یک فناوری تجزیه و تحلیل و گزارش دهی را در لاجورد انتخاب کنید

هدف اکثر راه حل های داده بزرگ ارائه بینش در مورد داده ها از طریق تجزیه و تحلیل و گزارش است. این می تواند شامل گزارش ها و تجسم های از پیش تنظیم شده یا اکتشاف داده های تعاملی باشد.

گزینه های شما هنگام انتخاب فناوری تجزیه و تحلیل داده چیست؟

بسته به نیاز شما ، گزینه های مختلفی برای تجزیه و تحلیل ، تجسم و گزارش در لاجورد وجود دارد:

• قدرت
• نوت بوک های Jupyter
• نوت بوک های Zeppelin
• نوت بوک های مایکروسافت لاجورد

قدرت

Power BI مجموعه ای از ابزارهای تحلیلی تجاری است. این می تواند به صدها منبع داده متصل شود و می تواند برای تجزیه و تحلیل موقت استفاده شود. به این لیست از منابع داده موجود در حال حاضر مراجعه کنید. از Power BI تعبیه شده برای ادغام Power BI در برنامه های شخصی خود استفاده کنید بدون اینکه به مجوز اضافی نیاز داشته باشید.

سازمان ها می توانند از Power BI برای تهیه گزارش ها و انتشار آنها به سازمان استفاده کنند. همه می توانند داشبورد شخصی ایجاد کنند ، با حاکمیت و امنیت ساخته شده. Power BI از Azure Active Directory (Azure AD) برای تأیید اعتبار کاربرانی که به سرویس Power BI وارد می شوند استفاده می کند و هر زمان که کاربر سعی در دسترسی به منابع آن را داشته باشد ، از اعتبارنامه ورود به سیستم استفاده می کند. نیاز به احراز هویت

نوت بوک های Jupyter

نوت بوک های Jupyter یک پوسته مبتنی بر مرورگر را فراهم می کند که به دانشمندان داده اجازه می دهد فایلهای نوت بوک را ایجاد کنند که حاوی کد پایتون ، اسکالا یا R و متن Markdown باشد ، و آن را به یک روش مؤثر برای همکاری با اشتراک و مستند سازی کد و نتایج در یک سند واحد تبدیل می کند.

بیشتر انواع خوشه های HDInsight ، مانند Spark یا Hadoop ، برای تعامل با داده ها و ارسال شغل برای پردازش با نوت بوک های Jupyter پیش تنظیم می شوند. بسته به نوع خوشه HDInsight که از آن استفاده می کنید ، یک یا چند هسته برای تفسیر و اجرای کد شما تهیه می شود. به عنوان مثال ، خوشه های جرقه ای در HDInsight هسته های مربوط به جرقه را ارائه می دهند که می توانید با استفاده از موتور جرقه ، کد پایتون یا اسکایلا را انتخاب کنید.

نوت بوک های Jupyter یک محیط عالی برای تجزیه و تحلیل ، تجسم و پردازش داده های شما قبل از ساختن تجسم های پیشرفته تر با یک ابزار BI/گزارشگری مانند Power BI فراهم می کند.

نوت بوک های Zeppelin

نوت بوک های Zeppelin یکی دیگر از گزینه های پوسته مبتنی بر مرورگر است ، شبیه به Jupyter در عملکرد. برخی از خوشه های HDInsight با نوت بوک های Zeppelin از پیش تنظیم می شوند. با این حال ، اگر از خوشه ای از query query hdinsight (Hive LLAP) استفاده می کنید ، Zeppelin در حال حاضر تنها انتخاب شما از نوت بوک است که می توانید برای اجرای نمایش داده های کندو تعاملی استفاده کنید. همچنین ، اگر از یک خوشه HDInsight با دامنه استفاده می کنید ، نوت بوک های Zeppelin تنها نوعی هستند که به شما امکان می دهد تا ورود به سیستم های مختلف را برای کنترل دسترسی به نوت بوک ها و جداول کندو زیرین اختصاص دهید.

نوت بوک های مایکروسافت لاجورد

Azure Notebooks یک سرویس آنلاین مبتنی بر نوت بوک Jupyter است که دانشمندان داده را قادر می سازد نوت بوک های Jupyter را در کتابخانه های مبتنی بر ابر ایجاد ، اجرا و به اشتراک بگذارند. نوت بوک های Azure محیط های اجرا را برای Python 2 ، Python 3 ، F#و R فراهم می کند و چندین کتابخانه نمودار را برای تجسم داده های شما ، مانند GGPLOT ، MATPLOTLIB ، BOKEH و SEABBORN فراهم می کند.

بر خلاف نوت بوک های Jupyter که روی یک خوشه HDInsight کار می کنند ، که به حساب ذخیره سازی پیش فرض خوشه وصل شده اند ، نوت بوک های Azure هیچ داده ای را ارائه نمی دهند. شما باید داده ها را به روش های مختلفی بارگیری کنید ، چنین داده های بارگیری از یک منبع آنلاین ، تعامل با Blobs Azure یا ذخیره جدول ، اتصال به یک پایگاه داده SQL یا بارگیری داده ها با Wizard Copy for Azure Data Factory.

• خدمات رایگان - اشتراک لاجورد لازم نیست.
• نیازی به نصب Jupyter و توزیع های پشتیبانی R یا Python به صورت محلی نیست - فقط از مرورگر استفاده کنید.
• کتابخانه های آنلاین خود را مدیریت کرده و از هر دستگاهی به آنها دسترسی پیدا کنید.
• نوت بوک های خود را با همکاران به اشتراک بگذارید.

• در صورت آفلاین قادر به دسترسی به نوت بوک های خود نخواهید بود.
• قابلیت های پردازش محدود سرویس نوت بوک رایگان ممکن است برای آموزش مدلهای بزرگ یا پیچیده کافی نباشد.

معیارهای انتخاب کلیدی

برای محدود کردن گزینه ها ، با پاسخ دادن به این سؤالات شروع کنید:

• آیا شما نیاز به اتصال به منابع داده های بی شماری دارید ، و یک مکان متمرکز برای ایجاد گزارش هایی برای پخش داده ها در سراسر دامنه خود فراهم می کنید؟در این صورت ، گزینه ای را انتخاب کنید که به شما امکان می دهد به 100 منبع داده متصل شوید.
• آیا می خواهید تجسم پویا را در یک وب سایت یا برنامه خارجی جاسازی کنید؟در این صورت ، گزینه ای را انتخاب کنید که قابلیت های جاسازی را فراهم کند.
• آیا می خواهید در صورت آفلاین ، تجسم و گزارش های خود را طراحی کنید؟اگر بله ، گزینه ای را با قابلیت های آفلاین انتخاب کنید.
• آیا برای آموزش مدلهای بزرگ یا پیچیده هوش مصنوعی یا کار با مجموعه داده های بسیار بزرگ به قدرت پردازش سنگین نیاز دارید؟اگر بله ، گزینه ای را انتخاب کنید که بتواند به یک خوشه داده بزرگ متصل شود.

ماتریس قابلیت

جداول زیر تفاوتهای کلیدی در قابلیت ها را خلاصه می کند.

قابلیت های عمومی

[1] هنگامی که به عنوان بخشی از یک خوشه HDInsight مدیریت شده استفاده می شود.

[2] با استفاده از دسک تاپ Power BI.

[2] شما می توانید مخزن Maven را برای بسته های تحت تأثیر جامعه جستجو کنید.

[3] بسته های پایتون را می توان با استفاده از PIP یا CONDA نصب کرد. بسته های R را می توان از Cran یا GitHub نصب کرد. بسته های F# را می توان از طریق nuget. org با استفاده از مدیر وابستگی Paket نصب کرد.

مشارکت کنندگان

این مقاله توسط مایکروسافت نگهداری می شود. در ابتدا توسط همکاران زیر نوشته شده است.

• Zoiner Tejada |مدیرعامل و معمار

مراحل بعدی

• با نوت بوک های Jupyter برای پایتون شروع کنید
• نوت بوک
• نوت بوک های Azure Databricks را با کارخانه داده لاجورد اجرا کنید
• نوت بوک های Jupyter را در فضای کاری خود اجرا کنید
• Power BI چیست؟

منابع مرتبط

• معماری پیشرفته تحلیلی
• تجزیه و تحلیل داده ها و تجسم در یک راه حل تحلیلی IoT صنعتی لاجورد
• گزینه های فناوری برای راه حل های لاجورد