Lösningsidé
Om du vill att vi utökar den här artikeln med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du berätta för GitHub Feedback!
Den här lösningsidéen demonstrerar interaktiv analys med Azure Data Explorer för att utforska data med ad hoc, interaktiva och blixtsnabba frågor över små till extremt stora datavolymer. Den här datagranskningen kan göras med hjälp Azure Data Explorer inbyggda verktyg eller andra verktyg som du väljer. Den här lösningen fokuserar på integrering av Azure Data Explorer med resten av dataplattformens ekosystem.
Potentiella användningsfall
Den här lösningen används redan av Microsoft-kunder för att spåra användaraktivitet, hantera användarprofiler och användarsegmenteringsscenarier. Det globala programvaruföretaget Episerver använder till exempel Azure Data Explorer för att få bättre konsumentinsikter.
Arkitektur
Dataflöde
- Råa strukturerade, halvstrukturerade och ostrukturerade data (fritext), till exempel alla typer av loggar, affärshändelser och användaraktiviteter kan matas in i Azure Data Explorer från olika källor. Mata in data i strömnings- eller batchläge med hjälp av olika metoder.
- Mata in data i Azure Data Explorer med kort svarstid och högt dataflöde med hjälp av dess anslutningsappar för Azure Data Factory,Azure Event Hub,Azure IoT Hub,Kafkaoch så vidare. Mata i stället in data via Azure Storage (Blob eller ADLS Gen2), som använder Azure Event Grid och utlöser inmatningspipelinen för att Azure Data Explorer. Du kan också kontinuerligt exportera data till Azure Storage i komprimerat, partitionerat parquet-format och sömlöst fråga dessa data enligt beskrivningen i översikten över löpande dataexport.
- Kör interaktiva frågor över små till extremt stora mängder data med hjälp av Azure Data Explorer eller andra verktyg som du väljer. Azure Data Explorer många plugin-program och integreringar med resten av dataplattformens ekosystem. Använd något av följande verktyg och integreringar:
- För interaktiv analys använder du Azure Data Explorer webbgränssnitt,webbklient för Azure Data Explorer eller Kusto.Explorer, rich windows-klient för Azure Data Explorer.
- Om du vill ansluta till Azure Data Explorer-klustret använder du Jupyter Notebooks, Spark-anslutningsapp, valfri TDS-kompatibel SQL-klient, samt JDBC- och ODBC-anslutningar.
- Om du vill skapa nya appar eller integrera med befintliga appar eller ramverk använder du Azure Data Explorer REST-API:er och -SDK:er som är tillgängliga på olika språk.
- Skapa instrumentpaneler för analys i nära realtid med hjälp Azure Data Explorer instrumentpaneler,Power BIeller Grafana.
- Utöka data som kör federerade frågor genom att kombinera data från SQL databas och Azure Cosmos DB med Azure Data Explorer plugin-program.
Komponenter
- Azure Event Hub:En helt hanterad tjänst för datainmatning i realtid som är enkel, betrodd och skalbar.
- Azure IoT Hub:Hanterad tjänst för att möjliggöra dubbelriktad kommunikation mellan IoT-enheter och Azure.
- Kafka på HDInsight:Enkel, kostnadseffektiv tjänst i företagsklass för analys med öppen källkod med Apache Kafka.
- Azure Data Factory:Hybrid-dataintegreringstjänst som förenklar ETL i stor skala.
- Azure Data Explorer:Snabb, fullständigt hanterad och mycket skalbar dataanalystjänst för realtidsanalys på stora mängder data som strömmas från program, webbplatser, IoT-enheter med mera.
- Azure Data Explorer instrumentpaneler:Exportera Kusto-frågor som har utforskats i webbgränssnittet till optimerade instrumentpaneler.
- Azure Cosmos DB:Fullständigt hanterad snabb NoSQL-databastjänst för modern apputveckling med öppna API:er för alla skalor.
- Azure SQL DB:Skapa appar som skalas i takt med din verksamhet med hanterade och intelligenta SQL i molnet.
Nästa steg
Mer information finns i Azure Data Explorer dokumentationen.