Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
As organizações dependem do poder de computação, armazenamento e análise de Azure para dimensionar, transmitir, prever e exibir seus dados. As soluções de análise transformam volumes de dados em BI (business intelligence) útil, como relatórios e visualizações, e IA inventiva, como previsões baseadas no aprendizado de máquina. Azure oferece uma variedade de ferramentas de análise baseadas em nuvem para organizações que são novas em análise e organizações que precisam expandir sua implementação. As soluções de análise ajudam as organizações a usar dados em escala. Você pode usar uma arquitetura de Big Data ou uma arquitetura de Internet das Coisas (IoT) para processar dados brutos e movê-los para um armazenamento de dados analíticos. Esse armazenamento de dados se torna uma única fonte de verdade que pode alimentar soluções de análise perspicazes.
Arquitetura
Carrege um arquivo Visio desta arquitetura.
O diagrama anterior demonstra uma implementação típica de análise básica ou de linha de base. Para conhecer soluções práticas que você pode criar no Azure, consulte Arquiteturas de análise.
Explorar guias de análise, arquiteturas e ideias de solução
Os artigos nesta seção incluem guias e arquiteturas totalmente desenvolvidas que você pode implantar em Azure e expandir para soluções de nível de produção. As ideias da solução demonstram padrões de implementação e possibilidades a serem consideradas à medida que você planeja o desenvolvimento de POC (prova de conceito) de análise. Esses artigos podem ajudá-lo a decidir como usar tecnologias de análise em Azure.
Guias de análise
Os artigos a seguir ajudam você a avaliar e selecionar as melhores tecnologias de análise para seus requisitos de carga de trabalho:
Conseque um serviço de análise de dados e relatórios: compare as opções de análise e visualização de dados em Azure.
Escolha um serviço de processamento em lote: avalie as tecnologias de processamento em lote para cargas de trabalho de Big Data.
Escolha um serviço de processamento de fluxo: compare as tecnologias de processamento de fluxo para análise em tempo real.
Escolha um armazenamento de dados analíticos: obtenha diretrizes sobre a seleção do armazenamento de dados analíticos.
Conseque um armazenamento de dados analítico no Microsoft Fabric: obtenha diretrizes sobre armazenamentos de dados no Fabric.
Os artigos a seguir fornecem diretrizes sobre estratégias de recuperação de desastre (DR) para Azure plataformas de dados:
Overview: visão geral das estratégias de DR para plataformas de dados Azure.
Architecture: padrões de arquitetura para DR em plataformas de dados Azure.
Detalhes do cenário: cenários detalhados para implementação de DR.
Recomendações: Melhores práticas para DR.
Arquiteturas de análise
As seguintes arquiteturas prontas para produção demonstram soluções de análise de ponta a ponta que você pode implantar e personalizar:
Análise de ponta a ponta com o Fabric: crie uma plataforma moderna de análise com o Fabric.
Armazenamento de dados e análise: Integre dados de várias fontes em uma plataforma unificada de análise.
Use Fabric para criar uma solução de BI empresarial: crie uma solução de BI empresarial usando Fabric.
Processamento de dados em lakehouse quase em tempo real: Use o Azure Synapse Analytics e o Azure Data Lake Storage para o processamento de lakehouse de dados quase em tempo real.
A sincronização em tempo real do MongoDB Atlas com Azure Synapse Analytics: sincronizar dados do Atlas do MongoDB para Azure Synapse Analytics em tempo real.
Processamento de fluxo com Azure Databricks: Crie um pipeline de processamento de fluxo de ponta a ponta usando o Azure Databricks.
Processamento de fluxo com Azure Stream Analytics: crie um pipeline de processamento de fluxo que ingere dados, correlaciona registros e calcula médias sem interrupção.
Data warehouse moderno para pequenas e médias empresas: crie uma solução moderna de data warehouse projetada para pequenas e médias empresas.
Ideias da solução de análise
As seguintes ideias de solução de análise demonstram padrões de implementação e possibilidades de explorar:
Ingestão, extração, transformação e carregamento (ETL) e pipelines de processamento de streaming com Azure Databricks: Crie pipelines ETL para dados em lote e de streaming para simplificar a ingestão no data lake.
Arquitetura moderna de análise de dados com Azure Databricks: colete, processe, analise e visualize dados usando uma arquitetura de dados moderna.
Plataforma de dados moderna para pequenas e médias empresas: crie uma arquitetura moderna de plataforma de dados para pequenas e médias empresas usando o Fabric e o Azure Databricks.
A análise em tempo real com Azure Data Explorer: analisar dados em tempo real usando Azure Data Explorer e Barramento de Serviço do Azure.
Saiba mais sobre análise no Azure
Microsoft Learn fornece recursos de treinamento online free para tecnologias de análise de Azure. A plataforma oferece vídeos, tutoriais e laboratórios práticos para produtos e serviços específicos, juntamente com roteiros de aprendizagem organizados por função de trabalho.
Os recursos a seguir fornecem conhecimento básico para implementações de análise em Azure:
- Navegue pelos artigos sobre dados do Azure
- Introdução aos conceitos fundamentais de dados do Microsoft Azure
- Comece com o Fabric
- Introdução à análise de dados da Microsoft
- Implementar uma solução de análise de dados com Azure Databricks
- Crie soluções de machine learning usando o Azure Databricks
Preparação organizacional
As organizações no início do processo de adoção da nuvem podem usar o Cloud Adoption Framework para Azure para acessar diretrizes comprovadas que aceleram a adoção da nuvem.
Para ajudar a garantir a qualidade da sua solução de análise em Azure, siga as diretrizes no Azure Well-Architected Framework. O Well-Architected Framework fornece diretrizes prescritivas para organizações que buscam excelência arquitetônica e descreve como projetar, provisionar e monitorar soluções de Azure com otimização de custo.
Práticas recomendadas
As práticas recomendadas na análise garantem que as soluções sejam escalonáveis, confiáveis, econômicas e seguras.
Análise de dados
Para usar a análise em Azure, você precisa decidir como store seus dados. Em seguida, você pode escolher a melhor tecnologia de análise de dados para o seu cenário. Considere os seguintes fatores:
Armazenamento de dados: Escolha entre data lakes, data warehouses e lakehouses de acordo com sua estrutura de dados e seus padrões de consulta. Para obter mais informações sobre as soluções de banco de dados que alimentam cargas de trabalho de análise, consulte o design da arquitetura do banco de dados.
Modelo de processamento: Determine se o processamento em lote, o processamento de fluxo ou uma combinação melhor se ajusta aos seus requisitos de carga de trabalho.
Ferramentas de análise: Selecione tecnologias de BI e IA que atendam às habilidades e às necessidades de negócios da sua equipe.
Dados confiáveis
Para análise de alta qualidade, você precisa de dados robustos e confiáveis. As práticas de segurança da informação ajudam a garantir que seus dados estejam protegidos em trânsito e em repouso. O acesso aos seus dados também deve ser seguro. Para ajudar a produzir dados confiáveis, considere as seguintes práticas e controles:
Políticas de governança: defina políticas claras de propriedade, classificação e acesso de dados.
Gerenciamento de identidade e acesso: implementar o controle de acesso baseado em função e princípios de privilégio mínimo.
Controles de segurança de rede: proteja os fluxos de dados entre os serviços e impeça o acesso não autorizado.
Proteção de dados: criptografar dados em repouso e em trânsito.
No nível da plataforma, as seguintes práticas recomendadas de big data contribuem para uma análise confiável no o Azure.
Orquestre a ingestão de dados: Use uma solução de pipeline ou de fluxo de trabalho de dados com suporte a pipelines do Azure Data Factory ou do Fabric.
Processe os dados no local: Use um armazenamento distribuído de dados, que é uma abordagem de big data que oferece suporte a volumes maiores de dados e a uma gama mais ampla de formatos.
Limpe dados confidenciais antecipadamente: Para evitar o armazenamento acidental de dados confidenciais em seu data lake, remova ou mascara esses dados como parte do fluxo de trabalho de ingestão.
Considere o custo total: Balancee o custo por unidade dos nós de computação necessários em relação ao custo por minuto para executar um trabalho nesses nós.
Criar um data lake unificado: Combine o armazenamento para arquivos em vários formatos, sejam estruturados, semiestruturados ou não estruturados. Use Data Lake Storage como sua única fonte centralizada. Para obter mais informações, consulte a arquitetura da solução de BI no Centro de Excelência.
Mantenha-se atualizado com a análise
Azure serviços de análise evoluem para enfrentar os desafios de dados modernos. Mantenha-se informado sobre as atualizações e os recursos mais recentes.
Para se manter atualizado com os principais serviços de análise, consulte os seguintes artigos:
- O que há de novo no Fabric?
- Notas de versão do Azure Databricks
- O que há de novo no Azure Data Explorer
- O que há de novo no Power BI?
Outros recursos
Os recursos a seguir podem ajudá-lo a descobrir mais sobre análise.
Análise em tempo real
As organizações podem usar a análise em tempo real para agir sobre os dados à medida que chegam. Os recursos a seguir podem ajudá-lo a começar a usar a análise em tempo real no Azure:
Análise em tempo real sobre a arquitetura de Big Data: processar e analisar dados de streaming em escala.
IoT analytics com Azure Data Explorer: analisar dados pessoais de IoT em tempo real.
Processamento de fluxo com o Stream Analytics: criar soluções de streaming sem servidor.
Criar uma arquitetura de análise moderna usando Azure Databricks: descobrir análise de nível empresarial usando o Apache Spark.
Para obter mais exemplos de análise, consulte o Azure Architecture Center
Profissionais do Amazon Web Services (AWS) ou do Google Cloud
Para ajudá-lo a começar rapidamente, os artigos a seguir comparam Azure opções de análise com outros serviços de nuvem e fornecem diretrizes de migração: