Analiz ve makine öğrenimi kullanarak tahmine dayalı bakımla hata önleme

Event Hubs
Machine Learning
Stream Analytics
Synapse Analytics
Power BI

Çözüm fikri

bizi görmek isterseniz, olası kullanım durumları, alternatif hizmetler, uygulama değerlendirmeleri veya fiyatlandırma kılavuzu gibi daha fazla bilgi için bu makaleyi genişlettikten sonra GitHub geri bildirimdebulunun!

gerçek zamanlı derleme satırı verilerinde gerçekleşmeden önce başarısızlık tahmin etmek için Azure Machine Learning nasıl kullanacağınızı öğrenin.

bu çözüm, azure tarafından yönetilen hizmetlerde oluşturulmuştur: Azure Stream Analytics, Event Hubs, Azure Machine Learning, Azure Synapse Analyticsve Power BI. Bu hizmetler, düzeltme eki uygulanan ve desteklenen yüksek kullanılabilirliğe sahip bir ortamda çalışır ve üzerinde çalıştıkları ortam yerine çözümünüze odaklanmanızı sağlar.

Mimari

Mimari diyagramı: tahmine dayalı bakımla hata önleme.Bu mimarinin bir SVG indirin.

Bileşenler

  • Ham derleme satırı verilerini Event Hubs ve Azure Stream Analytics üzerine geçirir.
  • Azure Stream Analytics , Event Hubs giriş akışında neredeyse gerçek zamanlı analizler sağlar. giriş verileri filtrelenmiştir ve bir Azure Machine Learning uç noktasına geçirilir. makine öğrenmesinin sonuçları Power BI panosuna gönderilir.
  • Azure Machine Learning , Stream Analytics olan gerçek zamanlı derleme hattı verilerine göre olası sorunları tahmin eder.
  • Azure SYNAPSE Analytics , derleme satırı verilerini hata tahminleriyle birlikte depolar.
  • Power BI , Stream Analytics ve veri ambarından tahmin edilen hataların ve uyarıların gerçek zamanlı derleme çizgisi verilerinin görselleştirilmesini mümkün.

Sonraki adımlar

Ürün belgelerine bakın:

Aşağıdaki ilgili Azure Mimari Merkezi makalelerine bakın: