解決方案構想
本文是解決方案概念。 如果您想要以更多資訊擴充內容，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。
此解決方案概念示範如何在 Azure Data Explorer中使用互動式分析。 其描述如何使用即時、互動式、快速查詢來檢查結構化、半結構化和非結構化資料。
Jupyter 是其個別公司的商標。 使用此標記不會隱含任何背書。 Apache® 和 Apache Kafka® 是美國和/或其他國家/地區的 Apache Software Foundation 注冊商標或商標。 使用這些標記不會隱含 Apache Software Foundation 的背書。
架構
下載這個架構的 Visio 檔案 。
資料流程
- 原始結構化、半結構化和非結構化 (自由文字) 資料，例如任何類型的記錄、商務事件和使用者活動，都可以從各種來源擷取到 Azure Data Explorer。 使用各種方法擷取串流或批次模式中的資料。
- 使用其連接器將資料內嵌至 Azure Data Explorer，並具有低延遲和高輸送量，以用於Azure Data Factory、Azure 事件中樞、Azure IoT 中樞、Kafka等等。 相反地，透過 Azure 儲存體 (Blob 或 ADLS Gen2) 擷取資料，它會使用Azure 事件方格，並將擷取管線觸發至 Azure Data Explorer。 您也可以使用壓縮、分割的 parquet 格式持續將資料匯出至 Azure 儲存體，並順暢地查詢該資料，如 連續資料匯出概觀中所述。
- 使用原生 Azure Data Explorer工具或您選擇的替代工具，對非常大量的資料執行互動式查詢。 Azure Data Explorer提供許多外掛程式和與其餘數據平臺生態系統的整合。 使用下列任何工具和整合：
- 如需互動式分析，請使用Azure Data Explorer Web UI、適用于 Azure Data Explorer的 Web 用戶端，或適用于 Azure Data Explorer 的Kusto.Explorer、豐富的 Windows 用戶端。
- 若要連線到您的 Azure Data Explorer 叢集，請使用Jupyter Notebook、Spark 連接器、任何符合 TDS 規範的 SQL 用戶端，以及 JDBC和 ODBC 連線。
- 若要建置新的應用程式或與現有的應用程式或架構整合，請使用不同語言提供的 Azure Data Explorer REST API 和 SDK。
- 使用Azure Data Explorer 儀表板、Power BI或Grafana建置近乎即時的分析儀表板。
- 使用 Azure Data Explorer 外掛程式結合 SQL Database 和 Azure Cosmos DB 的資料，以擴充執行同盟查詢的資料。
單元
- Azure 事件中樞：簡單、受信任且可調整的完全受控即時資料擷取服務。
- Azure IoT 中樞：受控服務，可啟用 IoT 裝置與 Azure 之間的雙向通訊。
- HDInsight 上的 Kafka：使用 Apache Kafka 進行開放原始碼分析的簡單、符合成本效益、企業級服務。
- Azure Data Factory：可大規模簡化 ETL 的混合式資料整合服務。
- Azure Data Explorer：快速、完全受控且高度可調整的資料分析服務，以即時分析來自應用程式、網站、IoT 裝置等大量資料串流。
- Azure Data Explorer儀表板：原生匯出 Web UI 中探索到優化儀表板的 Kusto 查詢。
- Azure Cosmos DB：完全受控的快速 NoSQL 資料庫服務，適用于任何規模的開放式 API 進行新式應用程式開發。
- Azure SQL DB：使用雲端中的受控和智慧型 SQL 來建置可調整業務步調的應用程式。
實例詳細資料
此解決方案概念示範如何搭配 Azure Data Explorer使用互動式分析，以透過小型到極大量的資料快速查詢來探索資料。 這項資料探索可以使用原生 Azure Data Explorer工具或您選擇的替代工具來完成。 此解決方案著重于 Azure Data Explorer與其餘數據平臺生態系統的整合。
潛在使用案例
Microsoft 客戶會使用此解決方案來追蹤使用者活動、管理使用者設定檔和使用者分割案例。
參與者
本文由 Microsoft 維護。 最初是由下列參與者所撰寫。
主體作者：
- Ornat Spodek |資深內容管理員
下一步
如需詳細資訊，請參閱Azure Data Explorer檔。