Architetture delle soluzioni di Azure

Architetture che ti aiutano a progettare e implementare soluzioni sicure, a disponibilità elevata, ad alte prestazioni e resilienti in Azure.

Cross cloud scaling with Azure and Azure StackModern software is increasingly connected and distributed. The consistency of Azure Stack with Azure infrastructure and platform services enable you to scale resources cross cloud to meet increased load as needed and decrease resources as demand drops. Optimise cost and maximise resource efficiency while remaining compliant with cross cloud architecture.12345

Ridimensionamento tra cloud con Azure e Azure Stack

Il software è sempre più connesso e distribuito. La coerenza di Azure Stack con l'infrastruttura e i servizi della piattaforma di Azure ti permette di ridimensionare risorse tra cloud per affrontare un incremento del carico in base alla necessità e ridurre le risorse in caso di calo della domanda. Ottimizza i costi e massimizza l'efficienza delle risorse, assicurando al tempo stesso la conformità costante con l'architettura tra cloud.

Scopri di più
Build high availability into your BCDR strategyVirtual machines (VMs) are physically separated across zones and a virtual network is created using load balancers at each site. These locations are close enough for high availability replication, so your applications stay running, despite any issues at the physical locations.1234567

Introdurre la disponibilità elevata nella strategia di continuità aziendale e ripristino di emergenza

Le macchine virtuali sono separate fisicamente in diverse zone e viene creata una rete virtuale mediante i servizi di bilanciamento del carico in ogni sito. Queste posizioni sono abbastanza vicine da consentire la replica a disponibilità elevata, in modo che le applicazioni rimangano in esecuzione, indipendentemente da eventuali problemi nelle posizioni fisiche.

Scopri di più
Campaign Optimisation with Azure HDInsight Spark ClustersThis solution demonstrates how to build and deploy a machine learning model with Microsoft R Server on Azure HDInsight Spark clusters to recommend actions to maximise the purchase rate of leads targeted by a campaign. This solution enables efficient handling of big data on Spark with Microsoft R Server.

Ottimizzazione della campagna con cluster Azure HDInsight Spark

Questa soluzione illustra come creare e distribuire un modello di Machine Learning con Microsoft R Server nei cluster Azure HDInsight Spark per consigliare azioni per massimizzare il tasso di acquisto dei lead interessati da una campagna. Questa soluzione consente la gestione efficiente di Big Data su Spark con Microsoft R Server.

Scopri di più
Energy Supply OptimisationIn an energy grid, energy consumers are engaged with various types of energy supplying, trading and storage components such as substations, batteries, windfarms and solar panels, micro-turbines, as well as demand response bids, to meet their respective demands and minimise the cost of energy commitment. To do so, the grid operator must determine how much energy each type of the resources should commit over a time frame, given the prices of soliciting different types of resources and the capacities and the physical characteristics of them.

Ottimizzazione della fornitura di energia

In una rete elettrica, i consumatori di energia usano vari tipi di componenti di fornitura, commercio e stoccaggio dell'energia, ad esempio sottostazioni, batterie, parchi eolici e pannelli solari, microturbine, nonché offerte per domanda e risposta per soddisfare le rispettive domande e ridurre i costi dell'impegno per l'energia. A questo scopo, l'operatore della rete deve determinare la quantità di energia da impegnare per ogni tipo di risorse per un intervallo di tempo, in base ai prezzi della richiesta di vari tipi di risorse e le capacità e le caratteristiche fisiche di tali risorse.

Scopri di più
Big compute with Azure BatchBig compute and high performance computing (HPC) workloads are normally compute intensive and can be run in parallel, taking advantage of the scale and flexibility of the cloud. The workloads are often run asynchronously using batch processing, with compute resources required to run the work and job scheduling required to specify the work. Examples of Big Compute and HPC workloads include financial risk Monte Carlo simulations, image rendering, media transcoding, file processing and engineering or scientific simulations.123456

Big Compute con Azure Batch

I carichi di lavoro per Big Compute e HPC (High Performance Computing) presentano normalmente un elevato utilizzo di calcolo e possono essere eseguiti in parallelo, sfruttando i vantaggi della scalabilità e della flessibilità del cloud. I carichi di lavoro vengono spesso eseguiti in modo asincrono tramite l'elaborazione batch, con le risorse di calcolo necessarie per eseguire il lavoro e la pianificazione dei processi necessari per specificare il lavoro. Gli esempi di carichi di lavoro per Big Compute e HPC includono simulazioni Monte Carlo per il rischio finanziario, il rendering di immagini, la transcodifica di file multimediali, l'elaborazione di file e le simulazioni di progettazione o scientifiche.

Scopri di più