解决方案构想
本文是一种解决方案构想。 如果你希望我们在内容中扩充更多信息,例如潜在用例、备用服务、实现注意事项或定价指南,请通过提供 GitHub 反馈来告知我们。
此解决方案构想介绍如何使用 TimeXtender 图形界面定义数据资产。
体系结构
下载此体系结构的 Visio 文件。
数据流
- 使用 TimeXtender 的数据工程管道将 Azure Data Lake Storage 中的所有结构化和半结构化数据与数百个原生数据连接器组合使用。
- 使用 Azure Databricks 的强大分析和计算能力清理和转换数据。
- 将已清理和转换的数据移到 Azure Synapse Analytics,为所有数据创建一个中心。 利用 Azure Databricks (PolyBase) 和 Azure Synapse Analytics 之间的原生连接器,大规模访问和移动数据。
- 在 SQL 数据库的基础上生成操作报表和分析仪表板,从数据中获取见解,并使用 Azure Analysis Services 来处理数据。
- 直接对 Azure Databricks 中的数据运行即席查询。
组件
- Azure Data Lake Storage:基于 Azure Blob 存储构建的可大规模缩放的安全数据湖功能
- Azure Databricks:基于 Apache Spark 的快速简单的协作分析平台
- Azure Synapse Analytics:无限制的分析服务,能够以无与伦比的速度提供见解(以前称为 SQL 数据仓库)
- Azure Analysis Services:企业级分析引擎即服务
- Power BI Embedded:在应用程序中嵌入完全交互式的、令人惊叹的数据可视化
方案详细信息
可以使用 TimeXtender 通过图形用户界面定义数据资产。 定义存储在元数据存储库中。 用于生成数据资产的代码是在保持完全可自定义的情况下自动生成的。 结果是一个现代数据仓库,可以支持云规模分析和 AI。
可能的用例
- 无基础结构问题或维护
- 性能一致
- 部署和管理体系结构和数据管道、数据模型和语义模型
后续步骤
- Azure Data Lake Storage 文档
- Azure Databricks 文档
- Azure Synapse Analytics 文档
- Azure Analysis Services 文档
- Power BI Embedded 文档