Lösungsmöglichkeiten
In diesem Artikel ist ein Lösungsvorschlag beschrieben. Ihr Cloudarchitekt kann diesen Leitfaden verwenden, um die Hauptkomponenten einer typischen Implementierung dieser Architektur zu visualisieren. Verwenden Sie diesen Artikel als Ausgangspunkt, um eine gut durchdachte Lösung zu entwerfen, die den spezifischen Anforderungen Ihrer Workload entspricht.
In diesem Artikel wird eine Lösung für die Automatisierung der Datenanalyse und Visualisierung mithilfe von künstlicher Intelligenz (KI) vorgestellt. Kernkomponenten in der Lösung sind Azure Functions, Azure Cognitive Services und Azure Database for MySQL.
Aufbau
Laden Sie eine Visio-Datei dieser Architektur herunter.
Datenfluss
- Mit einer Azure Function-Aktivität können Sie eine Azure Functions-App in der Azure Data Factory-Pipeline auslösen. Sie erstellen eine verknüpfte Dienstverbindung und verwenden den verknüpften Dienst mit einer Aktivität, um die auszuführende Azure-Funktion anzugeben.
- Daten stammen aus verschiedenen Quellen, z. B. Azure Storage oder Azure Event Hubs für Daten mit hohem Volumen. Wenn die Pipeline neue Daten empfängt, wird die Azure Functions-App ausgelöst.
- Die Azure Functions-App ruft die Cognitive Services-API auf, um die Daten zu analysieren.
- Die Cognitive Services-API gibt die Ergebnisse der Analyse im JSON-Format an die Azure Functions-App zurück.
- Die Azure Functions-App speichert die Daten und Ergebnisse von der Cognitive Services-API in Azure Database for MySQL.
- Azure Machine Learning verwendet benutzerdefinierte Machine Learning-Algorithmen, um weitere Einblicke in die Daten zu liefern.
- Der MySQL-Datenbankconnector bietet Optionen für die Datenvisualisierung und -analyse in Power BI oder einer benutzerdefinierten Webanwendung.
Komponenten
- Data Factory
- Funktionen
- Event Hubs
- Blob Storage
- Cognitive Services
- Cognitive Service für Language
- Azure Database for MySQL
- Machine Learning Studio
- Power BI
Alternativen
- Diese Lösung verwendet Azure Functions, um Daten so zu verarbeiten, wie sie empfangen werden. Wenn große Datenmengen bereits in der Datenquelle vorhanden sind, sollten Sie andere Arten der Batchverarbeitung in Erwägung ziehen.
- Azure Stream Analytics ermöglicht die Ereignisverarbeitung für große Mengen schneller Streamingdaten, die gleichzeitig aus mehreren Quellen eingehen. Stream Analytics unterstützt auch die Integration mit Power BI.
- Informationen zum Vergleichen dieser Lösung mit Alternativen finden Sie in den folgenden Ressourcen:
Szenariodetails
Die automatisierte Pipeline verwendet die folgenden Dienste, um die Daten zu analysieren:
- Cognitive Services verwendet KI für Fragen und Antworten, die Stimmungsanalyse und die Textübersetzung.
- Azure Machine Learning stellt Machine Learning-Tools für Predictive Analytics bereit.
Die Lösung automatisiert die Bereitstellung der Datenanalyse. Ein Connector verknüpft Azure Database for MySQL mit Visualisierungstools wie Power BI.
Die Architektur verwendet eine Azure Functions-App, um Daten aus mehreren Datenquellen zu erfassen. Es handelt sich um eine serverlose Lösung, die folgende Vorteile bietet:
- Infrastrukturwartung: Azure Functions ist ein verwalteter Dienst, mit dem sich Entwickler*innen auf innovative Arbeit konzentrieren können, die dem Unternehmen einen Mehrwert bietet.
- Skalierbarkeit: Azure Functions stellt Computeressourcen auf Abruf bereit, sodass Funktionsinstanzen nach Bedarf skaliert werden. Wenn die Anzahl von Anforderungen abnimmt, wird die Bereitstellung der Ressourcen und Anwendungsinstanzen automatisch rückgängig gemacht.
Mögliche Anwendungsfälle
Diese Lösung eignet sich ideal für Organisationen, die Predictive Analytics für Daten aus verschiedenen Quellen ausführen. Beispiele hierfür sind Organisationen in den folgenden Branchen:
- Finance
- Education
- Telekommunikation
Überlegungen
Für die meisten Features weist die Cognitive Service for Language-API eine maximale Größe von 5120 Zeichen für ein einzelnes Dokument auf. Für alle Features beträgt die maximale Anforderungsgröße 1 MB. Weitere Informationen zu Daten- und Ratenlimits finden Sie unter Dienstgrenzwerte für Azure Cognitive Service für Language.
In früheren Versionen dieser Lösung wurde die Textanalyse-API von Cognitive Services verwendet. Azure Cognitive Services für Language vereint nun drei einzelne Sprachdienste in Cognitive Services: Textanalyse, QnA Maker und Language Understanding (LUIS). Sie können problemlos von der Textanalyse-API zur Cognitive Service für Language-API migrieren. Weitere Anweisungen finden Sie unter Migrieren zur neuesten Version von Azure Cognitive Service für Language.
Beitragende
Dieser Artikel wird von Microsoft gepflegt. Er wurde ursprünglich von folgenden Mitwirkenden geschrieben.
Hauptautor:
- Matt Cowen | Senior Cloud Solution Architect
Melden Sie sich bei LinkedIn an, um nicht öffentliche LinkedIn-Profile anzuzeigen.
Nächste Schritte
- Funktionen
- Aktivität „Azure Function“ in Azure Data Factory
- Data Factory
- Event Hubs
- Blob Storage
- Cognitive Services
- Azure Cognitive Service for Language
- Azure Database for MySQL
- Azure Machine Learning
- Power BI