Küçük ve orta ölçekli işletmeler (SMB), şirket içi veri ambarlarını bulut için modernleştirerek bir seçenekle karşı karşıyadır. Gelecekte genişletilebilirlik için büyük veri araçlarını benimseyebilirsiniz veya maliyet verimliliği, bakım kolaylığı SQL sorunsuz geçiş için geleneksel, SQL tabanlı çözümlere sahip olabilir.
Ancak karma yaklaşım, mevcut veri varlıklarının kolay geçişini bazı kullanım örnekleri için büyük veri araçları ve işlemleri ekleme fırsatıyla birleştirir. SQL tabanlı veri kaynakları bulutta çalışmaya devam eder ve uygun şekilde modernleştirmeye devam eder.
Bu örnek iş yükü, SMB'ler eski veri depolarını modernleştirmenin ve geçerli bütçeleri ve beceri kümeleri aşırı harcamadan büyük veri araçlarını ve yeteneklerini keşfetmenin çeşitli yollarını gösterir. Bu uzamlı Azure veri depolama çözümleri Azure ve Microsoft hizmetleri, Microsoft Power Platform ve Microsoft Dynamics gibi Azure Machine Learning araçlarıyla kolayca tümleşebilir.
Olası kullanım örnekleri
Bu iş yükünden çeşitli senaryolar yararlanabilir:
1 TB'den küçük olan ve saklı yordamları düzenlemeye ilişkin SQL Server Integration Services (SSIS) paketlerini yaygın olarak kullanan geleneksel, şirket içi ilişkisel veri ambarlarını geçirdin.
Mevcut Dynamics veya Power Platform Dataverse verilerini toplu ve gerçek zamanlı Azure Data Lake kaynaklarıyla meshing.
Merkezi Data Lake verilerle etkileşim kurmak için yenilikçi Depolama kullanma. Teknikler sunucusuz analiz, bilgi madenciliği, etki alanları arasında veri uzması ve son kullanıcı veri keşfidir.
Bu çözüm aşağıdakiler için önerilmez:
Bir yıl içinde 1 TB olduğu tahmin edilen veri ambarlarının yeşil alan dağıtımı.
1 TB'lık veya bir yıl içinde bu boyuta büyümesi gereken şirket içi > veri ambarlarının benimser.
Mimari
Eski SMB veri ambarları çeşitli veri türleri içerebilir:
- Belgeler ve grafikler gibi yapılandırılmamış veriler
- Günlükler, CSV'ler, JSON ve XML dosyaları gibi yarı yapılandırılmış veriler
- Ayıklama-dönüştürme-yükleme/ayıklama-yükleme-dönüştürme (ETL/ELT) etkinlikleri için saklı yordamları kullanan veritabanları da dahil olmak üzere yapılandırılmış ilişkisel veriler
Aşağıdaki veri akışı, seçtiğiniz veri türünün alımını gösteriyor:
Azure Synapse Analytics eski veri ambarlarını Azure'a alan işlem hatlarıdır.
İşlem hatları, eski veritabanlarının ve SSIS paketlerinin geçiş veya kısmen yeniden düzenleme akışını Azure SQL Veritabanı. Bu lift-and-shift ile kaydırma yaklaşımı, uygulanması en hızlı olan yaklaşımdır ve şirket içi SQL çözümünden son bir Azure hizmet olarak platforma (PaaS) sorunsuz bir geçiş sunar. Lift and shift sonrasında veritabanlarını artımlı olarak modernleştirebilirsiniz.
İşlem hatları, diğer kaynaklarla merkezi depolama ve analiz için Azure Data Lake Depolama yapılandırılmamış, yarı yapılandırılmış ve yapılandırılmış verileri de aktarabilirsiniz. Verileri kullanmak, verileri yeniden yaslamadan daha fazla iş avantajı sağlarken bu yaklaşımı kullanın.
Microsoft Dynamics veri kaynakları, Synapse Sunucusuz analiz araçlarını kullanarak artırılmış veri kümelerinde merkezi BI panoları oluşturmak için kullanılabilir. Ekli, işlenmiş verileri Dynamics'e geri getirebilir ve daha fazla analiz Power BI için bu verileri geri getirebilirsiniz.
Akış kaynaklarından gelen gerçek zamanlı veriler, akış kaynakları aracılığıyla sisteme Azure Event Hubs. Gerçek zamanlı pano gereksinimleri olan müşteriler için Azure Stream Analytics anında analiz edebilirsiniz.
Veriler daha fazla analiz, depolama ve raporlama için merkezi Data Lake'e de girebilirsiniz.
Sunucusuz analiz araçları, Azure Synapse Analytics kullanılabilir. Bu araçlar, Data Lake SQL verileri Apache Spark için sunucusuz havuz veya veri işlem Depolama. Sunucusuz havuzlar isteğe bağlı olarak kullanılabilir ve sağlanan kaynak gerektirmez.
Sunucusuz havuzlar şunların için idealdir:
- T-SQL biçiminde geçici veri bilimi araştırmaları.
- Veri ambarı varlıkları için erken bir prototyping.
- Performans gecikmelerini tolere edile senaryolar için tüketicilerin Power BI görünümler tanımlama.
Azure Synapse, tümleştirilmiş veri kümelerinin potansiyel tüketicileriyle sıkı bir şekilde tümleştirilmiştir, Azure Machine Learning. Diğer tüketiciler web Power Apps, Azure Logic Apps, Azure İşlevleri uygulamaları ve Azure App Service uygulamaları içerebilir.
Bileşenler
Azure Synapse Analytics tümleştirme, kurumsal veri depolama ve büyük veri analizini birleştiren bir analiz hizmetidir. Bu çözümde:
- Azure Synapse Çalışma Alanı veri mühendisleri, veri bilimcileri, veri analistleri ve iş zekası (BI) uzmanları arasındaki işbirliğini teşvik ediyor.
- Azure Synapse işlem hatları, verileri SQL Veritabanı ve Data Lake Depolama.
- Azure Synapse sunucusuz SQL, Data Lake'te yapılandırılmamış ve yarı yapılandırılmış verileri isteğe Depolama analiz eder.
- Azure Synapse sunucusuz Apache Spark, Spark SQL, pySpark ve Scala gibi Spark dilleriyle Data Lake Depolama'da koda ilk kez araştırma yapar.
Azure SQL Veritabanı, bulut için yerleşik akıllı, ölçeklenebilir, ilişkisel bir veritabanı hizmetidir. Bu çözümde, SQL Veritabanı veri ambarlarını tutar ve saklı yordamları kullanan ETL/ELT etkinlikleri gerçekleştirir.
Azure Event Hubs gerçek zamanlı bir veri akışı platformu ve olay alımı hizmetidir. Event Hubs her yerden veri edinerek Azure veri hizmetleriyle sorunsuz bir şekilde tümleştirebilirsiniz.
Azure Stream Analytics, akış verileri için gerçek zamanlı ve sunucusuz bir analiz hizmetidir. Stream Analytics hızlı, esnek ölçeklenebilirlik, kurumsal sınıf güvenilirlik ve kurtarma ve yerleşik makine öğrenmesi özellikleri sunar.
Azure Machine Learning, veri bilimi modeli geliştirme ve yaşam döngüsü yönetimi için bir araç setidir. Machine Learning, Data Lake Microsoft hizmetleri verilerini tüketen Azure ve Depolama.
Alternatifler
Azure IoT Hub yerine veya tamamlayan Event Hubs. Seçtiğiniz çözüm, akış verilerinizin kaynağına ve raporlama cihazlarıyla kopyalama ve çift yönlü iletişime ihtiyacınız olup olmadığınıza bağlıdır.
İşlem hatlarını Azure Data Factory yerine veri tümleştirmesi Azure Synapse kullanabilirsiniz. Seçim çeşitli faktörlere bağlıdır:
- Azure Synapse işlem hatları çözüm tasarımını daha basit hale getirir ve tek bir çalışma alanında işbirliğine Azure Synapse sağlar.
- Azure Synapse işlem hatları, SSIS paketlerinin yeniden barındır Azure Data Factory.
- Synapse İzleyici Hub'ı Azure Synapse işlem hatlarını izlerken Azure İzleyici izleme Data Factory.
Daha fazla bilgi ve işlem hatları ile Azure Synapse karşılaştırması için Data Factory veri tümleştirmesi ve Azure Synapse Analytics karşılaştırması Azure Data Factory.
Kurumsal verileri Synapse Analytics için ayrılmış SQL havuzlarını kullanmak yerine kurumsal veri SQL Veritabanı. Karara varma için bu makaledeki kullanım durumlarını ve dikkat edilmesi gerekenleri ve ilgili kaynakları gözden geçirebilirsiniz.
Dikkat edilmesi gerekenler
Bu senaryo için aşağıdaki önemli noktalar geçerlidir:
Kullanılabilirlik
SQL Veritabanı yüksek kullanılabilirlik (HA) ve olağanüstü durum kurtarma (DR) gereksinimlerinizi karşılay bir PaaS hizmetidir. Gereksinimlerinizi karşılayacak SKU'nun seçnak olduğundan emin olun. Rehberlik için bkz. Yüksek kullanılabilirlik Azure SQL Veritabanı.
Operations
SQL Veritabanı saklı yordamlar SQL Server Management Studio eski yapıtları geliştirmek ve korumak için SQL Server Management Studio (SSMS) kullanır.
Fiyatlandırma
Azure fiyatlandırma hesaplayıcısında SMB veri depolama senaryosu için fiyatlandırma örneğine bakın. Gereksinimlerinizin maliyetleri nasıl etkilediğini görmek için değerleri ayarlayın.
SQL Veritabanı, seçili İşlem ve Hizmet katmanlarına ve sanal çekirdek ve Veritabanı İşlem Birimi (DDU) sayısına göre belirlenir. Bu örnekte, sanal veritabanında saklı yordamları çalıştırmanız gerekmektedir varsayımını temel alarak sağlanan İşlem ve sekiz sanal çekirdek ile tek bir veritabanı SQL Veritabanı.
Data Lake Depolama fiyatlandırması, depolana veri miktarına ve verileri ne sıklıkta kullandığınıza bağlıdır. Örnek fiyatlandırma, daha fazla işlem varsayımı ile birlikte depolanan 1 TB veri içerir. 1 TB, eski veritabanı boyutunu değil veri gölü boyutunu ifade eder.
Azure Synapse işlem hatları, veri işlem hattı etkinlikleri, tümleştirme çalışma zamanı saatleri, veri akışı kümesi boyutu ve yürütme ve işlem ücretlerinin sayısına göre maliyetleri temel almaktadır. İşlem hattı maliyetleri, ek veri kaynakları ve işlenen veri miktarıyla artar. Örnekte, Azure'da barındırılan tümleştirme çalışma zamanında 15 dakika boyunca her saat bir toplu olarak bir veri kaynağı olduğu varsayıldı.
Azure Synapse Spark havuzu, fiyatlandırmayı düğüm boyutuna, örnek sayısına ve çalışma süresine göre temel almaktadır. Örnekte, kullanımı haftada beş saat ile 40 saat arasında olan küçük bir işlem düğümü varsayıldı.
Azure Synapse sunucusuz SQL havuzu, işlenen veri veritabanı fiyatlandırmalarını temel almaktadır. Örnekte, ayda 50 TB'nin işlenmiş olduğu varsayıldı. Bu şekil, eski veritabanı boyutunu değil veri gölü boyutunu ifade eder.
Event Hubs, sağlanan işleme birimleri ve alınan giriş trafiğine göre faturalar. Örnekte, standart katmanda bir ay boyunca bir milyondan fazla olay için bir işleme birimi olduğu varsayılacaktır.
Stream Analytics, sağlanan akış birimlerinin sayısına göre maliyetleri temel almaktadır. Örnekte ay boyunca kullanılan bir akış birimi varsayılacaktır.
Sonraki adımlar
- eğitim içeriği ve laboratuvarları için Microsoft Learn veri mühendisine Learning yolları' na bakın.
- Öğretici: Azure SYNAPSE Analytics 'i kullanmaya başlama
- tek bir veritabanı oluşturma-Azure SQL Veritabanı
- Azure Data Lake Storage için bir depolama hesabı oluşturun
- Azure Event Hubs hızlı başlangıç-Azure portal kullanarak bir olay hub 'ı oluşturma
- Hızlı başlangıç-Azure portal kullanarak Stream Analytics işi oluşturma
- Hızlı başlangıç: Azure Machine Learning kullanmaya başlayın
İlgili kaynaklar
- Veri işlem hatları, veri depolama, çevrimiçi analitik işleme (OLAP) ve büyük veriler hakkında kapsamlı mimari yönergeler için bkz. Azure veri mimarisi Kılavuzu.
- Aşağıdakiler hakkında daha fazla bilgi edinin: