藉由大規模建置備援和復原能力,確保工作負載符合運行時間和復原目標。
- 瞭解如何解決設計 AI 工作負載的架構挑戰,包括數據和應用程式設計、非決定性功能,以及作挑戰。
- 在納入行用和歧視 AI 模型時,取得設計建議。
- 解決跨領域挑戰,例如安全性需求、大量數據、模型衰變、技能差距、快速 AI 創新,以及維護道德標準。
- 瞭解管理模型生命周期的建議做法,涵蓋 MLOps 和 GenAIOps。
Azure Well-Architected Framework 是一組以質量為導向的原則、架構決策點,以及檢閱旨在協助解決方案架構設計人員為其工作負載建置技術基礎的工具。
Azure 架構完善的架構 \(部分機器翻譯\)
身為解決方案架構設計人員,您想要建置可靠、安全且高效能的工作負載,以最大化 Azure 基礎結構的投資價值。 從 [支柱] 開始,並將您的設計選擇與原則一致。 然後,根據技術設計區域為您的工作負載建置強大的基礎。 最後,使用檢閱工具來評估部署至生產環境的整備程度。
探索所有新的 AI 工作負載:
在您的工作負載中納入歧視或產生 AI 模型,以進行預測性分析、產生內容和其他 AI 使用案例。
適用於 Startups 和成熟獨立軟體供應商 (ISV) 的重要見解,可建置可調整、高效能、可靠且安全的 SaaS 解決方案。
在 Azure 上裝載 Oracle 工作負載,不僅包含 Oracle 資料庫,也包含 Siebel、Peoplesoft、JD Edwards 等應用程式。
評估、設計和優化 SAP 工作負載,從預先移轉至作業。
設計和運作預期一律可用且可復原失敗的工作負載。
規劃您的前進道路、改善您的永續性狀態,並創造新的商業價值,同時降低營運使用量。
將舊版應用程式虛擬機重新定位為移轉和現代化策略的第一個階段的預備區域 Azure VMware 解決方案。
從任何裝置和位置在 Azure 上執行 Windows 桌面和應用程式。
請參閱 中套用良好架構原則的範例工作負載 Azure 架構中心
在網路上追蹤我們