Azure 架構中心的新功能
Azure 架構中心 (AAC) 可協助您在 Azure 上設計、建置及操作解決方案。 瞭解雲端架構樣式和設計模式。 使用技術選擇和指南來決定適合您解決方案的服務。 此指引是以雲端建置的所有層面為基礎,例如作業、安全性、可靠性、效能和成本優化。
下列新的和更新的文章最近已在 Azure 架構中心發佈。
2024 年 5 月
新文章
- Azure 登陸區域中的 Azure OpenAI 聊天基準架構
- 開發RAG解決方案 - 區塊化階段
- 開發RAG解決方案 - 區塊擴充階段
- 開發RAG解決方案 - 產生內嵌階段
- 開發RAG解決方案 - 資訊擷取階段
- 開發RAG解決方案 - LLM 端對端評估階段
- 開發RAG解決方案 - 準備階段
- 設計和開發RAG解決方案指南
- 選擇用於向量搜尋的 Azure 服務
- 使用多租使用者應用程式實作跨租用戶通訊
- 透過閘道存取 Azure OpenAI 和其他語言模型
- 在多個 Azure OpenAI 部署或實例前面使用閘道
- 使用 HDInsight 和 Delta Lake 來管理事件數據
更新文章
- 基準 OpenAI 端對端聊天參考架構 (#21cef339cb)
- Apache Sqoop 移轉至 Azure (#593e37adc9)
- Azure DNS 私人解析程序 (#b24cbebe3b)
- Kubernetes 節點和節點集區管理 (#ed57efe0db)
- 對 Azure Synapse Analytics 啟用 MongoDB Atlas 數據變更的即時同步處理(#ed57efe0db)
- 使用 Microsoft Defender 全面偵測回應 安全性服務建置第二層防禦 (#08d94354f1)
- 安全管理的 Web 應用程式 (#894f65e5f0)
- AKS 叢集 的藍綠部署 (#894f65e5f0)
- 從 Azure 區域 遺失中復原 (#fddf1e1680)
- AKS 第 2 天指南:修補和升級指引 (#2b0016275a)
- Azure 架構完善的架構檢閱 Azure NAT 閘道 (#89e3eacb29)
- 多租使用者 的相關資源(#1e1a375e82)
- 多租使用者 Azure Kubernetes Service (AKS) 考慮 (#ebe4aa4348)
- IaaS 應用程式的 高可用性和災害復原 (#c79bfc3da7)
- 針對部署在 Azure Stack HCI 上的工作負載,使用 Azure Arc 進行混合式跨叢集調整 (#4338479d91)
- 代客金鑰模式 (#392626fa9b)
- 大規模自訂自然語言處理 (#aa9967e7d1)
- 使用 Azure 機器學習 進行許多模型機器學習 (#aa9967e7d1)
- 使用 Spark 的許多模型機器學習服務 (#aa9967e7d1)
- 建立個人化行銷解決方案 (#aa9967e7d1)
- 使用 Azure AI 服務 的客戶存留期價值和變換預測 (#8420397885)
2024 年 4 月
新文章
- 將大型主機數據遷移至 Azure
- 供應鏈管理 - 使用由 Azure 支援的 Kaleido 區塊鏈即服務來追蹤和追蹤
- 使用 Avanade AMT 進行 IBM z/OS 大型主機移轉
- 使用分割腦 DNS 設定來裝載 Web 應用程式
- 在 Azure 上重新調整 AIX 工作負載
更新文章
- 宣告檢查模式 (#7cd4a5fc06)
- Azure 大型主機和中層架構概念和模式 (#d4096a7e81)
- 適用於 .NET 的可靠 Web 應用程式模式 - 套用模式 (#c8dc2d83ac)
- 適用於 .NET 的可靠 Web 應用程式模式 - 規劃實 作 (#c8dc2d83ac)
- 適用於 Java 的可靠 Web 應用程式模式 - 套用模式 (#c8dc2d83ac)
- 適用於 Java 的可靠 Web 應用程式模式 - 規劃實 作 (#c8dc2d83ac)
- 可靠的 Web 應用程式模式 (#c8dc2d83ac)
- 編舞模式 (#44545f677e)
- 分割模式 (#53dea81b8b)
- 使用 Avanade AMT 進行 Unisys 大型主機移轉 (#ef52a9c4b8)
- 混合式環境中的 Azure 檔案共用 (#78c1ee7b97)
- Azure 企業雲端檔案共享 (#d392845160)
- 使用 Azure Stack Hub 在邊緣中斷連線的 AI (#5c8a0bfe5b)
- Azure 機器學習 架構 (#5c8a0bfe5b)
- 使用即時分析 的客戶流失預測 (#5c8a0bfe5b)
- 客戶支援和意見反應分析 (#5c8a0bfe5b)
- 在邊緣 部署 AI 和機器學習 (#5c8a0bfe5b)
- 使用 Azure 機器學習 (#9597e138f4) 將機器學習作業 (MLOps) 架構調整為機器學習生命週期
- MLOps 解決方案 的網路安全性檢查清單 (#9597e138f4)
- 以查詢為基礎的檔案摘要 (#9597e138f4)
- Azure Stack Hub 邊緣的 AI (#9597e138f4)
- 建置及部署社交媒體分析解決方案 (#f2fe7193e5)
- Azure 上的影像分類 (#f2fe7193e5)
- 無伺服器事件處理 (#863c1fb294)
- 沒有伺服器 Web 應用程式 (#08aa3d6222)
- 多租使用者解決方案 中 IoT 的架構方法 (#95dfc35ea1)
- 保護受管制資料 的研究環境(#5be601f9c0)
- 建置語音轉換文字轉譯管線以分析錄製的 交談(#5be601f9c0)
- 交談摘要 (#5be601f9c0)
- 實作使用 AI 的自訂語音轉換文字解決方案(#5be601f9c0)
- 將自訂語音部署至使用 AI 的文字解決方案(#5be601f9c0)
- Microsoft 機器學習產品 (#5be601f9c0)
- 機器學習作業 (MLOps) v2 (#5be601f9c0)
- 適用於 Python 的 MLOps 與 Azure 機器學習 (#171d0a834e)
- 管路和篩選模式 (#b872e39b9a)
- Azure 上的取用者健康情況入口網站 (#4d8d14cfb0)
- 使用 電腦視覺 和 Azure 機器學習 分析影片內容 (#678b1208d7)
- 在 Azure 中自動化檔案類別 (#678b1208d7)
- 使用 AI 檔案智慧 將檔案處理自動化(#678b1208d7)
- 自動化 PDF 表單處理 (#678b1208d7)
- 使用 R 模型進行批次評分以預測銷售 (#678b1208d7)
- 深度學習模型的 批次評分 (#678b1208d7)
- 搭配多租使用者 Azure Kubernetes Service 使用 應用程式閘道 輸入控制器 (AGIC)(#f926f21c96)
- Azure DNS 私人解析程序 (#826d234caa)
2024 年 3 月
新文章
- SaaS 和多租使用者解決方案架構
- Microsoft Fabric 的部署模式
- Azure 上的憑證生命週期管理
- Azure 治理可視化檢視加速器指引
- SWIFT 聯盟遠端閘道與 Azure 上的聯盟 連線 虛擬
更新文章
- Azure 上的大型主機檔案複寫和同步處理 (#fd5382616c)
- 虛擬桌面架構設計 (#1f503526df)
- Azure 登陸區域 - Azure 虛擬桌面登陸區域設計考慮 (#1f503526df)
- 資料庫架構設計 (#48b8f2e522)
- 代客金鑰模式 (#ea584f3338)
- Azure 中的電腦鑑識監管鏈(#8450c5fe34)
- 銀行雲端轉換 的模式和實作(#f6f9920d52)
- 將 Azure 中的檔案分類自動化(#412e82c5e5)
- AWS 與 Azure 服務比較 (#412e82c5e5)
- 自我修復 的設計(#412e82c5e5)
- 使用平台即服務 (PaaS) 選項 (#9e1d8db29a)
- Web API 設計最佳做法 (#88d40e307f)
- Web API 實作 (#88d40e307f)
- 背景工作指引 (#88d40e307f)
- 選擇 Azure 容器服務的 一般考慮 (#759e0e1733)
- AKS 叢集 的基準架構 (#b5595d9697)
- 針對 AKS 叢集中 的網路問題進行疑難解答 (#cf8b9215de)
- IPv6 中樞輪輻網路拓撲 (#fb6207130d)
- 健康情況端點監視模式 (#87e9972941)
- 索引表模式 (#87e9972941)
- 領導人選舉模式 (#87e9972941)
- 具體化檢視模式 (#87e9972941)
- 傳訊橋模式 (#87e9972941)
- 管路和篩選模式 (#87e9972941)
- 優先順序佇列模式 (#87e9972941)
- Publisher-Subscriber 模式 (#87e9972941)
- 隔離模式 (#87e9972941)
- 佇列型負載撫平模式 (#87e9972941)
- 速率限制模式 (#87e9972941)
- 重試模式 (#87e9972941)
- 排程器代理程式監督員模式 (#87e9972941)
- 循序車隊模式 (#87e9972941)
- 分割模式 (#87e9972941)
- 側車模式 (#87e9972941)
- 靜態內容裝載模式 (#87e9972941)
- 勒格勒圖樣 (#87e9972941)
- 節流模式 (#87e9972941)
- 智慧型電子商務產品搜尋引擎 (#b227ec9aa9)
2024 年 2 月
新文章
- 從 Amazon Elastic Kubernetes Service (EKS) 遷移至 Azure Kubernetes Service (AKS)
- 使用 SQL 在 Azure 上裝載 Murex MX.3 工作負載
- IPv6 中樞輪輻網路拓撲
- 隔離模式
更新文章
- 資料庫架構設計 (#3ba5551b02)
- Team 資料科學 Process 中的群組管理員工作 (#e970efb5a8)
- 小組 資料科學 程式生命週期的客戶接受階段(#e970efb5a8)
- 小組 資料科學 程式生命週期的商務了解階段(#e970efb5a8)
- 小組 資料科學 程式生命周期的數據取得和了解階段(#e970efb5a8)
- 小組 資料科學 程式生命週期的部署階段(#e970efb5a8)
- 小組 資料科學 程式生命週期的模型化階段(#e970efb5a8)
- 小組 資料科學 程式生命週期 (#e970efb5a8)
- 使用 SSIS 連接器移動 Blob 儲存體 資料 (#e970efb5a8)
- 什麼是 Team Data Science Process? (#e970efb5a8)
- 準備 機器學習 Studio (傳統) (#e970efb5a8) 的數據
- Team 資料科學 Process 中的個別參與者工作(#e970efb5a8)
- Team 資料科學 Process 中的項目負責人工作(#e970efb5a8)
- Team 資料科學 Process 中的角色和工作(#e970efb5a8)
- 適用於資料科學家的小組 資料科學 程式 (#e970efb5a8)
- Team 資料科學 Process 中的小組領導工作(#e970efb5a8)
- 管路和篩選模式 (#3384d4cef1)
- Azure 圖示 (#e57764588e)
- 使用 Azure OpenAI 或 Azure AI 搜尋來搜尋和查詢企業 知識庫 (#f8cde6690c)
- 選擇 Azure 容器服務的 一般考慮 (#b91e17155e)
- 具有 Azure 防火牆 與 應用程式閘道的 Web 應用程式零信任網路(#7dd617e4dd)
- 適用於虛擬網路 的防火牆、應用程式閘道(#31392db970)
- 大使模式 (#64f6bb1215)
- 反腐層模式 (#64f6bb1215)
- 異步要求-回復模式 (#64f6bb1215)
- 前端模式 的後端 (#64f6bb1215)
- 大額圖樣 (#64f6bb1215)
- 快取擱置模式 (#64f6bb1215)
- 編舞模式 (#64f6bb1215)
- 斷路器模式 (#64f6bb1215)
- 宣告檢查模式 (#64f6bb1215)
- 補償交易模式 (#64f6bb1215)
- 競爭消費者模式 (#64f6bb1215)
- 計算資源匯總模式 (#64f6bb1215)
- CQRS 模式 (#64f6bb1215)
- 部署戳記模式 (#64f6bb1215)
- 事件來源模式 (#64f6bb1215)
- 外部組態存放區模式 (#64f6bb1215)
- 同盟身分識別模式 (#64f6bb1215)
- 門衛模式 (#64f6bb1215)
- 閘道匯總模式 (#64f6bb1215)
- 閘道卸除模式 (#64f6bb1215)
- 閘道路由模式 (#64f6bb1215)
- 地理特徵模式 (#64f6bb1215)
- 多租使用者和 Azure 事件中樞 (#67b065b5a7)
- 部署 Azure 登陸區域 (#851289722f)
- 使用 Azure Kubernetes Service 建置NCF專案 (#adc0cbe6cd)
意見反映
https://aka.ms/ContentUserFeedback。
即將推出:我們會在 2024 年淘汰 GitHub 問題,並以全新的意見反應系統取代並作為內容意見反應的渠道。 如需更多資訊,請參閱:提交及檢視以下的意見反映: