Kom igång med design av analysarkitektur

Organisationer förlitar sig på beräknings-, lagrings- och analyskraften hos Azure för att skala, strömma, förutsäga och visa sina data. Analyslösningar omvandlar datavolymer till användbar business intelligence (BI), till exempel rapporter och visualiseringar och uppfinningsrik AI, till exempel prognoser baserade på maskininlärning. Azure erbjuder en rad molnbaserade analysverktyg för organisationer som är nya för analys och organisationer som behöver utöka implementeringen. Analyslösningar hjälper organisationer att använda data i stor skala. Du kan använda en arkitektur för stordata eller en IoT-arkitektur (Internet of Things) för att bearbeta rådata och sedan flytta dem till ett analysdatalager. Det här datalagret blir en enda sanningskälla som kan driva insiktsfulla analyslösningar.

Arkitektur

Diagram som visar analyslösningens resa på Azure.

Ladda ned en Visio fil i den här arkitekturen.

Föregående diagram visar en typisk grundläggande analysimplementering eller baslinjeanalysimplementering. Verkliga lösningar som du kan skapa i Azure finns i Analytics-arkitekturer.

Utforska analysguider, arkitekturer och lösningsidéer

Artiklarna i det här avsnittet innehåller guider och fullt utvecklade arkitekturer som du kan distribuera i Azure och expandera till lösningar i produktionsklass. Lösningsidéer illustrerar implementeringsmönster och möjligheter att överväga när du planerar utvecklingen av ditt analysrelaterade proof-of-concept (POC). De här artiklarna kan hjälpa dig att bestämma hur du ska använda analystekniker i Azure.

Guider för analys

Följande artiklar hjälper dig att utvärdera och välja de bästa analysteknikerna för dina arbetsbelastningskrav:

Följande artiklar innehåller vägledning om strategier för haveriberedskap (DR) för Azure dataplattformar:

Analysarkitekturer

Följande produktionsklara arkitekturer visar analyslösningar från slutpunkt till slutpunkt som du kan distribuera och anpassa:

Analyslösningsidéer

Följande analyslösningsidéer visar implementeringsmönster och möjligheter att utforska:

Lär dig mer om analys på Azure

Microsoft Learn tillhandahåller fria utbildningsresurser online för Azure analystekniker. Plattformen erbjuder videor, självstudier och praktiska labb för specifika produkter och tjänster, tillsammans med utbildningsvägar som organiseras efter jobbroll.

Följande resurser ger grundläggande kunskaper för analysimplementeringar på Azure:

Organisationsberedskap

Organisationer i början av molnimplementeringsprocessen kan använda Cloud Adoption Framework för Azure för att få tillgång till beprövad vägledning som påskyndar molnimplementeringen.

Följ anvisningarna i Azure Well-Architected Framework för att säkerställa kvaliteten på din analyslösning på Azure. Well-Architected Framework ger vägledning för organisationer som söker arkitekturkvalitet och beskriver hur man utformar, etablerar och övervakar kostnadsoptimerade Azure-lösningar.

Metodtips

Metodtips inom analys säkerställer att lösningarna är skalbara, tillförlitliga, kostnadseffektiva och säkra.

Datanalys

Om du vill använda analys på Azure måste du bestämma hur du ska arkivera dina data. Sedan kan du välja den bästa dataanalystekniken för ditt scenario. Överväg följande faktorer:

  • Datalagring: Välj mellan datasjöar, informationslager och sjöhus baserat på din datastruktur och frågemönster. Mer information om de databaslösningar som driver analysarbetsbelastningar finns i Design av databasarkitektur.

  • Bearbetningsmodell: Avgör om batchbearbetning, dataströmbearbetning eller en kombination bäst passar dina arbetsbelastningskrav.

  • Analysverktyg: Välj BI- och AI-tekniker som uppfyller teamets kompetens- och affärsbehov.

Tillförlitliga data

För analys av hög kvalitet behöver du robusta och tillförlitliga data. Informationssäkerhetsmetoder hjälper till att säkerställa att dina data skyddas under överföring och i vila. Åtkomsten till dina data måste också vara säker. Tänk på följande metoder och kontroller för att skapa tillförlitliga data:

På plattformsnivå kan följande metodtips för big-data bidra till tillförlitlig analys på Azure:

  • Samordna datainläsning: Använd ett dataarbetsflöde eller en pipeline-lösning som stöds av Azure Data Factory eller Fabric Pipelines.

  • Bearbeta data på plats: Använd ett distribuerat datalager, vilket är en stordatametod som stöder större mängder data och ett bredare utbud av format.

  • Rensa känsliga data tidigt: För att undvika oavsiktlig lagring av känsliga data i datasjön tar du bort eller maskerar dessa data som en del av arbetsflödet för inmatning.

  • Överväg total kostnad: Balansera kostnaden per enhet för de nödvändiga beräkningsnoderna mot kostnaden per minut för att köra ett jobb på dessa noder.

  • Skapa en enhetlig datasjö: Kombinera lagring för filer i flera format, oavsett om de är strukturerade, halvstrukturerade eller ostrukturerade. Använd Data Lake Storage som din enda centraliserade källa. Mer information finns i BI-lösningsarkitektur i Center of Excellence.

Håll dig uppdaterad med analys

Azure analystjänster utvecklas för att hantera moderna datautmaningar. Håll dig informerad om de senaste uppdateringarna och funktionerna.

Information om hur du håller dig uppdaterad med viktiga analystjänster finns i följande artiklar:

Andra resurser

Följande resurser kan hjälpa dig att upptäcka mer om analys.

realtidsanalys

Organisationer kan använda realtidsanalys för att agera på data när de tas emot. Följande resurser kan hjälpa dig att komma igång med realtidsanalys på Azure:

Amazon Web Services (AWS) eller Google Cloud-proffs

För att hjälpa dig att komma igång snabbt jämför följande artiklar Azure analysalternativ med andra molntjänster och ger migreringsvägledning:

  • Last updated on