Mastering Azure Analytics: Architecting in the Cloud with Azure Data Lake, HDInsight, and Spark

Microsoft Azure دارای بیش از 20 پیشنهاد پلتفرم به عنوان سرویس (PaaS) است که می تواند در حمایت از راه حل تجزیه و تحلیل داده های بزرگ عمل کند. بنابراین کدام یک برای پروژه شما مناسب است؟ این کتاب کاربردی به شما کمک می‌کند وسعت سرویس‌های Azure را با سازماندهی آن‌ها در چارچوب مرجعی که می‌توانید هنگام ایجاد راه‌حل تجزیه و تحلیل داده‌های بزرگ خود استفاده کنید، درک کنید.

شما نه تنها قادر خواهید بود تعیین کنید که کدام سرویس مناسب‌تر است. این کار، اما همچنین یاد بگیرید که چگونه یک راه حل کامل را پیاده سازی کنید که مقیاس پذیر باشد، تحمل خطای انسان را فراهم کند و نیازهای آینده را پشتیبانی کند.

• الگوهای اساسی معماری دریاچه داده و لامبدا را درک کنید
• مرحله های متعارف در خط لوله داده های تجزیه و تحلیل را بشناسید و یاد بگیرید که چگونه از Azure Data Factory برای هماهنگ کردن آنها استفاده کنید
• اجرای دریاچه های داده و معماری های لامبدا، با استفاده از Azure Data Lake Store، Data Lake Analytics، HDInsight (از جمله Spark)، Stream Analytics، SQL Data Warehouse و Event Hubs
• دریابید که یادگیری ماشینی Azure کجا در خط لوله تجزیه و تحلیل شما قرار می گیرد
• با استفاده از این خدمات در داده های دنیای واقعی که دارای واقعی هستند، تجربه کسب کنید. -مشکلات جهانی، با سناریوهای مختلف از حمل و نقل هوایی تا اینترنت اشیا (IoT)

Microsoft Azure has over 20 platform-as-a-service (PaaS) offerings that can act in support of a big data analytics solution. So which one is right for your project? This practical book helps you understand the breadth of Azure services by organizing them into a reference framework you can use when crafting your own big data analytics solution.

You’ll not only be able to determine which service best fits the job, but also learn how to implement a complete solution that scales, provides human fault tolerance, and supports future needs.

• Understand the fundamental patterns of the data lake and lambda architecture
• Recognize the canonical steps in the analytics data pipeline and learn how to use Azure Data Factory to orchestrate them
• Implement data lakes and lambda architectures, using Azure Data Lake Store, Data Lake Analytics, HDInsight (including Spark), Stream Analytics, SQL Data Warehouse, and Event Hubs
• Understand where Azure Machine Learning fits into your analytics pipeline
• Gain experience using these services on real-world data that has real-world problems, with scenarios ranging from aviation to Internet of Things (IoT)