使用適用於 PostgreSQL 的 Azure 資料庫之智慧型應用程式

App Service
認知服務
適用於 PostgreSQL 的資料庫
Machine Learning
Power BI

解決方案構想

如果您想要瞭解如何使用詳細資訊來擴充本文,例如可能的使用案例、替代服務、實行考慮或定價指引,請讓我們知道 GitHub 的意見反應!

使用最先進的機器學習演算法及整合的視覺效果工具來取得可操作的深入解析和分析,開發精密且革新的應用程式。

在此智慧型應用程式的範例中,于 postgresql 是一般 AIML 使用案例的一般使用案例之主要資料庫的核心架構。 于 postgresql 對於非結構化資料的支援、執行平行查詢和宣告式資料分割的能力,使其成為高度資料密集 AIML 工作的有效資料庫選擇。 由於于 postgresql 是以雲端為基礎的解決方案,因此不建議針對行動應用程式使用此架構,而且更適合下游分析。

架構

架構圖表會 下載此架構的SVG

資料流程

  1. 資料可能來自各種來源,例如適用于大量資料內嵌的事件中樞,或上傳至 Blob 儲存體的資料。 收到新的資料時,就會觸發 Azure 函數應用程式。
  2. Azure 函數應用程式會呼叫 Azure 認知服務中的文字分析 API 來分析資料 (例如情感分析) 。 分析結果會以 JSON 格式傳回。
    • 文字分析 API 可以偵測使用者語言、評論中所使用的關鍵字組、識別特定的命名實體,以及瞭解客戶對購買之產品的實際風格。
  3. Azure 函數應用程式會在適用於 MySQL 的 Azure 資料庫中儲存文字分析的資料和結果。
  4. NLP) 模型的深度學習自然語言處理 (可從于 postgresql 或初始原始資料到 Azure Machine Learning Studio 的 API 深入解析
    • 如果您使用無程式碼的觀點來接近此架構的機器學習元件,您可以對資料執行進一步的文字分析作業,例如特徵雜湊、Word2Vector 和 n 語法的解壓縮。 相反地,如果您偏好使用程式碼優先的方法,並在 Azure Machine Learning 中以實驗的形式執行您的模型,則可以使用您最愛的開放原始碼 NLP 模型。
    • 此進一步 ML 分析的結果會儲存回于 postgresql
  5. 最後,您可以透過於 postgresql 連接器,在 Power BI 中探索人為可解譯的見解。

單元

考量

Azure 認知服務文字分析 API 的單一檔案大小上限為5120個字元,最大要求大小為 1 MB。 查看資料和速率限制

根據輸入的資料量和速度,您可以選取三種部署模式的其中一種:單一伺服器、彈性和超大規模 (Citus) 。 假設您將會挖掘大量的客戶意見和評論工作負載,超大規模是建議的解決方案。 探索 使用適用於 PostgreSQL 的 Azure 資料庫學習模組 的時機,以瞭解何時使用每個部署模式。

安全性

于 postgresql 中的所有資料都會自動 加密 及備份。 您可以設定 Azure 進階威脅防護以進一步緩和威脅。 在適用於 PostgreSQL 的 Azure 資料庫中深入瞭解「Advanced 威脅防護」。

DevOps

您可以使用連接字串和設定工作流程,設定 GitHub Actions 連接到您的 Azure 于 postgresql 資料庫。 如需有關如何執行此動作的詳細資訊,請參閱快速入門:使用 GitHub Actions 連接到 Azure 于 postgresql

此外,您也可以使用Azure Pipelines將 Azure Machine Learning 生命週期自動化。 MLOps 與 Azure ML GitHub存放庫示範如何讓 MLOps 工作流程,並為您的專案建立 CI/CD 管線。

定價

Azure 認知服務文字分析 API 定價取決於所選實例和每月交易數。 如需詳細資訊,請流覽 此處文字分析的定價計算機

下一步