ソリューションのアイデア
このアーティクルはソリューションのアイデアです。 このコンテンツにさらに多くの情報 (想定されるユース ケース、代替サービス、実装に関する考慮事項、価格ガイダンスなど) の掲載をご希望の方は、GitHub のフィードバックでお知らせください。
このソリューションのアイデアでは、TimeXtender グラフィカル インターフェイスを使用してデータ資産を定義する方法について説明します。
アーキテクチャ
このアーキテクチャの Visio ファイルをダウンロードします。
データフロー
- TimeXtender' の Data Engineering パイプラインと数百のネイティブ データ コネクタを使用して、Azure Data Lake Storage のすべての構造化と半構造化のデータを結合します。
- Azure Databricks の優れた分析機能と計算機能を使用して、データをクリーンアップおよび変換します。
- クレンジングおよび変換されたデータを Azure Synapse Analytics に移動し、すべてのデータ用に 1 つのハブを作成します。 Azure Databricks (PolyBase) と Azure Synapse Analytics 間のネイティブ コネクタを利用して、規模に応じてデータへのアクセスおよび移動を行います。
- SQL Database 上に運用レポートと分析ダッシュボードを作成して、データから分析情報を引き出し、Azure Analysis Services を使用してデータを提供します。
- Azure Databricks 内のデータに対してアドホック クエリを直接実行します。
Components
- Azure Data Lake Storage:Azure Blob Storage 上に構築された、非常にスケーラブルで安全なデータ レイク機能
- Azure Databricks:高速で使いやすい、コラボレーション対応の Apache Spark ベースの分析プラットフォーム
- Azure Synapse Analytics:分析情報を得る時間の点で比類のない無制限の分析サービス (以前の SQL Data Warehouse)
- Azure Analysis Services:サービスとしてのエンタープライズ グレードの分析エンジン
- Power BI Embedded:完全対話式で魅力的なデータの視覚エフェクトをアプリケーションに組み込む
シナリオの詳細
TimeXtender を使用して、グラフィカル ユーザー インターフェイスによりデータ資産を定義できます。 定義はメタデータ リポジトリに格納されます。 データ資産を構築するためのコードは自動的に生成されますが、完全にカスタマイズできます。 結果は、クラウド スケール分析と AI をサポートする準備ができている最新のデータ ウェアハウスです。
考えられるユース ケース
- インフラストラクチャの問題やメンテナンスが発生しない
- 一貫したパフォーマンス
- アーキテクチャとデータ パイプライン、データ モデル、セマンティック モデルの両方をデプロイして管理する
次のステップ
- Azure Data Lake Storage のドキュメント
- Azure Databricks のドキュメント
- Azure Synapse Analytics のドキュメント
- Azure Analysis Services のドキュメント
- Power BI Embedded のドキュメント