supporto tecnico di Azure.
Lab e modelli più diffusi
Scopri i lab autogestiti e i famosi modelli di avvio rapido per le configurazioni comuni creati da Microsoft e dalla community.
Esplora le risorse di Azure Databricks
Domande frequenti su Azure Databricks
-
Il contratto di servizio di Azure Databricks garantisce una disponibilità del 99,95%.
-
Un'unità Databricks, o DBU, è un'unità di capacità di elaborazione all'ora, fatturata in base all'utilizzo al secondo.
-
Il carico di lavoro per ingegneria dei dati viene definito come un processo che avvia e termina il cluster in cui è in esecuzione. È ad esempio possibile che un carico di lavoro venga attivato dall'utilità di pianificazione dei processi di Azure Databricks, che avvia un nuovo cluster Apache Spark esclusivamente per il processo e termina automaticamente il cluster dopo il completamento del processo.
Il carico di lavoro di analisi dei dati non è automatizzato. Ad esempio, i comandi nei notebook di Azure Databricks vengono eseguiti nei cluster Apache Spark fino a quando non vengono terminati manualmente. Più utenti possono condividere un cluster per analizzarlo in modalità collaborativa.