Freigeben über

Entwurf der Analysearchitektur

Mit dem exponentiellen Wachstum von Daten verlassen sich Organisationen auf die grenzenlose Rechen-, Speicher- und Analysekraft von Azure, um ihre Daten zu skalieren, zu streamen, vorherzusagen und zu sehen. Analyselösungen verwandeln Datenmengen in nützliche Business Intelligence (BI), wie z. B. Berichte und Visualisierungen, und in erfinderische künstliche Intelligenz (KI), wie z. B. Prognosen, die auf maschinellem Lernen basieren.

Ganz gleich, ob Ihre Organisation mit der Auswertung cloudbasierter Analysetools beginnt oder ihre aktuelle Implementierung erweitern möchte, Azure bietet viele Optionen. Der Workflow beginnt mit dem Erlernen gängiger Ansätze und dem Ausrichten von Prozessen und Rollen für eine Cloudmentalität.

Daten können in Batches oder in Echtzeit, lokal oder in der Cloud verarbeitet werden, aber das Ziel jeder Analyselösung besteht in der Nutzung von Daten im großen Stil. Zunehmend möchten Organisationen eine Single Source of Truth für alle relationalen und nicht relationalen Daten erstellen, die von Personen, Computern und dem Internet der Dinge (IoT) generiert werden. Es ist üblich, eine Big Data-Architektur oder eine IoT-Architektur zu verwenden, um Rohdaten in eine strukturierte Form zu transformieren und dann in einen Analysedatenspeicher zu verschieben. Dieser Speicher wird zur Single Source of Truth, der eine Vielzahl von aufschlussreichen Analyselösungen ermöglichen kann.

Architektur

Diagramm, das den Analyseprozess auf Azure zeigt.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Das obige Diagramm zeigt eine typische Implementierung der Basis-/Basisanalyse. Im folgenden Abschnitt finden Sie die bereitgestellten Architekturen, um reale Lösungen zu identifizieren, die Sie in Azure erstellen können.

Erforschen Sie Analysearchitekturen und Anleitungen

Die Artikel in diesem Abschnitt enthalten vollständig entwickelte Architekturen, die Sie in Azure bereitstellen und auf Lösungen und Führungslinien auf Produktionsniveau erweitern können. Diese können Ihnen dabei helfen, wichtige Entscheidungen darüber zu treffen, wie Sie Analysetechnologien in Azure verwenden. Sie können auch Lösungsideen überprüfen, die Ihnen einen Eindruck davon geben, was möglich ist, während Sie Ihre Analyse-POC-Entwicklung planen.

Architekturen

Lösungsmöglichkeiten

Anleitungen

Auswahl der Technologie

Notfallwiederherstellung für Azure Datenplattform

  • Overview – Übersicht über Strategien zur Notfallwiederherstellung für Azure Datenplattformen.
  • Architecture – Architekturmuster für die Notfallwiederherstellung in Azure Datenplattformen.
  • Szenariodetails – Detaillierte Szenarien für die Implementierung der Notfallwiederherstellung.
  • Empfehlungen – Empfehlungen für bewährte Methoden für die Notfallwiederherstellung.

Erfahren Sie mehr über Analysen zu Azure

Wenn Sie mit der Analyse von Azure noch nicht vertraut sind, ist der beste Ort, um mehr zu erfahren, mit Microsoft Learn, einer kostenlosen Onlineschulungsplattform. Sie finden Videos, Lernprogramme und interaktives Lernen für bestimmte Produkte und Dienste sowie Lernpfade basierend auf Ihrer Beruflichen Rolle, z. B. Entwickler oder Datenanalysten.

Hier finden Sie einige Ressourcen für den Einstieg:

Lernpfade nach Rolle

Organisationsbereitschaft

Wenn Ihre Organisation neu in der Cloud ist, können Sie mit dem Cloud Adoption Framework beginnen. Diese Sammlung von Dokumentationen und Best Practices bietet bewährte Anleitungen von Microsoft, die Ihre Journey zur Cloud-Einführung beschleunigen. Weitere Informationen zu Cloudskalenanalysen finden Sie unter Cloud-Skalierungsanalysen.

Um die Qualität Ihrer Analyselösung für Azure zu gewährleisten, empfehlen wir, dem Azure Well-Architected Framework zu folgen. Es bietet präskriptive Anleitungen für Organisationen, die architektonische Exzellenz suchen, und erläutert, wie Sie kostenoptimierte Azure-Lösungen entwerfen, bereitstellen und überwachen können.

Anleitungen zu Datenworkloads, die an den Well-Architected Framework-Säulen ausgerichtet sind, finden Sie unter Azure Well-Architected Framework für Datenworkloads.

Pfad zur Produktion

Zu wissen, wie Sie Ihre Daten speichern, ist eine der ersten Entscheidungen, die Sie auf Ihrem Weg zur Analyse auf Microsoft Azure treffen müssen. Anschließend können Sie die beste Datenanalysetechnologie für Ihr Szenario auswählen.

Zu den wichtigsten Entscheidungspunkten zählen:

  • Datenspeicherung: Wählen Sie je nach Datenstruktur und Abfragemustern zwischen Datenseen, Datenlagern oder Lakehouses aus. Anleitungen zum Auswählen und Entwerfen von Datenbanklösungen, die Analysen workloads betreiben, siehe Datenbankarchitekturdesign.

  • Verarbeitungsmodell: Ermitteln Sie, ob Batchverarbeitung, Datenstromverarbeitung oder eine Kombination ihren Workloadanforderungen am besten entspricht.

  • Analysetools: Wählen Sie BI- und KI-Technologien aus, die den Fähigkeiten und geschäftlichen Anforderungen Ihres Teams entsprechen.

Informationen zum Anzeigen verschiedener Architekturstile für Analyselösungen finden Sie unter Architekturen.

Bewährte Methoden

Hochwertige Analysen beginnen mit robusten, vertrauenswürdigen Daten. Auf höchster Ebene tragen Informationssicherheitsmethoden dazu bei, sicherzustellen, dass Ihre Daten während der Übertragung und im Ruhebereich geschützt sind. Der Zugriff auf diese Daten muss ebenfalls vertrauenswürdig sein. Vertrauenswürdige Daten implizieren ein Design, das Folgendes implementiert:

Auf Plattformebene tragen die folgenden big Data Best Practices zu vertrauenswürdigen Analysen zu Azure bei:

  • Datenaufnahme orchestrieren – Verwenden Sie einen Datenworkflow oder eine Pipelinelösung, wie sie von Azure Data Factory oder Microsoft Fabric Pipelines unterstützt werden.

  • Verarbeiten von Daten – Verwenden Sie einen verteilten Datenspeicher, einen Big Data-Ansatz, der größere Datenmengen und eine breitere Palette von Formaten unterstützt.

  • Frühzeitiges Bereinigen vertraulicher Daten – Entfernen oder Maskieren von sensiblen Daten im Rahmen des Aufnahme-Workflows, um deren Speicherung in Ihrem Data Lake zu vermeiden.

  • Erwägen Sie die Gesamtkosten – Vergleichen Sie die Kosten pro Einheit der benötigten Rechenknoten mit den Minutenkosten für die Nutzung dieser Knoten, um einen Auftrag abzuschließen.

  • Erstellen Sie einen einheitlichen Data Lake – Kombinieren Sie den Speicher für Dateien in mehreren Formaten, ob strukturiert, halbstrukturiert oder unstrukturiert. Verwenden Sie Azure Data Lake Storage Gen2 als ihre einzige Quelle der Wahrheit. Weitere Informationen finden Sie beispielsweise unter BI-Lösungsarchitektur im Center of Excellence.

Bleiben Sie mit Analysen auf dem laufenden

Azure Analysedienste entwickeln sich weiter, um moderne Datenprobleme zu bewältigen. Bleiben Sie über die neuesten Updates und geplanten Features informiert:

Erhalten Sie die neuesten Updates für Azure Produkte und Features.

Bleiben Sie mit diesen wichtigen Analysediensten auf dem laufenden:

Weitere Ressourcen

Analytics ist eine breite Kategorie und deckt eine Reihe von Lösungen ab. Die folgenden Ressourcen können Ihnen helfen, mehr über Azure zu erfahren.

Hybrid

Die große Mehrheit der Organisationen benötigt einen Hybridansatz für Analysen, da ihre Daten sowohl lokal als auch in der Cloud gehostet werden. Organisationen erweitern häufig lokale Datenlösungen auf die Cloud. Um Umgebungen zu verbinden, müssen Organisationen eine hybride Netzwerkarchitektur auswählen.

Wichtige Hybridanalyseszenarien:

Echtzeitanalysen

Mithilfe von Echtzeitanalysen können Organisationen auf Daten reagieren, sobald sie eintreffen. Im Folgenden finden Sie einige Ressourcen, die Ihnen bei den ersten Schritten mit Echtzeitanalysen für Azure helfen:

Weitere Analysebeispiele im Azure Architecture Center

AWS- oder Google Cloud-Experten

Diese Artikel können Ihnen helfen, schnell hochzufahren, indem Sie Azure Analyseoptionen mit anderen Clouddiensten vergleichen:

  • Last updated on