Einführung in den Entwurf einer Analysearchitektur

Organisationen verlassen sich auf die Rechen-, Speicher- und Analyseleistung von Azure, um ihre Daten zu skalieren, zu streamen, vorherzusagen und anzuzeigen. Analyselösungen transformieren Datenvolumen in nützliche Business Intelligence (BI), wie Berichte und Visualisierungen, und erfindungsgemäße KI, z. B. Prognosen basierend auf maschinellem Lernen. Azure bietet eine Reihe von cloudbasierten Analysetools für Organisationen, die neu in Analysen und Organisationen sind, die ihre Implementierung erweitern müssen. Analyselösungen helfen Organisationen bei der Verwendung von Daten im großen Maßstab. Sie können eine Big Data-Architektur oder eine IoT-Architektur (Internet of Things) verwenden, um Rohdaten zu verarbeiten und dann in einen analytischen Datenspeicher zu verschieben. Dieser Datenspeicher wird zu einer einzigen Quelle der Wahrheit, die erkenntnissereiche Analyselösungen ermöglichen kann.

Architektur

Diagramm, das den Weg der Analyselösung auf Azure zeigt.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Das vorherige Diagramm zeigt eine typische Grundlegende oder Basisanalyseimplementierung. Echte Lösungen, die Sie in Azure erstellen können, finden Sie unter Analytics-Architekturen.

Erkunden von Analysehandbüchern, Architekturen und Lösungsideen

Die Artikel in diesem Abschnitt enthalten Leitfäden und vollständig entwickelte Architekturen, die Sie in Azure bereitstellen und auf Lösungen auf Produktionsniveau erweitern können. Lösungsideen veranschaulichen Implementierungsmuster und -möglichkeiten, die Sie beim Planen ihrer Analyse-Proof-of-Concept-Entwicklung (POC) berücksichtigen sollten. Diese Artikel können Ihnen dabei helfen, zu entscheiden, wie Sie Analysetechnologien in Azure einsetzen.

Analysehandbücher

Die folgenden Artikel helfen Ihnen, die besten Analysetechnologien für Ihre Workloadanforderungen zu bewerten und auszuwählen:

Die folgenden Artikel enthalten Anleitungen zu Strategien für die Notfallwiederherstellung (Dr) für Azure Datenplattformen:

  • Overview: Übersicht über DR-Strategien für Azure Datenplattformen.

  • Architecture: Architekturmuster für DR in Azure Datenplattformen.

  • Szenariodetails: Detaillierte Szenarien für die DR-Implementierung.

  • Empfehlungen: Bewährte Methoden für DR.

Analysearchitekturen

Die folgenden produktionsbereiten Architekturen veranschaulichen End-to-End-Analyselösungen, die Sie bereitstellen und anpassen können:

Ideen für Analyselösungen

Die folgenden Analyselösungsideen veranschaulichen Implementierungsmuster und Möglichkeiten zur Erkundung:

Erfahren Sie mehr über Analysen zu Azure

Microsoft Learn bietet free Online-Schulungsressourcen für Azure Analysetechnologien. Die Plattform bietet Videos, Lernprogramme und praktische Labore für bestimmte Produkte und Dienstleistungen sowie Lernpfade, die nach Jobrolle organisiert sind.

Die folgenden Ressourcen bieten grundlegende Kenntnisse für Analyseimplementierungen auf Azure:

Organisationsbereitschaft

Organisationen zu Beginn des Cloudakzeptanzprozesses können die Cloud Adoption Framework für Azure verwenden, um auf bewährte Anleitungen zuzugreifen, die die Cloudakzeptanz beschleunigen.

Um die Qualität Ihrer Analyselösung auf Azure zu gewährleisten, befolgen Sie die Anleitungen im Azure Well-Architected Framework. Das Well-Architected Framework bietet präskriptive Anleitungen für Organisationen, die architektonische Exzellenz anstreben, und beschreibt, wie Sie kostenoptimierte Azure Lösungen entwerfen, bereitstellen und überwachen können.

Bewährte Methoden

Bewährte Methoden in der Analyse stellen sicher, dass Lösungen skalierbar, zuverlässig, kosteneffizient und sicher sind.

Datenanalyse

Um Analysen für Azure zu verwenden, müssen Sie entscheiden, wie Sie Ihre Daten speichern. Anschließend können Sie die beste Datenanalysetechnologie für Ihr Szenario auswählen. Berücksichtigen Sie die folgenden Faktoren:

  • Datenspeicher: Wählen Sie basierend auf Ihrer Datenstruktur und Abfragemuster zwischen Datenseen, Data Warehouses und Seehäusern aus. Weitere Informationen zu Datenbanklösungen für Analyseworkloads finden Sie unter Entwurf der Datenbankarchitektur.

  • 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.

Vertrauenswürdige Daten

Für qualitativ hochwertige Analysen benötigen Sie robuste, vertrauenswürdige Daten. Informationssicherheitsmethoden tragen dazu bei, dass Ihre Daten während der Übertragung und im Ruhezustand geschützt sind. Der Zugriff auf Ihre Daten muss ebenfalls sicher sein. Um vertrauenswürdige Daten zu erzeugen, berücksichtigen Sie die folgenden Methoden und Steuerelemente:

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

  • Datenaufnahme orchestrieren: Verwenden Sie einen von Azure Data Factory oder Fabric-Pipelines unterstützten Datenworkflow oder eine Pipelinelösung.

  • Verarbeiten von Daten an Ort und Stelle: Verwenden Sie einen verteilten Datenspeicher, bei dem es sich um einen Big Data-Ansatz handelt, der größere Datenmengen und eine breitere Palette von Formaten unterstützt.

  • Vertrauliche Daten frühzeitig bereinigen: Um eine versehentliche Speicherung vertraulicher Daten in Ihrem Data Lake zu vermeiden, entfernen oder maskieren Sie diese Daten im Rahmen des Erfassungsworkflows.

  • Berücksichtigen Sie die Gesamtkosten: Wägen Sie die Stückkosten der erforderlichen Computeknoten gegen die Kosten pro Minute für die Ausführung eines Jobs auf diesen Knoten ab.

  • Erstellen eines einheitlichen Datensees: Kombinieren Sie den Speicher für Dateien in mehreren Formaten, ob strukturiert, halbstrukturiert oder unstrukturiert. Verwenden Sie Data Lake Storage als zentrale Quelle. Weitere Informationen finden Sie in der BI-Lösungsarchitektur im Exzellenzzentrum.

Bleiben Sie mit Analysen auf dem laufenden

Azure Analysedienste entwickeln sich weiter, um moderne Datenprobleme zu bewältigen. Informieren Sie sich über die neuesten Updates und Features.

Wenn Sie mit wichtigen Analysediensten auf dem laufenden bleiben möchten, lesen Sie die folgenden Artikel:

Weitere Ressourcen

Die folgenden Ressourcen können Ihnen helfen, mehr über Analysen zu erfahren.

Echtzeitanalysen

Organisationen können Echtzeitanalysen verwenden, um auf Daten zu reagieren, sobald sie eintreffen. Die folgenden Ressourcen können Ihnen bei den ersten Schritten mit Echtzeitanalysen auf Azure helfen:

Amazon Web Services (AWS) oder Google Cloud Professionals

Um Ihnen den Einstieg schnell zu erleichtern, vergleichen die folgenden Artikel Azure Analyseoptionen mit anderen Clouddiensten und bieten Migrationsleitfaden:

  • Last updated on