編輯

Share via

Azure 機器學習 架構

Azure Machine Learning
Azure Synapse Analytics
Azure Container Registry
Azure 監視器
Power BI

解決方案構想

本文是解決方案概念。 如果您想要使用詳細資訊來擴充內容，例如潛在的使用案例、替代服務、實作考慮或定價指引，請提供 GitHub 意見反應讓我們知道。

此架構說明使用 Azure 機器學習 建置、部署及管理高品質模型的元件，這是端對端機器學習生命周期的服務。

架構

使用 Azure 機器學習 搭配 Azure 服務進行記憶體、數據分析、監視、驗證及安全部署的機器學習解決方案架構圖表。

下載此架構的 Visio 檔案。

注意

本文所述的架構是以 Azure 機器學習 的 CLI 和 Python SDK v1 為基礎。 如需新 v2 SDK 和 CLI 的詳細資訊，請參閱 什麼是 CLI 和 SDK v2。

資料流程

  1. 將所有結構化、非結構化和半結構化數據（記錄、檔案和媒體）整合至 Azure Data Lake 儲存體 Gen2。
  2. 使用 Azure Synapse Analytics 中的 Apache Spark 來清除、轉換和分析數據集。
  3. 在 Azure 機器學習 中建置和定型機器學習模型。
  4. 使用 Microsoft Entra ID 和 Azure 金鑰保存庫 控制數據和機器學習工作區的存取和驗證。 使用 Azure Container Registry 管理容器。
  5. 使用 Azure Kubernetes Services 將機器學習模型部署至容器，使用 Azure VNet 和 Azure Load Balancer 來保護和管理部署。
  6. 使用來自 Azure 監視器的記錄計量和監視，評估模型效能。
  7. 視需要在 Azure 機器學習 中重新定型模型。
  8. 使用 Power BI 將資料輸出可視化。

元件

  • Azure 機器學習 是端對端機器學習生命週期的企業級機器學習服務。
  • Azure Synapse Analytics 是統一的服務，可讓您內嵌、探索、準備、轉換、管理和提供數據，以滿足立即 BI 和機器學習需求。
  • Azure Data Lake 儲存體 Gen2 對於高效能分析工作負載而言，是可大幅調整且安全的 Data Lake。
  • Azure Container Registry 是 Docker 和 Open Container Initiative （OCI） 映射的登錄，可支援所有 OCI 成品。 使用完全受控且異地複寫之 OCI 發佈的執行個體，來建置、儲存、保護、掃描、複寫及管理容器映像和成品。
  • Azure Kubernetes Service Azure Kubernetes Service （AKS） 提供無伺服器 Kubernetes、整合式持續整合和持續傳遞 （CI/CD） 體驗，以及企業級的安全性與治理。 使用完全受控的 Kubernetes 服務，更輕鬆地部署及管理容器化應用程式。
  • Azure 監視器 可讓您收集、分析及處理來自 Azure 和內部部署環境的遙測數據。 Azure 監視器有助您將應用程式的效能和可用性最大化，並在幾秒內主動發現問題。
  • Azure 金鑰保存庫 保護雲端應用程式和服務所使用的密碼編譯密鑰和其他秘密。
  • Azure Load Balancer 會 以高效能和低延遲來平衡因特網和專用網流量。 Load Balancer 可在虛擬機器、虛擬機器擴展集和 IP 位址之間運作。
  • Power BI 是一套商務分析工具，可在整個組織中提供深入解析。 連線 至數百個數據源、簡化數據準備，以及推動非計劃性分析。 產生美觀的報表，然後將其發佈，讓組織可在 Web 和所有行動裝置上使用。

案例詳細資料

使用 Azure 機器學習 建置、部署及管理高品質的模型，這是端對端機器學習生命周期的服務。 在專為負責任機器學習所設計的安全信任平臺上，使用領先業界的 MLOps（機器學習作業）、開放原始碼互操作性和整合工具。

潛在使用案例

  • 使用機器學習即服務。
  • 簡單且有彈性的建置介面。
  • 各種支持的演算法。
  • 輕鬆實作 Web 服務。
  • 適用於機器學習解決方案的絕佳檔。

考量

這些考量能實作 Azure Well-Architected Framework 的要素，其為一組指導原則，可以用來改善工作負載的品質。 如需詳細資訊，請參閱 Microsoft Azure Well-Architected Framework (部分機器翻譯)。

成本最佳化

成本最佳化是關於考慮如何減少不必要的費用，並提升營運效率。 如需詳細資訊，請參閱成本最佳化要素的概觀。

參與者

本文由 Microsoft 維護。 原始投稿人如下。

主要作者：

若要查看非公開的 LinkedIn 設定檔，請登入 LinkedIn。

下一步

請參閱此解決方案中重要服務的檔案：

請參閱 Azure 架構中心的相關指引：