Analiza w czasie rzeczywistym

Łatwo uzyskuj szczegółowe informacje z danych przesyłanych strumieniowo na żywo. Przechwytuj ciągle dane z dowolnego urządzenia IoT lub z dzienników ze strumienia kliknięć z witryn internetowych i przetwarzaj je niemal w czasie rzeczywistym.

Real-time analyticsGet insights from live, streaming data with ease. Capture data continuously from any IoT device or logs from website clickstreams and process it in near-real time.12348765

Łatwo pozyskuj dane transmisji strumieniowej na żywo dla aplikacji przy użyciu klastra Apache Kafka w usłudze Azure HDInsight.

Zbierz razem wszystkie dane strukturalne w usłudze Azure Blob Storage, korzystając z usługi Azure Data Factory.

Skorzystaj z usługi Azure Databricks, aby wyczyścić, przekształcić i przeanalizować dane przesyłane strumieniowo, a także połączyć je z danymi strukturalnymi z operacyjnych baz danych lub magazynów danych.

Użyj skalowalnego uczenia maszynowego/technik uczenia głębokiego, aby uzyskać bardziej szczegółowe informacje z tych danych za pomocą języka Python, R lub Scala oraz wbudowanych środowisk notesów w usłudze Azure Databricks.

Wykorzystaj natywne łączniki między usługami Azure Databricks i Azure SQL Data Warehouse, aby móc uzyskać dostęp do danych na dużą skalę i przenosić je.

Utwórz analityczne pulpity nawigacyjne i osadzone raporty bazujące na usłudze Azure Data Warehouse, aby udostępnić szczegółowe informacje w obrębie organizacji, a następnie użyj usług Azure Analysis Services w celu udostępnienia tych danych tysiącom użytkowników.

Zaawansowani użytkownicy korzystają z wbudowanych możliwości usług Azure Databricks i Azure HDInsight w celu określenia głównych przyczyn i przeanalizowania surowych danych.

Umieść szczegółowe informacje z usługi Azure Databricks w bazie danych Cosmos DB, aby udostępnić je za pośrednictwem aplikacji działających w czasie rzeczywistym.

  1. 1 Łatwo pozyskuj dane transmisji strumieniowej na żywo dla aplikacji przy użyciu klastra Apache Kafka w usłudze Azure HDInsight.
  2. 2 Zbierz razem wszystkie dane strukturalne w usłudze Azure Blob Storage, korzystając z usługi Azure Data Factory.
  3. 3 Skorzystaj z usługi Azure Databricks, aby wyczyścić, przekształcić i przeanalizować dane przesyłane strumieniowo, a także połączyć je z danymi strukturalnymi z operacyjnych baz danych lub magazynów danych.
  4. 4 Użyj skalowalnego uczenia maszynowego/technik uczenia głębokiego, aby uzyskać bardziej szczegółowe informacje z tych danych za pomocą języka Python, R lub Scala oraz wbudowanych środowisk notesów w usłudze Azure Databricks.
  1. 5 Wykorzystaj natywne łączniki między usługami Azure Databricks i Azure SQL Data Warehouse, aby móc uzyskać dostęp do danych na dużą skalę i przenosić je.
  2. 6 Utwórz analityczne pulpity nawigacyjne i osadzone raporty bazujące na usłudze Azure Data Warehouse, aby udostępnić szczegółowe informacje w obrębie organizacji, a następnie użyj usług Azure Analysis Services w celu udostępnienia tych danych tysiącom użytkowników.
  3. 7 Zaawansowani użytkownicy korzystają z wbudowanych możliwości usług Azure Databricks i Azure HDInsight w celu określenia głównych przyczyn i przeanalizowania surowych danych.
  4. 8 Umieść szczegółowe informacje z usługi Azure Databricks w bazie danych Cosmos DB, aby udostępnić je za pośrednictwem aplikacji działających w czasie rzeczywistym.

Wytyczne dotyczące implementacji

Produkty/opis Dokumentacja

SQL Data Warehouse

Azure SQL Data Warehouse to szybki, elastyczny i zaufany magazyn danych w chmurze umożliwiający elastyczne i niezależne skalowanie, obliczanie oraz przechowywanie danych dzięki architekturze równoległego przetwarzania ogromnej ilości danych.

Data Factory

Azure Data Factory to usługa integracji danych hybrydowych, która umożliwia tworzenie, planowanie i organizowanie przepływów pracy usługi ETL/ELT.

Azure Blob Storage

Usługa Azure Blob Storage to wysoce skalowalny magazyn obiektów, w którym można łatwo i tanio przechowywać dowolny typ danych bez określonej struktury — obrazy, wideo, audio, dokumenty i inne.

Azure Databricks

Usługa Azure Databricks to szybka i łatwa w obsłudze platforma analityczna do pracy zespołowej bazująca na platformie Apache Spark.

HDInsight

Azure HDInsight to w pełni zarządzana usługa analizy typu open source o szerokim zakresie funkcji przeznaczona dla popularnych struktur open source, takich jak Hadoop, Spark, Hive, LLAP, Kafka, Storm, R i inne.

Azure Cosmos DB

Azure Cosmos DB to usługa globalnie dystrybuowanej, wielomodelowej bazy danych. Następnie dowiedz się, jak replikować dane w dowolnej liczbie regionów świadczenia usługi Azure i skalować przepływność niezależnie od magazynu.

Azure Analysis Services

Azure Analysis Services to aparat analityczny klasy korporacyjnej jako usługa, który umożliwia pewne definiowanie, wdrażanie, testowanie i dostarczanie rozwiązań do analizy biznesowej.

Power BI

Power BI to zestaw narzędzi do analityki biznesowej umożliwiający dostarczanie szczegółowych informacji w całej organizacji. Łącz się z setkami źródeł danych, upraszczaj przygotowywanie danych i przeprowadzaj analizy ad-hoc. Twórz piękne raporty, a następnie publikuj je, aby inne osoby w organizacji mogły skorzystać z nich w Internecie lub na swoich urządzeniach przenośnych.

Powiązane architektury rozwiązań

Modern data warehouseA modern data warehouse lets you bring together all your data at any scale easily, and to get insights through analytical dashboards, operational reports, or advanced analytics for all your users.12345

Nowoczesny magazyn danych

Nowoczesny magazyn danych umożliwia łatwe łączenie wszystkich typów danych o dowolnej skali oraz udostępnia wszystkim użytkownikom szczegółowe informacje za pomocą analitycznych pulpitów nawigacyjnych, raportów operacyjnych i analizy zaawansowanej.

Advanced analytics on big dataTransform your data into actionable insights using the best in class machine learning tools. This architecture allows you to combine any data at any scale, and to build and deploy custom machine learning models at scale.1234567

Zaawansowana analiza danych big data

Przekształcaj dane w szczegółowe informacje wskazujące czynności do wykonania przy użyciu najlepszych w swojej klasie narzędzi do uczenia maszynowego. Ta architektura umożliwia łączenie dowolnych danych w dowolnej skali oraz tworzenie i wdrażanie niestandardowych modeli uczenia maszynowego w dużej skali.