Introduzione alla progettazione dell'architettura di analisi

Le organizzazioni si basano sulla potenza di calcolo, archiviazione e analisi di Azure per ridimensionare, trasmettere, stimare e visualizzare i dati. Le soluzioni di analisi trasformano volumi di dati in business intelligence (BI) utili, ad esempio report e visualizzazioni, e intelligenza artificiale inventiva, ad esempio previsioni basate su Machine Learning. Azure offre una gamma di strumenti di analisi basati sul cloud per le organizzazioni nuove per l'analisi e le organizzazioni che devono espandere l'implementazione. Le soluzioni di analisi consentono alle organizzazioni di usare i dati su larga scala. È possibile usare un'architettura big data o un'architettura IoT (Internet of Things) per elaborare i dati non elaborati e quindi spostarli in un archivio dati analitici. Questo archivio dati diventa un'unica fonte di verità che può offrire soluzioni di analisi approfondite.

Architettura

Scaricare un file Visio di questa architettura.

Il diagramma precedente illustra una tipica implementazione di analisi di base o di riferimento. Per soluzioni reali che è possibile creare in Azure, vedere Architettura diAnalytics.

Esplorare le guide di analisi, le architetture e le idee sulle soluzioni

Gli articoli di questa sezione includono guide e architetture completamente sviluppate che è possibile distribuire in Azure ed espandersi in soluzioni di livello di produzione. Le idee della soluzione illustrano modelli di implementazione e possibilità da considerare durante la pianificazione dello sviluppo di modelli di verifica dell'analisi. Questi articoli consentono di decidere come usare le tecnologie di analisi in Azure.

Guide all'analisi

Gli articoli seguenti consentono di valutare e selezionare le migliori tecnologie di analisi per i requisiti del carico di lavoro:

• Scegliere un servizio di analisi dei dati e reporting: confrontare le opzioni per l'analisi e la visualizzazione dei dati in Azure.

• Scegliere un servizio di elaborazione batch: valutare le tecnologie di elaborazione batch per carichi di lavoro Big Data.

• Scegliere un servizio di elaborazione dei flussi: confrontare le tecnologie di elaborazione dei flussi per l'analisi in tempo reale.

• Scegliere un archivio dati analitici: ottenere indicazioni sulla selezione dell'archivio dati analitici.

• Scegliere un archivio dati analitici in Microsoft Fabric: ottenere indicazioni sugli archivi dati in Fabric.

Gli articoli seguenti forniscono indicazioni sulle strategie di ripristino di emergenza per Azure piattaforme dati:

• Overview: Panoramica delle strategie di ripristino di emergenza per le piattaforme dati di Azure.

• Architecture: modelli di architettura per il disaster recovery nelle piattaforme dati di Azure.

• Dettagli sugli scenari: Scenari dettagliati per l'implementazione del disaster recovery.

• Raccomandazioni: best practice per il DR.

Architetture di analisi

Le architetture pronte per la produzione seguenti illustrano soluzioni di analisi end-to-end che è possibile distribuire e personalizzare:

• Analisi end-to-end con Fabric: Crea una piattaforma di analisi moderna usando Fabric.

• Data warehouse e analisi dei dati: Integra i dati provenienti da più fonti in una piattaforma unificata di analisi.

• Usare Fabric per progettare una soluzione BI aziendale: progettare una soluzione BI aziendale usando Fabric.

• Elabora dati lakehouse in tempo reale: usare Azure Synapse Analytics e Azure Data Lake Storage per l'elaborazione di data lakehouse quasi in tempo reale.

• Sincronizzazione in tempo reale di MongoDB Atlas con Azure Synapse Analytics: Sincronizza i dati di MongoDB Atlas con Azure Synapse Analytics in tempo reale.

• Elaborazione dei flussi con Azure Databricks: creare una pipeline end-to-end per l'elaborazione dei flussi usando Azure Databricks.

• Elaborazione di flussi con Analisi di flusso di Azure: Crea una pipeline di elaborazione di flussi che acquisisce dati, correla i record e calcola medie mobili.

• Data warehouse moderno per piccole e medie imprese: creare una soluzione di data warehouse moderna progettata per piccole e medie imprese.

Idee per soluzioni di analisi

Le idee della soluzione di analisi seguenti illustrano modelli di implementazione e possibilità da esplorare:

• Acquisizione, estrazione, trasformazione e caricamento (ETL) e pipeline di elaborazione dei flussi di dati con Azure Databricks: Crea pipeline ETL per dati batch e in streaming per semplificare l'acquisizione dei dati nel data lake.

• Architettura di analisi moderna con Azure Databricks: Raccogliere, elaborare, analizzare e visualizzare i dati usando un'architettura moderna dei dati.

• Moderna piattaforma dati per piccole e medie imprese: creare un'architettura moderna della piattaforma dati per le piccole e medie imprese usando Fabric e Azure Databricks.

• Analytics in tempo reale con Esplora dati di Azure: analizzare i dati in tempo reale usando Esplora dati di Azure e bus di servizio di Azure.

Informazioni sull'analisi su Azure

Microsoft Learn offre risorse di formazione online free per Azure tecnologie di analisi. La piattaforma offre video, esercitazioni e lab pratici per prodotti e servizi specifici, insieme ai percorsi di apprendimento organizzati in base al ruolo di lavoro.

Le risorse seguenti forniscono informazioni di base per le implementazioni di analisi su Azure:

• Sfoglia gli articoli sui dati di Azure
• Introduzione ai concetti fondamentali sui dati di Microsoft Azure
• Introduzione a Fabric
• Introduzione all'analisi dei dati Microsoft
• Implementa una soluzione di analisi dei dati con Azure Databricks
• Crea soluzioni di apprendimento automatico con Azure Databricks

Idoneità dell'organizzazione

Le organizzazioni all'inizio del processo di adozione del cloud possono usare il Cloud Adoption Framework per Azure per accedere a indicazioni comprovate che accelerano l'adozione del cloud.

Per garantire la qualità della soluzione di analisi in Azure, seguire le indicazioni riportate in framework Azure Well-Architected. Il framework Well-Architected fornisce indicazioni prescrittive per le organizzazioni che cercano l'eccellenza dell'architettura e descrive come progettare, effettuare il provisioning e monitorare soluzioni di Azure ottimizzate per i costi.

Procedure consigliate

Le procedure consigliate nell'analisi assicurano che le soluzioni siano scalabili, affidabili, convenienti e sicure.

Analisi dei dati

Per usare l'analisi su Azure, è necessario decidere come store i dati. È quindi possibile scegliere la migliore tecnologia di analisi dei dati per lo scenario. Prendere in considerazione i fattori seguenti:

• Archiviazione dei dati: Scegli tra data lake, data warehouse e lakehouse in base alla struttura dei dati e ai modelli di query. Per ulteriori informazioni sulle soluzioni di database che supportano i carichi di lavoro di analisi, vedere Progettazione dell'architettura del database.

• Modello di elaborazione: Determinare se l'elaborazione batch, l'elaborazione dei flussi o una combinazione più adatta ai requisiti del carico di lavoro.

• Strumenti di analisi: Selezionare tecnologie di business intelligence e intelligenza artificiale che soddisfino le competenze e le esigenze aziendali del team.

Dati attendibili

Per analisi di qualità elevata, sono necessari dati robusti e affidabili. Le pratiche di sicurezza delle informazioni contribuiscono a garantire che i tuoi dati siano protetti durante la trasmissione e a riposo. Anche l'accesso ai dati deve essere sicuro. Per produrre dati attendibili, prendere in considerazione le procedure e i controlli seguenti:

• Criteri di governance: definire la proprietà, la classificazione e i criteri di accesso chiari dei dati.

• Gestione delle identità e degli accessi: implementare principi di controllo degli accessi in base al ruolo e privilegi minimi.

• Controlli di sicurezza di rete: proteggere i flussi di dati tra i servizi e impedire l'accesso non autorizzato.

• Protezione dei dati: crittografare i dati a riposo e in transito.

A livello di piattaforma, le procedure consigliate per i dati big contribuiscono all'analisi affidabile su Azure:

• Orchestrare l'acquisizione dei dati: Usa una soluzione di flusso di lavoro dei dati o pipeline supportata da Azure Data Factory o dalle pipeline di Fabric.

• Elaborare i dati sul posto: Usare un archivio dati distribuito, ovvero un approccio per Big Data che supporta volumi più grandi di dati e una gamma più ampia di formati.

• Eseguire lo scrubing dei dati sensibili in anticipo: Per evitare l'archiviazione accidentale di dati sensibili nel data lake, rimuovere o mascherare questi dati come parte del flusso di lavoro di inserimento.

• Considerare il costo totale: Bilanciare il costo per unità dei nodi di calcolo necessari rispetto al costo al minuto per eseguire un processo in tali nodi.

• Creare un data lake unificato: Combinare l'archiviazione per i file in più formati, strutturati, semistrutturati o non strutturati. Usare Data Lake Storage come singola origine centralizzata. Per altre informazioni, vedere Architettura della soluzione BI nel Centro di eccellenza.

Rimanere aggiornati con l'analisi

Azure servizi di analisi si evolvono per affrontare le sfide moderne dei dati. Rimanere informati sugli aggiornamenti e sulle funzionalità più recenti.

Per rimanere aggiornati sui servizi di analisi chiave, vedere gli articoli seguenti:

• Quali sono le novità di Fabric?
• note sulla versione Azure Databricks
• Novità di Esplora dati di Azure
• Novità di Power BI

Altre risorse

Le risorse seguenti consentono di ottenere altre informazioni sull'analisi.

Analisi in tempo reale

Le organizzazioni possono usare l'analisi in tempo reale per agire sui dati non appena arrivano. Le risorse seguenti consentono di iniziare a usare l'analisi in tempo reale su Azure:

• Analisi in tempo reale sull'architettura dei Big Data: elaborare e analizzare i dati di streaming su larga scala.

• IoT analytics con Esplora dati di Azure: Analizzare i dati personali IoT in tempo reale.

• Elaborazione di flussi con Analisi di flusso: creare soluzioni di streaming serverless.

• Creare un'architettura di analisi moderna usando Azure Databricks: Individuare l'analisi di livello aziendale usando Apache Spark.

• Per altri esempi di analisi, vedere Azure Architecture Center

Amazon Web Services (AWS) o i professionisti di Google Cloud

Per iniziare rapidamente, gli articoli seguenti confrontano Azure opzioni di analisi con altri servizi cloud e forniscono indicazioni sulla migrazione:

• Tecnologie di database relazionali in Azure e AWS
• Confronto tra google cloud e servizi di Azure