Lösningsidéer
Den här artikeln är en lösningsidé. Om du vill att vi utökar innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du berätta för oss genom att ge GitHub-feedback.
Den här lösningsidén beskriver hur du använder det grafiska gränssnittet TimeXtender för att definiera en dataegendom.
Arkitektur
Ladda ned en Visio-fil med den här arkitekturen.
Dataflöde
- Kombinera alla dina strukturerade och halvstrukturerade data i Azure Data Lake Storage med hjälp av TimeXtenders datateknikpipeline med hundratals interna dataanslutningar.
- Rensa och transformera data med hjälp av den kraftfulla analys- och beräkningsförmågan i Azure Databricks.
- Flytta rensade och transformerade data till Azure Synapse Analytics och skapa en hubb för alla dina data. Dra nytta av interna anslutningsappar mellan Azure Databricks (PolyBase) och Azure Synapse Analytics för att komma åt och flytta data i stor skala.
- Skapa driftrapporter och analysinstrumentpaneler ovanpå SQL Database för att härleda insikter från data och använda Azure Analysis Services för att hantera data.
- Kör ad hoc-frågor direkt på data i Azure Databricks.
Komponenter
- Azure Data Lake Storage: Massivt skalbara och säkra datasjöfunktioner som bygger på Azure Blob Storage
- Azure Databricks: Snabb, enkel och samarbetsbaserad Apache Spark-baserad analysplattform
- Azure Synapse Analytics: Gränslös analystjänst med oöverträffad tid till insikter (tidigare SQL Data Warehouse)
- Azure Analysis Services: Analysmotor i företagsklass som en tjänst
- Power BI Embedded: Bädda in helt interaktiva, fantastiska datavisualiseringar i dina program
Scenarioinformation
Du kan använda TimeXtender för att definiera en dataegendom via ett grafiskt användargränssnitt. Definitioner lagras på en metadatalagringsplats. Kod för att skapa dataegendomen genereras automatiskt och förblir helt anpassningsbar. Resultatet är ett modernt informationslager som är redo att stödja analys i molnskala och AI.
Potentiella användningsfall
- Inga infrastrukturproblem eller underhåll
- Konsekventa prestanda
- Distribuera och hantera både arkitekturen och datapipelines, datamodeller och semantikmodeller
Nästa steg
- Azure Data Lake Storage dokumentation
- Dokumentation om Azure Databricks
- dokumentation om Azure Synapse Analytics
- Azure Analysis Services dokumentation
- Dokumentation om Power BI Embedded