Хранение и анализ данных

Сценарий этого примера демонстрирует конвейер данных, который объединяет большие объемы данных из нескольких источников в единую аналитическую платформу в Azure. Этот конкретный сценарий основан на решении по продажам и маркетингу, но конструктивные шаблоны актуальны для многих отраслей, требующих расширенной аналитики больших наборов данных, таких как электронная коммерция, розничная торговля и здравоохранение.

Архитектура

Скачайте файл Visio этой архитектуры.

Поток данных

Поток данных проходит через решение следующим образом.

1. Для каждого источника данных все обновления периодически экспортируются в промежуточную область в Azure Data Lake Storage.
2. Фабрика данных Azure добавочно загружает данные из Azure Data Lake Storage в промежуточные таблицы в Azure Synapse Analytics. В ходе этого процесса данные очищаются и преобразовываются. PolyBase может сделать процесс параллельным для больших наборов данных.
3. После загрузки нового пакета данных в хранилище создается ранее созданная табличная модель Служб Azure Analysis Services. Эта семантическая модель упрощает анализ бизнес-данных и связей.
4. Бизнес-аналитики используют Microsoft Power BI для анализа данных в хранилище с помощью семантической модели Analysis Services.

Компоненты

У компании имеются источники данных на различных платформах:

• Локальный сервер SQL Server
• Локальный Oracle
• База данных SQL Azure
• Табличное хранилище Azure
• Azure Cosmos DB (облачная база данных)

Данные из этих разных источников данных загружаются с помощью нескольких компонентов Azure:

• Data Lake Storage — это масштабируемая служба хранения данных для структурированных и неструктурированных данных. В этой архитектуре он выполняет этапы исходных данных до загрузки данных Azure Synapse Analytics. Он служит начальной целевой зоной для необработанных данных.
• Фабрика данных Azure — это облачная служба интеграции данных. В этой архитектуре он управляет преобразованием промежуточных данных в общую структуру в Azure Synapse Anayltics. Фабрика данных Azure использует PolyBase при загрузке данных в Azure Synapse Analytics для повышения пропускной способности.
• Azure Synapse Analytics — это распределенная система аналитики, которая объединяет большие данные и хранилище данных. В этой архитектуре. он хранит и анализирует большие наборы данных с помощью массовой параллельной обработки (MPP). Он служит основным аналитическим механизмом. Azure Synapse Analytics может использовать PolyBase для быстрой загрузки данных из Data Lake Storage.
• Службы Analysis Services — это полностью управляемая платформа для создания семантических моделей данных. В этой архитектуре она предоставляет табличную семантику модели, которая упрощает анализ данных и повышает производительность запросов. Его можно настроить для обновления после каждой загрузки данных в Azure Synapse Analytics, чтобы обеспечить up-to-date insights.
• Power BI — это набор средств бизнес-аналитики для анализа данных и обмена аналитическими сведениями. В этой архитектуре Power BI позволяет бизнес-аналитикам изучать и визуализировать данные. Он подключается к службам Analysis Services для семантического запроса или непосредственно к Azure Synapse Analytics для доступа к необработанным данным.
• Идентификатор Microsoft Entra — это облачная служба управления удостоверениями и доступом. В этой архитектуре пользователи, подключающиеся к серверу Служб Analysis Services, проходят проверку подлинности через Power BI. Фабрика данных Azure также может использовать идентификатор Microsoft Entra для проверки подлинности в Azure Synapse Analytics с помощью субъекта-службы или управляемого удостоверения для ресурсов Azure.

Альтернативные варианты

• Этот пример конвейера включает несколько разных источников данных. Эта архитектура может обрабатывать самые разнообразные источники реляционных и нереляционных данных.

• Фабрика данных управляет рабочими процессами конвейера данных. Если вы хотите загрузить данные только один раз или по запросу, можно использовать такие средства, как массовая копия SQL Server (bcp) и AzCopy для копирования данных в Azure Data Lake Storage. Затем данные можно загрузить напрямую в Azure Synapse с помощью PolyBase.

• Если у вас есть очень большие наборы данных, рассмотрите возможность использования Data Lake Storage, которая предоставляет неограниченное хранилище для аналитических данных.

• Azure Synapse не подходит для рабочих нагрузок OLTP или малых наборов данных (менее 250 ГБ). Для этих случаев следует использовать Базу данных SQL Azure или Microsoft SQL Server.

• Сравните с другими альтернативами:

  • Выбор технологии оркестрации конвейера данных в Azure
  • Выбор технологии пакетной обработки в Azure
  • Выбор аналитического хранилища данных в Azure
  • Выбор технологии аналитики данных в Azure

Подробности сценария

Этот пример демонстрирует компанию по продажам и маркетингу, которая создает программы стимулирования. Это программы для вознаграждения клиентов, поставщиков, продавцов и сотрудников. Основой для этих программ являются данные, и компания хочет улучшить аналитические сведения, полученные с помощью аналитики данных с использованием Azure.

Компании необходим современный подход к анализу данных, чтобы своевременно принимать решения, используя правильные данные. Компания поставила перед собой следующие цели.

• Объединить различные типы источников данных в платформу в масштабе облака.
• Преобразовать источник данных в общую классификацию и структуру, чтобы данные были согласованными и их можно было с легкостью сравнивать.
• Загружать данные, используя строгий параллельный подход, который может поддерживать тысячи программ стимулирования без высоких затрат на развертывание и обслуживание локальной инфраструктуры.
• Значительно уменьшить время, необходимое для сбора и преобразования данных, чтобы вы могли сосредоточиться на анализе данных.

Потенциальные варианты использования

Этот подход также может использоваться для:

• Создания хранилища данных, которое будет единственным источником правильных данных.
• Интеграции реляционных источников данных с другими неструктурированными наборами данных.
• Использования семантического моделирования и мощных средств визуализации для более простого анализа данных.

Рекомендации

Эти рекомендации реализуют основные принципы Azure Well-Architected Framework, которые являются набором руководящих принципов, которые можно использовать для улучшения качества рабочей нагрузки. Дополнительные сведения см. вWell-Architected Framework.

Технологии этой архитектуры были выбраны, поскольку они отвечали требованиям компании к масштабируемости и доступности во время контролирования затрат.

• Архитектура массовой параллельной обработки Azure Synapse обеспечивает масштабируемость и высокую производительность.
• Azure Synapse гарантирует соглашения об уровне обслуживания ирекомендации по достижению высокого уровня доступности.
• При низком уровне активности анализа компания может масштабировать Azure Synapse по запросу, уменьшая или даже уменьшая вычислительные ресурсы, чтобы снизить затраты.
• Службы Azure Analysis Services можно масштабировать, чтобы сократить время отклика во время выполнения высоких рабочих нагрузок запросов. Операции обработки могут выполняться отдельно от пула запросов, чтобы эти операции не замедлялись из-за клиентских запросов.
• Azure Analysis Services также гарантирует соглашения об уровне обслуживания и рекомендации по достижению высокого уровня доступности.
• Модель безопасности Azure Synapse обеспечивает безопасность подключения, проверку подлинности и авторизацию с помощью идентификатора Microsoft Entra или проверки подлинности SQL Server и шифрования. Службы Azure Analysis Services используют идентификатор Microsoft Entra для управления удостоверениями и проверки подлинности пользователей.

Оптимизация затрат

Оптимизация затрат фокусируется на способах сокращения ненужных расходов и повышения эффективности работы. Дополнительные сведения см. в контрольном списке проверки конструктора для оптимизации затрат.

Просмотрите пример ценообразования для сценария хранения данных с помощью калькулятора цен Azure. Изменяйте значения до тех пор, пока не увидите, как ваши требования влияют на затраты.

• Azure Synapse позволяет масштабировать уровни вычислений и хранилища независимо. Стоимость за использование вычислительных ресурсов взимается каждый час. По требованию пользователя может быть выполнена приостановка использования данных ресурсов или их масштабируемость. В ресурсах хранилища стоимость взимается за используемые терабайты, что значит, что при получении большего количества данных стоимость увеличится.
• Затраты на фабрику данных основаны на количестве операций чтения и записи, операций мониторинга и действий оркестрации, выполняемых в рабочей нагрузке. Затраты на фабрику данных будут увеличиваться с каждым дополнительным потоком данных и объемом данных, обрабатываемых каждым из них.
• Службы Analysis Services доступны на уровнях "Разработчик", "Базовый" и "Стандартный". Оценивание экземпляров происходит на основе используемых единиц обработки запроса (QPU) и доступной памяти. Чтобы снизить затраты, свести к минимуму количество запущенных запросов, необходимо знать, сколько данных они обрабатывают и как часто они запускаются.
• Power BI имеет различные варианты продукта для различных требований. Power BI Embedded предоставляет возможность внедрения функций Power BI в приложения на основе Azure. Экземпляр Power BI Embedded включен в образец цены выше.

Соавторы

Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующим участником.

Автор субъекта:

• Алекс Бак | Старший разработчик содержимого

Чтобы просмотреть недоступные профили LinkedIn, войдите в LinkedIn.

Следующие шаги

• Просмотрите структуру архитектуры баз данных.

• Дополнительные сведения о службах, используемых в этом сценарии:

  • Общие сведения о Azure Data Lake Storage 2-го поколения
  • Документация по Фабрике данных Azure
  • Что такое выделенный пул SQL в Azure Synapse Analytics?
  • Документация по Службам Azure Analysis Services
  • Документация по Power BI
  • Документация по Microsoft Entra