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。
本文介绍使用人工智能 (AI) 自动执行数据分析和可视化的解决方案。 解决方案中的核心组件包括 Azure Functions、Azure 认知服务和 Azure Database for MySQL。
体系结构
下载此体系结构的 Visio 文件。
数据流
- 通过 Azure 函数活动可以在 Azure 数据工厂管道中触发 Azure Functions 应用。 创建链接服务连接并将链接服务与活动一起使用，以指定要执行的 Azure 函数。
- 数据来自各种源，例如 Azure 存储或用于大容量数据的 Azure 事件中心。 管道收到新数据时，会触发 Azure Functions 应用。
- Azure Functions 应用会调用认知服务 API 来分析数据。
- 认知服务 API 以 JSON 格式将分析结果返回给 Azure Functions 应用。
- Azure Functions 应用将认知服务 API 的数据和结果存储在 Azure Database for MySQL 中。
- Azure 机器学习使用自定义机器学习算法来进一步深入了解数据。
- Power BI 的 MySQL 数据库连接器为 Power BI 或自定义 Web 应用程序中的数据可视化和分析提供了选项。
组件
备选方法
- 此解决方案使用 Azure Functions 来处理收到的数据。 如果数据源中已存在大量数据，请考虑批处理的形式。
- Azure 流分析为从多个源同时到达的大量快速流数据提供事件处理。 流分析还支持与 Power BI 集成。
- 若要将此解决方案与替代项进行比较，请参阅以下资源：
方案详细信息
自动化管道使用以下服务来分析数据：
- 认知服务使用 AI 进行问题解答、情绪分析和文本翻译。
- Azure 机器学习提供用于预测分析的机器学习工具。
该解决方案可自动交付数据分析。 连接器将 Azure Database for MySQL 与可视化工具（如 Power BI）链接在一起。
该体系结构使用 Azure Functions 应用从多个数据源引入数据。 它是一种无服务器解决方案，具有以下优势：
- 基础结构维护：Azure Functions 是一项托管服务，使开发人员能够专注于为企业提供价值的创新工作。
- 可伸缩性：Azure Functions 按需提供计算资源，因此函数实例可根据需要进行缩放。 当请求减少时，资源和应用程序实例都会自动减少。
可能的用例
此解决方案非常适合对各种源的数据运行预测分析的组织。 示例包括以下行业的组织：
- Finance
- 教育
- 电信
注意事项
对于大多数功能，适用于语言的认知服务 API 对于单个文档的最大大小为 5120 个字符。 对于所有功能，最大请求大小为 1 MB。 有关数据和速率限制的详细信息，请参阅适用于语言的 Azure 认知服务的服务限制。
此解决方案的早期版本使用认知服务文本分析 API。 适用于语言的 Azure 认知服务现在统一了认知服务中的三个单独语言服务：文本分析、QnA Maker 和语言理解 (LUIS)。 可以轻松从文本分析 API 迁移到适用于语言 的认知服务 API。 有关说明，请参阅迁移到最新版本的适用于语言的 Azure 认知服务。
作者
本文由 Microsoft 维护， 最初由以下参与者撰写。
主要作者：
- Matt Cowen | 高级云解决方案架构师
若要查看非公开的 LinkedIn 个人资料，请登录到 LinkedIn。
后续步骤
- 函数
- Azure 数据工厂中的 Azure 函数活动
- 数据工厂
- 事件中心
- Blob 存储
- 认知服务
- 适用于语言的 Azure 认知服务
- Azure Database for MySQL
- Azure 机器学习
- Power BI
相关资源
以下解决方案创意凸显了 Azure Database for MySQL 的重要性：