Aplicativos inteligentes usando o Banco de Dados do Azure para PostgreSQL

Serviço de Aplicativo
Serviços Cognitivos
Banco de Dados para PostgreSQL
Machine Learning
Power BI

Ideia da solução

se você quiser nos ver, expanda este artigo com mais informações, como casos de uso em potencial, serviços alternativos, considerações sobre implementação ou diretrizes de preços, fale conosco com GitHub comentários!

Desenvolva aplicativos de transformação sofisticados usando algoritmos de aprendizado de máquina de ponta e ferramentas de visualização integradas para obter informações e análises acionáveis.

Neste exemplo de um aplicativo inteligente, PostgreSQL é o coração da arquitetura como o banco de dados principal para um caso de uso AIML comum da análise de texto de mídia social. O suporte do PostgreSQL para dados não estruturados, a capacidade de executar consultas paralelas e o particionamento declarativo o torna uma opção de banco de dados eficaz para uma tarefa de AIML altamente intensa. Como o PostgreSQL é uma solução baseada em nuvem, essa arquitetura não é recomendada para o aplicativo móvel e é mais apropriada para a análise de downstream.

Arquitetura

Diagrama de arquitetura Baixe um SVG dessa arquitetura.

Fluxo de dados

  1. os dados podem vir de várias fontes, como Hubs de eventos para grandes volumes de ingestão de dados, ou dados que são carregados no Blob Armazenamento. Uma Aplicativo de funções do Azure é disparada conforme novos dados são recebidos.
  2. O Aplicativo de funções do Azure chama o API de Análise de Texto nos serviços cognitivas do Azure para analisar os dados (por exemplo, para Análise de Sentimento). Os resultados da análise são retornados no formato JSON.
    • O API de Análise de Texto pode detectar o idioma do usuário, frases-chave usadas em uma revisão, identificar entidades nomeadas específicas e entender como os clientes realmente sentem os produtos adquiridos.
  3. O Aplicativo de funções do Azure armazena os dados e os resultados de Análise de Texto no banco de dados do Azure para MySQL.
  4. os modelos de NLP (processamento de linguagem Natural de aprendizado profundo) podem ser aplicados nas informações de API do PostgreSQL ou nos dados brutos iniciais-por meio do Azure Machine Learning Studio
    • Se você estiver se aproximando do componente Machine Learning dessa arquitetura com uma perspectiva sem código, poderá implementar outras operações de análise de texto nos dados, como hash de recurso, Word2Vector e extração de n-grama. Em vez disso, você pode usar seu modelo de NLP de código aberto favorito se preferir uma abordagem de primeiro código e executar seu modelo como um experimento no Azure Machine Learning.
    • os resultados dessa análise de ML adicional são salvos novamente no PostgreSQL
  5. por fim, as informações interpretadas por humanos podem ser exploradas em Power BI por meio do conector PostgreSQL.

Componentes

Considerações

Os serviços cognitivas do Azure API de Análise de Texto têm um tamanho máximo de 5120 caracteres para um único documento e um tamanho máximo de solicitação de 1 MB. Exiba os dados e os limites de taxa.

Dependendo do volume e da velocidade dos dados que estão sendo inseridos, você pode selecionar um dos três modos de implantação: servidor único, flexível e hiperescala (Citus). Supondo que você estaria comparando grandes cargas de trabalho de opiniões e análises dos clientes, o hiperescala é uma solução recomendada. Explore o módulo quando usar o banco de dados do Azure para PostgreSQL para saber quando usar cada modo de implantação.

Segurança

Todos os dados no PostgreSQL são automaticamente criptografados e submetidos a backup. Você pode configurar a proteção avançada contra ameaças do Azure para reduzir ainda mais as ameaças. Leia mais em proteção avançada contra ameaças no banco de dados do Azure para PostgreSQL.

DevOps

você pode configurar GitHub ações para se conectar ao banco de dados PostgreSQL do Azure usando sua cadeia de conexão e configurando um fluxo de trabalho. para obter mais informações sobre como fazer isso, consulte início rápido: usar ações de GitHub para se conectar ao Azure PostgreSQL.

além disso, você pode automatizar seu ciclo de vida de Azure Machine Learning usando Azure Pipelines. o repositório do MLOps com o Azure ML GitHub demonstra como colocar um fluxo de trabalho do MLOps em operação e criar um pipeline de CI/CD para seu projeto.

Preços

Os serviços do Azure cognitiva API de Análise de Texto preços são determinados pela instância selecionada e pelo número de transações por mês. Para obter mais detalhes, explore a calculadora de preços para análise de texto aqui.

Próximas etapas