Azure 資料總管的使用時機

已完成

在此,我們會討論您如何判斷 Azure 資料總管是否為您巨量資料分析需求的正確選擇。 藉由評估下列準則,您可以判斷 Azure 資料總管是否符合您的效能和功能目標。

  • 互動式分析
  • 資料多樣性
  • 資料速度
  • 資料量
  • 資料組織
  • 查詢並行存取
  • 建立與購買

決策準則

Azure 資料總管是一種巨量資料互動式分析平台,可讓人們在高度敏捷的環境中做出資料驅動的決策。 這裡列出的因素可協助您評估 Azure 資料總管是否適用於現有的工作負載。 問自己以下關鍵問題:

互動式分析

我需要以互動方式分析資料嗎?

資料分析包含彙總、範圍、評量、相互關聯、異常偵測、預測和一般模型評估等技術,有助於將大量資料簡化為可操作的結論。 以互動方式執行這類活動,就是 Azure 資料總管的用途。 這些活動可在互動式儀表板、分析自訂應用程式中執行,或透過人性化的查詢和視覺效果直接與資料互動來執行。 Azure 資料總管可能不是適合對資料執行長期執行批次工作的技術。 請考慮使用可與 Azure 資料總管妥善搭配運作的技術 (如 Microsoft Spark),來執行長期工作。

資料多樣性

我的資料結構有何變化?

Azure 資料總管提供可擴充的高效能全文檢索索引和動態結構描述支援。 如果您需要分析和處理結構化、半結構化 (json/xml) 和文本資料,這表示 Azure 資料總管適用於您的工作負載。

資料速度

即時資料分析是否為關鍵因素?

Azure 資料總管可快速且低延遲地擷取大量資料。 一般資料集包括追蹤、交易記錄、時間序列、計量,且通常也包括活動記錄資料流。 對最新資料的近即時分析是常見的使用案例。 Azure 資料總管可妥善連線至多種串流技術 (例如 Azure 事件中樞、IoT 中樞、Kafka),以支援這類工作負載。 但是,如果有即時分析的需要,則 Azure 資料總管可能不是最佳選項。

資料量

我需要擷取多少資料?

Azure 資料總管的功能之一,是提供對大量資料工作負載的熱路徑分析 (互動式或透過 API)。 如果累積資料大小總計達數 GB,可能會有其他更符合成本效益的解決方案。

資料組織

我的資料整理方式是否一致?

Azure 資料總管可對未經處理的資料套用讀取時結構描述。 此方法會根據目前的需求,以不同的方式和不同的觀點來建立檢查資料的彈性。 這項功能在處理其他區域之間安全性、作業和競爭環境中的非預期查問時非常有價值。 Azure 資料總管在分析未經處理資料方面可提供極佳的速度、可擴縮性和成本效率。 通常在資料倉儲部署中,擷取、轉換、載入 (ETL) 程序會定期產生妥善策劃、高度一致且妥善記錄的一組實體和屬性。 對這些複雜星型結構描述的分析,通常牽涉到大規模且複雜的事實聯結,而 Azure 資料總管並未進行這方面的最佳化。

查詢並行存取

有多少使用者需要同時查詢/擷取/處理資料?

Azure 資料總管廣泛用於實作分析 SaaS 供應項目。 如果需要同時支援來自大量要求的不同且獨特的分析需求,Azure 資料總管應可提供絕佳的解決方案。

建立與購買

我的資料平台要自訂到何種程度?

Azure 資料總管是完全受控的平台即服務。 但是,這並不提供現成的周全解決方案。 您必須在其之上自訂、設定、連接及建立體驗,以提供解決方案 (組建)。 Microsoft 和第三方提供許多解決方案,使用 Azure 資料總管在不同網域和垂直網域提供這類周全解決方案。 例如,適用於 IT 作業的 Azure 監視器。 安全性網域中的 Microsoft 進階威脅防護和 Microsoft Sentinel,以及 IoT 網域中的 Azure 時間序列深入解析和 Azure IoT Central。

套用準則

Azure 資料總管最適合為知識工作者啟用對高速、多樣化的原始資料進行的互動式分析功能。 我們來思考如何將稍早所列的準則套用至服裝公司案例中的範例程序。

Azure 資料總管是否應該用於生產資料?

範例服裝公司的生產部門必須做出關於如何管理庫存和產量的決策。 對於庫存,他們有傳入的資料記錄可參考。 他們也會想利用行銷的地理空間資料,來預測個別區域的產品需求。 這類資料十分多樣化速度很快,且數量龐大。 其整理方式並不一致,許多專案關係人必須同時查詢此資料。 從擷取到查詢的過程中,他們需要低延遲。 其查詢回應時間至少要在一秒以內。 根據決策準則,Azure 資料總管適合用於服裝公司的生產部門。

是否應使用 Azure 資料總管來處理行銷資料?

服裝公司的行銷部門想要評估其行銷活動的成效。 他們的網站和廣告活動都有點選流資料。 他們也有來自社交媒體的任意格式文字 (非結構化) 資料。 這項資料經過高度變化,且未經組織。 該部門想要進行探索互動式分析。 根據決策準則,Azure 資料總管適合用於服裝公司的行銷部門。

指導方針摘要

下表說明如何評估新的使用案例。 雖然這裡並未涵蓋所有使用案例,但我們認為仍可協助您決定 Azure 資料總管是否適合成為您的解決方案。

使用案例 互動式分析 巨量資料 (多樣性、速度、數量) 資料組織 並行 建置與購買 我是否應使用 Azure 資料總管?
實作安全性分析 SaaS 大量使用互動式、近乎即時的分析。 安全性資料形式多樣、數量龐大,且速度很快。 不定 系統通常是由多個租用戶的多個分析師使用。 實作 SaaS 供應項目屬於組建案例。 Yes
CDN Log Analytics 以互動方式進行疑難排解、QoS 監視。 CDN 記錄形式多樣、數量龐大,且速度很快。 分隔記錄檔記錄。 一小部分的資料科學家可能會使用這些分析,但也可為許多儀表板提供支援。 從 CDN 分析中擷取的值會隨案例而不同,且需要自訂分析。 Yes
IoT 遙測序列資料庫 以互動方式進行疑難排解,以及分析趨勢、使用量,和偵測異常狀況。 IoT 遙測的速度很快,但只能是結構化資料,或採用中等規模。 相關的記錄集。 一小部分的資料科學家可能會使用這些分析,但也可為許多儀表板提供支援。 在搜尋資料庫時,內容通常是組建 Yes

下列流程圖摘要說明當您考慮使用 Azure 資料總管時所應詢問的重要問題。

顯示 Azure 資料總管使用時機的流程圖。問題包括:您是否需要讀取和寫入特定記錄、是否需要執行長期工作、是否為傳統資料倉儲、是否必須在其他雲端上執行,以及是否為小型資料。