«Облачные» вычисления представляют собой уникальную платформу для быстрого формирования сложных аналитических решений. Azure располагает удобным механизмом для работы благодаря использованию заранее подготовленных шаблонов.

Если вы отправляетесь в вычислительное «облако» Microsoft Azure ради аналитики, то один из лучших способов, который я могу рекомендовать, — начать с использования заранее подготовленных шаблонов решений Microsoft. Типичное средство, используемое для таких решений, — инструмент «облачной» бизнес-аналитики Microsoft Power BI, который является частью Office 365.

Конкретные шаблоны решения для Power BI можно получить на сайте компании по адресу: https://powerbi.microsoft.com/en-us/solution-templates/. Я остановлюсь на одном из шаблонов, который часто использую при работе с клиентами, — Campaign Brand Management for Twitter (https://powerbi.microsoft.com/en-us/solution-templates/brand-management-twitter/). Этот шаблон содержит набор внутренних «облачных» функций Azure для обращений к Twitter с целью извлечения сообщений, их обработки и объединения с помощью служб Microsoft Azure Cognitive Services для анализа восприятия (https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics/).

Вся концепция решений на основе шаблонов — ключевой элемент «облачных» вычислений. Используя «облако», вы сможете реализовать преимущества концепции быстрого развертывания и удаления сред, а также исключить дорогостоящие работы по построению новых физических сред, которые сохраняют активность, когда не используются.

В Azure мы используем шаблоны JSON для постоянного сохранения, управления и перестроения сред в проектах. Мы можем сохранять определения архитектуры целиком в файлах JSON, что позволяет управлять изменениями и развертываниями с использованием Visual Studio и механизмов управления версиями.

Очень хороший пример — комплект шаблонов решений Azure, известный как Microsoft Cortana Intelligence Gallery (http://aka.ms/cisolutions). В этом наборе шаблонов мы рассмотрим шаблон DW and Data Science (https://gallery.cortanaintelligence.com/Solution/Data-Warehousing-and-Data-Science-with-SQL-Data-Warehouse-and-Spark-2), который сформирует работоспособную среду хранилища данных Azure с тестовыми данными, интегрированными с Apache Spark в HDInsight. В сущности, вы можете организовать комплексные решения анализа Больших Данных в Azure с использованием галереи решений Cortana Intelligence.

С помощью обоих шаблонов можно за несколько минут сформировать «облачные» архитектуры Microsoft Azure с использованием вашей учетной записи Azure. Для построения серверных платформ данных вам потребуется пробная или действующая подписка Azure. В обоих случаях, когда вы просто экспериментируете с шаблоном, обязательно следите за выставлением счетов для вашей учетной записи Azure и приостановите, завершите работу или удалите отдельные компоненты архитектуры в группе ресурсов портала Azure или удалите всю группу ресурсов, когда закончите работу.

Например, на экране 1 показано, что осталось в моей группе SolutionTemplate Resource Group в подписках Azure. Я удалил базу данных Azure SQL, поскольку уже заполнил данными модель Power BI и мог удалить эти компоненты, чтобы избежать дополнительных затрат, связанных с использованием Azure.

 

Пример работы с шаблоном
Экран 1. Пример работы с шаблоном

Начнем построение решения Power BI Brand Management для Twitter, загрузив нужный файл по адресу: https://powerbi.microsoft.com/en-

us/solution-templates/brand-management-twitter/. Нажмите кнопку Install Now («Установить») и пройдите по этапам мастера. Решение получает сообщения и обрабатывает их с помощью Microsoft Sentiment Analysis Cognitive Service API, поэтому потребуется задействовать подписку Azure и учетную запись Cognitive Services из портала Azure или бесплатную учетную запись Cognitive Services (см. экран 2).

 

Power BI Brand Management для Twitter
Экран 2. Power BI Brand Management для Twitter

Обратите внимание, что после завершения развертывания вы получите приведенную на рисунке архитектуру с учетной записью Azure App Service, которая будет обращаться к Twitter API для запросов Tweet. Вы вводите дескрипторы запроса в мастере, а функция Azure отправит текст сообщения в Sentiment API и сохранит результаты в базе данных Azure SQL. После этого вы сможете использовать заранее подготовленные отчеты Power BI для просмотра аналитики Tweet, с учетом восприятия торговой марки и реакции на всю кампанию.

Архитектура решения Power BI Brand Management для Twitter
Рисунок. Архитектура решения Power BI Brand Management для Twitter

Я неоднократно использовал этот шаблон решения для анализа Twitter, не обязательно связанного с маркетингом продукта. Просто скорректируйте отчеты и панели мониторинга в соответствии с конкретными целями. Наконец, внедряя решение анализа Больших Данных в производственной среде заказчика, я бы добавил концентратор событий в Azure для сбора сообщений в режиме, близком к реальному времени, и привязал его к функции Azure для оценки тональности, сохранив результаты в базе данных SQL, как предусмотрено данным шаблоном, или в формате JSON в Blob Storage или Azure DocumentDB, в зависимости от требований заказчика к пропускной способности.

На экране 3 приводится пример, в котором я использовал Twitter-канал SQL CAT для проведения анализа, используя шаблон Twitter из шаблона Power BI Solution, не имеющий ничего общего с анализом бренда.

 

Пример использования Twitter-канала SQL CAT для анализа
Экран 3. Пример использования Twitter-канала SQL CAT для анализа

Решения Cortana Intelligence Gallery в меньшей степени ориентированы на Power BI, чем шаблон, упомянутый выше. Акцент перенесен на платформу Microsoft Azure Analytics с брендом Cortana Intelligence Suite. Решение Data Warehouse with Spark Analytics (https://gallery.cortanaintelligence.com/Solution/Data-Warehousing-and-Data-

Science-with-SQL-Data-Warehouse-and-Spark-2) демонстрирует тестовое комплексное средство аналитики Больших Данных на основе Data Warehouse и Hadoop в Azure. Перемещение данных выполняется фабрикой данных Azure, интерактивная аналитика данных предоставляется через Apache Spark на экземпляре Hadoop, управляемом Azure HDInsight; развертывается Azure SQL Data Warehouse и вводятся тестовые данные из набора данных Million Song.

После нажатия кнопки Deploy («Развернуть») вы должны ответить на несколько вопросов, связанных с подпиской Azure, которая будет использоваться для установки решения. Те же правила применяются к указанному выше шаблону решения Power BI в отношении выставления счетов и использования текущей учетной записи Azure. Одно из дополнительных преимуществ решения Cortana Intelligence Gallery — возможность управлять развертываниями решений в группах ресурсов Azure из веб-сайта. Просто щелкните ссылку Manage, чтобы увидеть текущие развертывания.

Завершив все действия, вы получите работоспособное решение, которое демонстрирует «облачную» аналитику Больших Данных как в ноутбуках Jupyter, так и в Power BI, для исследования и визуализации необработанных данных и обработки результатов, хранящихся в Azure HDInsight и Azure SQL Data Warehouse.

Купить номер с этой статьей в PDF