การประมวลผลข้อมูลใน Azure

ทำความเข้าใจ Microsoft Azure

Kevin James

Technical Lead and Training Architect

การประมวลผลแบบเรียลไทม์ vs แบตช์

• ควรพิจารณาประเภทการประมวลผลก่อนเลือกบริการ: แบบเรียลไทม์หรือแบบแบตช์
• เรียลไทม์: วิเคราะห์ผลทันที
• แบตช์: วิเคราะห์ตามกำหนดเวลาหรือตามต้องการ

การประมวลผลแบบเรียลไทม์ vs แบตช์

• ควรพิจารณาประเภทการประมวลผลก่อนเลือกบริการ
• เรียลไทม์: วิเคราะห์ผลทันที
• แบตช์: วิเคราะห์ตามกำหนดเวลาหรือตามต้องการ
• ตัวอย่างในด้านสาธารณสุข:
  • เรียลไทม์ - แดชบอร์ดห้องฉุกเฉินของโรงพยาบาล
  • แบตช์ - แดชบอร์ดที่อัปเดตรายสัปดาห์
• โครงสร้างพื้นฐานและต้นทุนแตกต่างกัน

กระบวนการ ETL

กระบวนการ ETL

กระบวนการ ETL

เครื่องมือประมวลผล

Azure Synapse Analytics

• ส่วนหนึ่งของ Microsoft Fabric
  • ผสานรวม big data และคลังข้อมูล
• ประสบการณ์แบบรวมศูนย์ตั้งแต่การนำเข้า เตรียม จัดการ และส่งมอบข้อมูล
• รองรับการวิเคราะห์แบบเรียลไทม์และแบตช์
• ทำหน้าที่เป็นเอนจินวิเคราะห์ประสิทธิภาพสูง

Azure Stream Analytics

• เข้าถึงข้อมูลแบบเรียลไทม์
• ตั้งค่าการวิเคราะห์แบบเรียลไทม์ด้วยการกำหนดคิวรีที่ง่ายดาย
• รับมือกับการสตรีมข้อมูลจากแหล่งที่หลากหลาย เช่น blob storage
• เหมาะสำหรับการวิเคราะห์ผลทันที:
  • การตรวจจับการฉ้อโกงในธนาคาร
  • การกำหนดราคาแบบไดนามิกในตลาดหลักทรัพย์

Azure Databricks

• ความร่วมมือระหว่าง Microsoft และ Databricks
  • แพลตฟอร์มวิเคราะห์ที่ปรับแต่งสำหรับ Azure
• สภาพแวดล้อมแบบรวมศูนย์สำหรับ data engineering, analytics และ machine learning
• พื้นที่ทำงานร่วมกันสำหรับนักวิทยาศาสตร์ข้อมูลและวิศวกร
• รองรับ Data Lake ในตัว
• รองรับทั้งแบบเรียลไทม์และแบตช์

Azure Data Factory

• บริการผสานรวมบนคลาวด์
• สร้าง กำหนดเวลา และควบคุม data workflow
• ทำให้กระบวนการ ETL เป็นระเบียบ
• รองรับแหล่งข้อมูลและรูปแบบที่หลากหลาย
• ทำให้ workflow ทำงานอัตโนมัติเพื่อความยืดหยุ่น

Azure HDInsight

• บริการที่จัดการให้สำหรับการประมวลผลข้อมูลที่รวดเร็วและปรับแต่งได้
• รันบนแพลตฟอร์มโอเพนซอร์สยอดนิยม:
  • Hadoop
  • Spark
  • Kafka
• ปรับขนาดทรัพยากรตามความต้องการได้ง่าย
• เชื่อมต่อกับโซลูชันจัดเก็บข้อมูลของ Azure ได้อย่างราบรื่น

มาฝึกกันเถอะ!

ทำความเข้าใจ Microsoft Azure