Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
As organizações dependem do poder de computação, armazenamento e análise do Azure para escalar, transmitir, prever e visualizar os seus dados. As soluções de análise transformam volumes de dados em inteligência empresarial (BI) útil, como relatórios e visualizações, e em IA inventiva, como previsões baseadas em aprendizagem automática. O Azure oferece uma variedade de ferramentas de análise baseada na cloud para organizações que são novas na área e para organizações que precisam de expandir a sua implementação. As soluções de analytics ajudam as organizações a utilizar os dados em larga escala. Pode usar uma arquitetura de big data ou uma arquitetura de Internet das Coisas (IoT) para processar dados brutos e depois transferi-los para um armazenamento analítico de dados. Este armazenamento de dados torna-se uma fonte única de verdade que pode alimentar soluções analíticas perspicazes.
Arquitetura
Descarregue um ficheiro Visio desta arquitetura.
O diagrama anterior demonstra uma implementação típica de análise básica ou de referência. Para soluções reais que pode criar no Azure, veja Arquiteturas de análise.
Explore guias de análise, arquiteturas e ideias de soluções
Os artigos desta secção incluem guias e arquiteturas totalmente desenvolvidas que pode implementar no Azure e expandir para soluções de produção. As ideias de soluções demonstram padrões de implementação e possibilidades a considerar ao planear o desenvolvimento da prova de conceito (POC) em análise. Estes artigos podem ajudá-lo a decidir como utilizar tecnologias de análise no Azure.
Guias de análise
Os artigos seguintes ajudam-no a avaliar e selecionar as melhores tecnologias de análise para as suas necessidades de carga de trabalho:
Escolha um serviço de análise e relatórios de dados: Compare opções para análise e visualização de dados em Azure.
Escolha um serviço de processamento por lote: Avalie tecnologias de processamento por lote para cargas de trabalho em big data.
Escolha um serviço de processamento de fluxos: Compare tecnologias de processamento de fluxos para análises em tempo real.
Escolha um armazenamento de dados analíticos: Obtenha orientação sobre a seleção de armazenamento de dados analíticos.
Escolha um armazenamento de dados analíticos em Microsoft Fabric: Obtenha orientação sobre armazenamentos de dados no Fabric.
Os seguintes artigos fornecem orientações sobre estratégias de recuperação de desastres (DR) para plataformas de dados Azure:
Visão Geral: 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: Boas práticas para DR.
Arquiteturas de análise
As seguintes arquiteturas prontas para produção demonstram soluções de análise de ponta a ponta que pode implementar e personalizar:
Análise de dados de ponta a ponta com o Fabric: Crie uma plataforma moderna de análise de dados com o Fabric.
Armazenamento de dados e análises: Integre dados de múltiplas fontes numa plataforma de análises unificada.
Use Fabric para desenhar uma solução de BI empresarial: Projete uma solução de BI empresarial utilizando Fabric.
Processamento de dados em lakehouse quase em tempo real: Utilize o Azure Synapse Analytics e o Azure Data Lake Storage para processamento de dados em lakehouse quase em tempo real.
Sincronização em tempo real do MongoDB Atlas para Azure Synapse Analytics: Sincronizar os dados do MongoDB Atlas 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 Azure Databricks.
Processamento de fluxo com Azure Stream Analytics: Construa um pipeline de processamento de fluxos que absorva dados, correlacione registos e calcule médias móveis.
Armazém de dados moderno para pequenas e médias empresas: Construa uma solução moderna de armazém de dados concebida para pequenas e médias empresas.
Ideias para soluções de análise
As seguintes ideias de soluções analíticas demonstram padrões de implementação e possibilidades a explorar:
Ingestão, extração, transformação e carregamento (ETL) e pipelines de processamento de fluxos com o Azure Databricks: Crie pipelines ETL para dados em lote e em fluxo para simplificar a ingestão no lago de dados.
Arquitetura de análise moderna com Azure Databricks: Recolha, processa, analisa e visualiza dados utilizando uma arquitetura de dados moderna.
Plataforma de dados moderna para pequenas e médias empresas: Construir uma arquitetura moderna de plataforma de dados para pequenas e médias empresas utilizando Fabric e Azure Databricks.
Análise em tempo real com Azure Data Explorer: Analise dados em tempo real usando Azure Data Explorer e Azure Service Bus.
Aprenda sobre analítica no Azure
A Microsoft Learn disponibiliza
Os seguintes recursos fornecem conhecimento fundamental para implementações de análise no Azure:
- Consulte Azure artigos de dados
- Introdução aos conceitos fundamentais de dados do Microsoft Azure
- Comece com Fabric
- Introdução à análise de dados da Microsoft
- Implementar uma solução de análise de dados com Azure Databricks
- Construa soluções de aprendizagem automática usando Azure Databricks
Prontidão organizacional
As organizações no início do processo de adoção da cloud podem usar o Cloud Adoption Framework para Azure para aceder a orientações comprovadas que aceleram a adoção da cloud.
Para ajudar a garantir a qualidade da sua solução analítica no Azure, siga as orientações no Framework Azure Well-Architected. O Well-Architected Framework fornece orientações prescritivas para organizações que procuram excelência arquitetónica e descreve como desenhar, fornecer e monitorizar soluções Azure otimizadas para custos.
Melhores práticas
As melhores práticas em análise de dados garantem que as soluções são escaláveis, fiáveis, económicas e seguras.
Análise de dados
Para usar análises no Azure, precisa de decidir como armazenar os 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 com base na sua estrutura de dados e nos seus padrões de consulta. Para mais informações sobre as soluções de bases de dados que alimentam cargas de trabalho analíticas, consulte Design da arquitetura de bases de dados.
Modelo de processamento: Determine se processamento por lote, processamento em fluxo ou uma combinação se adequa melhor aos requisitos da sua carga de trabalho.
Ferramentas de análise: Selecione tecnologias de BI e IA que respondam às competências e necessidades de negócio da sua equipa.
Dados fiáveis
Para análises de alta qualidade, precisa de dados robustos e fiáveis. As práticas de segurança da informação ajudam a garantir que os seus dados estão protegidos durante o trânsito e em repouso. O acesso aos seus dados também deve ser seguro. Para ajudar a produzir dados fiáveis, considere as seguintes práticas e controlos:
Políticas de governação: Defina políticas claras de propriedade, classificação e acesso dos dados.
Gestão de identidade e acessos: Implementar princípios de controlo de acesso baseado em papéis e privilégio mínimo.
Controlos de segurança de rede: Proteger os fluxos de dados entre serviços e prevenir acessos não autorizados.
Proteção de dados: Encriptar dados em repouso e em trânsito.
Ao nível da plataforma, as seguintes melhores práticas big data contribuem para análises fiáveis sobre Azure:
Orquestrar a ingestão de dados: Utilize um fluxo de trabalho ou solução de pipeline de dados suportados pelos pipelines do Azure Data Factory ou do Fabric.
Dados de processo no local: Use um armazenamento de dados distribuído, que é uma abordagem de big data que suporta volumes maiores de dados e uma gama mais ampla de formatos.
Elimine os dados sensíveis cedo: Para evitar o armazenamento acidental de dados sensíveis no seu data lake, remova ou mascare esses dados como parte do fluxo de trabalho de ingestão.
Considere o custo total: Equilibre o custo por unidade dos nós de computação necessários com o custo por minuto para executar um trabalho nesses nós.
Crie um data lake unificado: Combinar o armazenamento de ficheiros em múltiplos formatos, sejam estruturados, semi-estruturados ou não estruturados. Use o Data Lake Storage como a sua única fonte centralizada. Para mais informações, consulte Arquitetura de soluções BI no Centro de Excelência.
Mantenha-se atualizado com as análises
Os serviços de análise do Azure evoluem para responder aos desafios modernos dos dados. Mantenha-se informado sobre as últimas atualizações e funcionalidades.
Para se manter atualizado com os principais serviços de análise, consulte os seguintes artigos:
- O que há de novo em Fabric?
- Azure Databricks notas de lançamento
- O que há de novo em Azure Data Explorer
- O que há de novo no Power BI?
Outros recursos
Os seguintes recursos podem ajudá-lo a descobrir mais sobre análises.
Análise em tempo real
As organizações podem usar análises em tempo real para agir com base nos dados à medida que estes chegam. Os seguintes recursos podem ajudá-lo a começar com análises em tempo real no Azure:
Análise em tempo real sobre arquitetura de big data: Processar e analisar dados em streaming em grande escala.
Análise de dados de IoT com o Azure Data Explorer: Analise dados pessoais de dispositivos IoT em tempo real.
Processamento de fluxos com Stream Analytics: Construa soluções de streaming serverless.
Crie uma arquitetura analítica moderna utilizando Azure Databricks: Descubra análises de nível empresarial utilizando o Apache Spark.
Para mais exemplos de análise, consulte o Centro de Arquitetura Azure
Profissionais da Amazon Web Services (AWS) ou Google Cloud
Para o ajudar a começar rapidamente, os artigos seguintes comparam as opções de análise do Azure com outros serviços cloud e fornecem orientações para migração: