Nápady na řešení
Tento článek je nápadem na řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět prostřednictvím zpětné vazby na GitHubu.
Tento nápad řešení popisuje, jak použít grafické rozhraní TimeXtender k definování datového majetku.
Architektura
Stáhněte si soubor aplikace Visio s touto architekturou.
Tok dat
- Zkombinujte všechna strukturovaná a částečně strukturovaná data v Azure Data Lake Storage pomocí kanálu přípravy dat timeXtender se stovkami nativních datových konektorů.
- Vyčistěte a transformujte data pomocí výkonných analytických a výpočetních schopností Azure Databricks.
- Přesuňte vyčištěná a transformovaná data do Azure Synapse Analytics a vytvořte jedno centrum pro všechna vaše data. Využijte výhod nativních konektorů mezi Azure Databricks (PolyBase) a Azure Synapse Analytics pro přístup k datům a jejich přesun ve velkém měřítku.
- Vytváření provozních sestav a analytických řídicích panelů nad SQL Database k odvození přehledů z dat a použití Azure Analysis Services k poskytování dat.
- Spouštějte dotazy ad hoc přímo na data v Rámci Azure Databricks.
Komponenty
- Azure Data Lake Storage: Široce škálovatelná zabezpečená funkce Data Lake založená na Azure Blob Storage
- Azure Databricks: Rychlá, snadná analytická platforma založená na Apache Sparku a spolupráce
- Azure Synapse Analytics: Neomezená analytická služba s bezkonkurenčním časem na získání přehledů (dříve SQL Data Warehouse)
- Azure Analysis Services: Analytický modul na podnikové úrovni jako služba
- Power BI Embedded: Vložení plně interaktivních a úžasných vizualizací dat do aplikací
Podrobnosti scénáře
TimeXtender můžete použít k definování datového majetku prostřednictvím grafického uživatelského rozhraní. Definice se ukládají v úložišti metadat. Kód pro sestavení datového majetku se generuje automaticky, ale zůstává plně přizpůsobitelný. Výsledkem je moderní datový sklad, který je připravený podporovat analýzy škálování cloudu a AI.
Potenciální případy použití
- Žádné problémy s infrastrukturou nebo údržba
- Konzistentní výkon
- Nasazení a správa architektury a datových kanálů, datových modelů a sémantických modelů
Další kroky
- Dokumentace k Azure Data Lake Storage
- Dokumentace ke službě Azure Databricks
- Dokumentace k Azure Synapse Analytics
- Dokumentace k Azure Analysis Services
- Dokumentace k Power BI Embedded