Erstellen einer modernen Datenplattformarchitektur für SMBs mithilfe von Microsoft Fabric und Azure Databricks

Azure Data Lake
Azure Databricks
Microsoft Fabric
Dynamics 365
Azure Data Factory
Microsoft Purview

Lösungsideen

In diesem Artikel wird eine Lösungsidee beschrieben. Ihr Cloudarchitekt kann diese Anleitung verwenden, um die Hauptkomponenten für eine typische 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 beschrieben, wie kleine und mittlere Unternehmen (SMBs) eine moderne Datenplattformarchitektur erstellen können, indem vorhandene Investitionen in Azure Databricks mit einer vollständig verwalteten Software as a Service (SaaS)-Datenplattform wie Microsoft Fabric kombiniert werden. SaaS-Datenplattformen sind End-to-End-Datenanalyselösungen, die in Tools wie Azure Machine Learning, Foundry Tools, Power Platform, Microsoft Dynamics 365 und andere Microsoft Technologien integriert werden.

Vereinfachte Architektur

Diagramm, das eine vereinfachte moderne Datenplattformarchitektur für KMU zeigt.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Die Interoperabilität zwischen Azure Databricks und Fabric bietet eine robuste Lösung, die die Datenfragmentierung minimiert, während die Analysefunktionen verbessert werden.

Fabric stellt einen offenen und gesteuerten Datensee bereit, der als "OneLake" bezeichnet wird, als zugrunde liegender SaaS-Speicher. OneLake und Azure Databricks verwenden beide das Delta-Parkettformat. Um aus OneLake auf Ihre Azure-Databricks-Daten zuzugreifen, können Sie in Fabric den Azure Databricks Unity-Katalog spiegeln, um Daten ohne Replikation oder Datenverschiebung zu integrieren. Mit dieser Integration können Sie Ihre Azure Databricks Analysesysteme durch generative KI über OneLake erweitern.

Sie können den Direct Lake-Modus auch in Power BI auf Ihren Azure Databricks Daten in OneLake verwenden. Der Direct Lake-Modus vereinfacht die Dienstebene und verbessert die Berichtsleistung. OneLake unterstützt APIs für Azure Data Lake Storage und speichert alle tabellarischen Daten im Delta-Parkettformat.

Daher können Azure Databricks-Notizbücher OneLake-Endpunkte verwenden, um auf die gespeicherten Daten zuzugreifen. Die Erfahrung ist identisch mit dem Zugriff auf die Daten über ein Fabric Warehouse. Mit dieser Integration können Sie Fabric oder Azure Databricks verwenden, ohne Ihre Daten neu zu gestalten.

Architektur

Diagramm, das eine vollständige moderne Datenplattformarchitektur für KMU zeigt.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Datenfluss

Der folgende Datenfluss entspricht dem vorherigen Diagramm:

  1. Verwenden Sie vorhandene Azure Data Factory Pipelines, um strukturierte und unstrukturierte Daten aus Quellsystemen aufzunehmen und im vorhandenen Datensee zu landen.

  2. Sie können Microsoft Dynamics 365 Datenquellen verwenden, um zentrale BI-Dashboards auf erweiterten Datasets mithilfe von Azure Synapse Link oder Microsoft Fabric Link zu erstellen. Bringen Sie die zusammengeführten, verarbeiteten Daten zur weiteren Analyse wieder in Microsoft Dynamics 365 und Power BI.

  3. Streamingdaten können je nach den Protokollen, die diese Nachrichten senden, über Azure Event Hubs oder Azure IoT Hub aufgenommen werden.

  4. Im Cold Path können Sie Azure Databricks verwenden, um die Streamingdaten zur weiteren Analyse, Speicherung und Erstellung von Berichten in den zentralen Data Lake zu übertragen. Diese Daten können dann mit anderen Datenquellen für die Batchanalyse vereinheitlicht werden.

  5. Im heißen Pfad können Sie Daten in Echtzeit analysieren und Echtzeit-Dashboards über Microsoft Fabric Real-Time Intelligence erstellen.

  6. Sie können die vorhandenen Azure Databricks Notizbücher verwenden, um Datenbereinigung, Vereinigung und Analysen durchzuführen. Erwägen Sie die Verwendung von Medallion-Architektur, z. B.:

    • Bronze, das Rohdaten enthält.
    • Silber, das gereinigte, gefilterte Daten enthält.
    • Gold, das aggregierte Daten speichert, die für Geschäftsanalysen nützlich sind.

  7. Verwenden Sie für goldene Daten oder ein Data Warehouse weiterhin Azure Databricks SQL, oder erstellen Sie eine Spiegelung des Azure Databricks Unity-Katalogs in Fabric. Um Berichte und Analysen für ein Fabric Lakehouse zu ermöglichen, erstellen Sie ein semantisches Modell explizit, und erstellen Sie Power BI Dashboards mithilfe von Direct Lake oder DirectQuery für hohe Leistung. Weitere Informationen finden Sie unter Semantic-Modelle in Fabric.

Die folgenden Tools werden für Governance, Zusammenarbeit, Sicherheit, Leistung und Kostenüberwachung verwendet.

  • Entdecken und steuern Sie:

    • Microsoft Purview bietet Datenermittlungsdienste, vertrauliche Datenklassifizierung und Governance-Einblicke in die gesamte Datenstruktur.

    • Unity Catalog bietet zentrale Zugriffssteuerungs-, Überwachungs-, Linien- und Datenermittlungsfunktionen in Azure Databricks-Arbeitsbereichen.

  • Plattformressourcen:

    • Microsoft Entra ID stellt einmaliges Anmelden (Single Sign-On, SSO) für Azure Databricks Benutzer bereit. Azure Databricks unterstützt die automatisierte Benutzerbereitstellung mit Microsoft Entra-ID für:

      • Neue Benutzer erstellen.
      • Weisen Sie jedem Benutzer eine Zugriffsebene zu.
      • Entfernen Sie Benutzer, und verweigern Sie ihnen den Zugriff.

    • Microsoft Cost Management bietet Finanzgovernancedienste für Azure-Workloads.

    • Azure Key Vault verwaltet geheime Schlüssel, Schlüssel und Zertifikate.

    • Azure Monitor sammelt und analysiert Azure-Ressourcentelemetrie. Dieser Dienst maximiert die Leistung und Zuverlässigkeit, indem Probleme proaktiv identifiziert werden.

    • Microsoft Defender for Cloud bietet Sicherheitsstatusverwaltung und Bedrohungsschutz für Azure-Ressourcen und Workloads.

    • Azure DevOps bietet kontinuierliche Integration und kontinuierliche Bereitstellung (CI/CD) und andere integrierte Versionssteuerungsfunktionen.

    • GitHub bietet Versionssteuerungs- und Zusammenarbeitsentwicklungsfunktionen zum Verwalten von Code- und Bereitstellungspipelinen.

Komponenten

  • Data Lake Storage ist ein skalierbarer Datenspeicherdienst, der für strukturierte und unstrukturierte Daten entwickelt wurde. In dieser Architektur dient Data Lake Storage als zugrunde liegende Infrastruktur für den Delta Lake. Es ist die primäre Speicherebene für rohe und verarbeitete Daten, die eine effiziente Datenaufnahme, Speicherung und Abruf für Analyse- und Machine Learning-Workloads ermöglicht.

  • Data Factory ist ein cloudbasierter Datenintegrationsdienst, der Datenbewegungen und Transformationen koordiniert und automatisiert. In dieser Architektur erstellt, plant und orchestriert Data Factory Datenpipelinen, die Daten über verschiedene Datenspeicher und Dienste hinweg verschieben und transformieren.

  • Event Hubs ist ein Echtzeitdatenaufnahmedienst, der Millionen von Ereignissen pro Sekunde aus einer beliebigen Quelle verarbeiten kann. In dieser Architektur erfasst und streamt Event Hubs große Datenmengen aus verschiedenen Quellen, um Echtzeitanalysen und ereignisgesteuerte Verarbeitung zu ermöglichen.

  • IoT Hub ist ein verwalteter Dienst, der die Sicherheit und zuverlässige Kommunikation zwischen IoT-Geräten (Internet of Things) und der Cloud verbessert. In dieser Architektur erleichtert IoT Hub die Erfassung, Verarbeitung und Analyse von Telemetriedaten von IoT-Geräten, um Echtzeiteinblicke bereitzustellen und remote monitoring zu ermöglichen.

  • Microsoft Dataverse ist eine skalierbare Datenplattform, mit der Organisationen datensicher speichern und verwalten können, die von Geschäftsanwendungen verwendet werden. In dieser Architektur dient sie als Datenquelle, die über Azure Synapse Link oder Microsoft Fabric Link in die Analysepipeline einspeist.

    • Azure Synapse Link ist ein Datenintegrationsfeature, das Dynamics-Anwendungen mit Azure Synapse Analytics oder Data Lake Storage verbindet. In dieser Architektur kopiert sie Daten in nahezu Echtzeit von Dataverse in Data Lake Storage.

    • Microsoft Fabric Link ist ein Datenintegrationsfeature, das Dynamics-Anwendungen mit Fabric verbindet. In dieser Architektur repliziert sie Daten von Dataverse in nahezu Echtzeit auf Fabric.

  • Azure Databricks ist eine Apache Spark-basierte Analyseplattform für big Data Processing, Machine Learning und Data Engineering. In dieser Architektur werden Datenbereinigung, Transformation und Analyse mithilfe von Medallion-Architekturebenen durchgeführt.

    • Delta Lake ist eine Open-Source-Speicherschicht, die für Spark- und Big-Data-Workloads Atomizität, Konsistenz, Isolation und Dauerhaftigkeit (ACID) bereitstellt. In dieser Architektur verbessert Delta Lake die Datensicherheit und Leistung innerhalb des Datensees.

    • Azure Databricks SQL ist ein SQL-basierter Analysedienst, mit dem Benutzer SQL-Abfragen für in Azure Databricks gespeicherte Daten ausführen können. In dieser Architektur bietet Azure Databricks SQL eine leistungsstarke SQL-Schnittstelle zum Abfragen und Analysieren von Daten, die interaktive Analysen ermöglichen.

    • KI und maschinelles Lernen umfassen eine Reihe von Technologien und Diensten, die die Entwicklung, Bereitstellung und Verwaltung von Machine Learning-Modellen ermöglichen. In dieser Architektur erstellen, trainieren und bereitstellen KI- und Machine-Learning-Dienste prädiktive Modelle. Diese Funktion ermöglicht die datengesteuerte Entscheidungsfindung.

    • Unity Catalog ist eine Lösung für Data Governance, die zentralisierte Zugriffskontrolle, Auditierung, Datenherkunft und Funktionen zur Datenerkennung in Azure-Databricks-Arbeitsbereichen bereitstellt. In dieser Architektur trägt Unity Catalog dazu bei, die Datengovernance und -sicherheit zu gewährleisten, indem differenzierte Zugriffskontrollen, Prüfung und Datenherkunftsverfolgung bereitgestellt werden.

  • Medallion Lakehouse-Architektur ist ein Datenarchitekturmuster, das Daten in Bronze-, Silber- und Goldschichten für eine effiziente Datenverarbeitung und -analyse organisiert. In dieser Architektur werden Datenverarbeitungsworkflows mithilfe von Data Lake Storage, Delta Lake und Azure Databricks strukturiert, um skalierbare Analysen zu unterstützen.

  • Fabric ist eine umfassende Datenplattform, die verschiedene Datendienste und Tools integriert, um eine nahtlose Datenverwaltung und Analyseerfahrung zu ermöglichen. In dieser Architektur verbindet Und integriert Fabric Daten aus mehreren Quellen, wodurch umfassende Datenanalysen und Erkenntnisse in der gesamten Organisation ermöglicht werden.

    • Real-Time Intelligence ist eine Datenverarbeitungsfunktion, mit der Organisationen Daten in Echtzeit aufnehmen, verarbeiten und analysieren können. Real-Time Intelligence verarbeitet Streamingdaten aus verschiedenen Quellen. In dieser Architektur bietet sie Echtzeiteinblicke und ermöglicht automatisierte Aktionen basierend auf Datenmustern.

    • OneLake-Shortcuts erstellen eine direkte In-Place-Verknüpfung zwischen OneLake und anderen Datenquellen. In dieser Architektur vereinfachen sie den Datenzugriff und die Verwaltung und bieten eine einheitliche Ansicht von Daten in der gesamten Organisation.

    • Fabric Copilot ist ein KI-basierter Assistent, der in Fabric Workloads integriert ist. Es verwendet große Sprachmodelle (LLMs), um Benutzern die Interaktion mit Daten mithilfe natürlicher Sprache zu erleichtern. Sie vereinfacht Aufgaben wie das Generieren von SQL, DAX und Transformationen und erstellt Berichte oder Dashboards. Copilot unterstützt Gesprächskontext, erstellt Visualisierungen und hilft beim Aufbau von Analysepipelines. Sie hilft Organisationen dabei, Datenerkenntnisse zu beschleunigen und Workflows zu optimieren, ohne dass umfassende Codierungskenntnisse erforderlich sind.

    • Ein Fabric Data Agent ist ein intelligenter, LLM-basierter Dienst in Fabric, den Organisationen zum Abfragen und Analysieren von Daten über mehrere Quellen hinweg verwenden, einschließlich Seehäuser, Lagerhäuser, Semantikmodelle, KQL-Datenbanken und gespiegelten Datenbanken über eine einzige Schnittstelle. Sie unterstützt komplexe Abfragen in mehreren Schritten, wendet benutzerdefinierte Logik über Beispielabfragen und Agent- oder Datenquellenanweisungen an und veröffentlicht sie für Microsoft 365 Copilot oder Teams. Sie bietet Unternehmensbenutzern einen sicheren, geregelten Zugriff auf Unternehmensdaten in natürlicher Sprache.

  • Power BI ist ein Business Analytics-Dienst, der interaktive Visualisierungen und Business Intelligence(BI)-Funktionen bereitstellt. In dieser Architektur visualisiert Power BI Daten aus Fabric und Azure Databricks mithilfe des Direct Lake-Modus zur Verbesserung der Leistung.

  • Microsoft Purview ist ein einheitlicher Datengovernancedienst, der Organisationen dabei hilft, ihre Daten in verschiedenen Quellen zu verwalten und zu steuern. In dieser Architektur werden Daten katalogisiert, die Datenherkunft nachverfolgt und die Compliance im gesamten Datenbestand erzwungen. Sie können Unity-Katalog in Purview integrieren , um über Purview auf Unity-Katalogmetadaten zuzugreifen.

  • Microsoft Entra ID ist eine cloudbasierte Identitäts- und Zugriffsverwaltungslösung, die sichere Anmeldungen und den Zugriff auf Ressourcen wie Microsoft 365, Azure und andere SaaS-Anwendungen gewährleistet. In dieser Architektur bietet Die Microsoft Entra-ID eine sichere Identitäts- und Zugriffsverwaltung für Azure-Ressourcen. Dieses Feature ermöglicht sichere Anmeldungen, verwaltet Benutzeridentitäten und stellt den autorisierten Zugriff auf Daten und Ressourcen sicher.

  • Cost Management ist eine Reihe von FinOps-Tools, mit denen Organisationen Microsoft Cloud Kosten analysieren, überwachen und optimieren können. In dieser Architektur bieten diese Tools Finanzgovernance über Azure-Ressourcen.

  • Key Vault ist ein Clouddienst, der geheime Schlüssel speichert und verwaltet, z. B. API-Schlüssel, Kennwörter, Zertifikate und kryptografische Schlüssel. In dieser Architektur können Azure Databricks geheime Schlüssel aus Key Vault abrufen, um Data Lake Storage zu authentifizieren und darauf zuzugreifen, was eine sichere Integration gewährleistet.

  • Azure Monitor ist ein Überwachungsdienst, der vollständige Stapel-Observierbarkeit für Anwendungen, Infrastruktur und Netzwerke bietet. Azure Monitor ermöglicht Es Benutzern, Telemetriedaten aus ihren Azure- und lokalen Umgebungen zu sammeln, zu analysieren und zu bearbeiten. In dieser Architektur stellt Azure Monitor die Leistung und Zuverlässigkeit sicher, indem Probleme proaktiv identifiziert werden.

  • Defender for Cloud ist eine cloudeigene Anwendungsschutzplattform, die Sicherheitsstatusverwaltung und Bedrohungsschutz in Azure-, Hybrid- und Multicloud-Umgebungen bereitstellt. In dieser Architektur sichert Defender for Cloud Datenplattformen und Arbeitsauslastungen, indem Sicherheitsrisiken identifiziert, Bedrohungen erkannt und Sicherheitsempfehlungen für Azure Ressourcen bereitgestellt werden.

  • Azure DevOps ist eine Reihe von Entwicklungstools, die eine zusammenarbeitende Kultur und optimierte Prozesse unterstützen. Diese Tools ermöglichen Entwicklern, Projektmanagern und Mitwirkenden, Software effizienter zu entwickeln. Azure DevOps bietet integrierte Features wie Azure Boards, Azure Repos, Azure Pipelines, Azure Test Plans und Azure Artifacts. Sie können über einen Webbrowser oder einen integrierten Entwicklungsumgebungsclient auf diese Features zugreifen. In dieser Architektur unterstützt Azure DevOps die automatisierte Bereitstellungs- und Versionssteuerung für Datenpipelinen und Notizbücher.

  • GitHub ist ein cloudbasierter Git-Repository-Hostingdienst, der die Versionssteuerung und Zusammenarbeit für Entwickler vereinfacht. Einzelpersonen und Teams können ihren Code speichern und verwalten, Änderungen nachverfolgen und an Projekten zusammenarbeiten. In dieser Architektur ist GitHub in Azure DevOps integriert, um Automatisierung und Compliance in Entwicklungsworkflows und Bereitstellungspipelinen für Data Factory, Azure Databricks und Fabric zu erzwingen.

Alternativen

Dienstalternativen in dieser Architektur

  • Batchaufnahme

  • Microsoft Dynamics 365-Datenaufnahme

  • Streaming-Dateneinspeisung

    • Die Entscheidung zwischen Azure IoT und Event Hubs hängt von der Quelle der Streamingdaten ab, ob Sie Klonen und bidirektionale Kommunikation mit den Berichtsgeräten und den erforderlichen Protokollen benötigen. Weitere Informationen finden Sie unter Vergleichen von IoT Hub und Event Hubs.

  • Lakehouse

    • Ein Fabric Lakehouse ist eine einheitliche Datenarchitekturplattform zum Verwalten und Analysieren strukturierter und unstrukturierter Daten in einem offenen Format, das in erster Linie Delta-Parkettdateien verwendet. Es unterstützt zwei Speichertypen. Diese Speichertypen sind verwaltete Tabellen wie CSV, Parkett oder Delta und nicht verwaltete Dateien. Verwaltete Tabellen werden automatisch erkannt. Nicht verwaltete Dateien erfordern eine explizite Tabellenerstellung. Die Plattform ermöglicht Datentransformationen über Spark- oder SQL-Endpunkte und ist in andere Fabric Komponenten integriert. Diese Integration ermöglicht den Datenaustausch ohne Duplikate. Dieses Konzept stimmt mit der gängigen Medallion-Architektur überein, die in Analysearbeitslasten verwendet wird. Weitere Informationen finden Sie unter Lakehouse in Fabric.

  • Echtzeitanalysen

    • Azure Databricks-

      • Wenn Sie über eine vorhandene Azure Databricks-Lösung verfügen, sollten Sie Spark-strukturiertes Streaming weiterhin für Echtzeitanalysen verwenden. Weitere Informationen finden Sie unter Streaming auf Azure Databricks.

    • Fabric

      • Wenn Sie zuvor andere Azure-Dienste für Echtzeitanalysen verwendet haben oder über keine vorhandene Echtzeitanalyselösung verfügen, lesen Sie Realzeitintelligenz im Vergleich zu Azure Streaminglösungen.

      • Fabric Structured Streaming verwendet Spark Structured Streaming zur Verarbeitung und Erfassung von Live-Datenströmen als kontinuierlich angefügte Tabellen. Strukturiertes Streaming unterstützt verschiedene Dateiquellen wie CSV, JSON, ORC, Parkett und Messaging-Dienste wie Kafka und Event Hubs. Dieser Ansatz stellt eine skalierbare und fehlertolerante Datenstromverarbeitung sicher, wodurch Produktionsumgebungen mit hohem Durchsatz optimiert werden. Weitere Informationen finden Sie unter Streamen von Daten in ein Lakehouse mit Spark.

  • Data Engineering

  • Data-Warehouse oder Goldschicht

    • Sie können fabric oder Azure Databricks verwenden, um ein SQL-basiertes Lager oder eine Goldschicht zu erstellen. Ein Entscheidungsleitfaden zum Auswählen einer Data Warehouse- oder Goldschichtspeicherlösung innerhalb Fabric finden Sie unter Choose a data store. Weitere Informationen zu SQL-Warehouse-Typen in Azure Databricks finden Sie unter SQL Warehouse-Typen.

  • Data Science-

    • Verwenden Sie fabric oder Azure Databricks für Data Science-Funktionen. Weitere Informationen zum Fabric Data Science-Angebot finden Sie unter Data Science in Fabric. Weitere Informationen zum Azure Databricks-Angebot finden Sie unter AI und maschinelles Lernen auf Azure Databricks.

    • Fabric Data Science unterscheidet sich von Machine Learning. Machine Learning bietet eine umfassende Lösung für die Verwaltung von Workflows und die Bereitstellung von Machine Learning-Modellen. Fabric Data Science ist auf ein Analyse- und Berichterstellungsszenario zugeschnitten.

  • Power BI-

    • Die Integration von Azure Databricks in Power BI ermöglicht die Datenverarbeitung und Visualisierung. Weitere Informationen finden Sie unter Verbinden von Power BI mit Azure Databricks.

    • Durch die Spiegelung des Azure Databricks Unity Catalog in Fabric können Sie direkt aus der Fabric-Workload auf Daten zugreifen, die von Azure Databricks Unity Catalog verwaltet werden. Weitere Informationen finden Sie unter Mirror Azure Databricks Unity Catalog. Sie können diese Daten aus Power BI im Direct Lake-Modus abfragen, ohne die Daten in die Power BI-Dienst zu kopieren.

Szenario-Details

KMU, die über eine vorhandene Azure Databricks Umgebung verfügen und optional eine Seehausarchitektur aufweisen, können von diesem Muster profitieren. Sie verwenden derzeit ein Azure-Tool für Extrahieren, Transformieren und Laden (ETL) wie Data Factory und stellen Berichte in Power BI bereit. Möglicherweise verfügen sie jedoch auch über mehrere Datenquellen, die unterschiedliche proprietäre Datenformate auf demselben Datensee verwenden, was zu Datenduplizierung und Lieferantensperrungen führt. Diese Situation kann die Datenverwaltung erschweren und die Abhängigkeit von bestimmten Anbietern erhöhen. Sie benötigen möglicherweise auch aktuelle und nahezu in Echtzeit verfügbare Berichte für die Entscheidungsfindung und möchten KI-Tools in ihrer gesamten IT-Umgebung einführen.

Fabric ist eine offene, einheitliche und verwaltete SaaS-Foundation, mit der Sie Folgendes verwenden können:

  • Zentralisieren Sie Daten in OneLake, um sie an einem einzigen Ort zu speichern, zu verwalten und zu analysieren, ohne sich Gedanken über eine Anbieterabhängigkeit machen zu müssen.

  • Schneller innovieren mit Integrationen in Microsoft 365-Apps.

  • Gewinnen Sie schnell Erkenntnisse mit den Vorteilen des Power BI Direct Lake-Modus.

  • Profitieren Sie von Copilot in jedem Fabric-Erlebnis.

  • Beschleunigen Sie die Analyse, indem Sie KI-Modelle auf einer einzigen Grundlage entwickeln.

  • Halten Sie Daten ohne Bewegung an Ort und Stelle, wodurch die Zeit reduziert wird, die Datenwissenschaftler benötigen, um Wert bereitzustellen.

Kostenoptimierung

Die Kostenoptimierung konzentriert sich auf Möglichkeiten, unnötige Ausgaben zu reduzieren und die betriebliche Effizienz zu verbessern. Weitere Informationen finden Sie unter Design Review-Checkliste für die Kostenoptimierung.

Um die Kosten dieser Lösung zu schätzen, verwenden Sie die voreingestellte Schätzung im Azure Preisrechner. Die Schätzung spiegelt die in diesem Artikel beschriebene Architektur mit repräsentativer Größenanpassung für eine SMB-Workload wider. Passen Sie die Werte an Ihre tatsächlichen Verwendungsmuster, Datenvolumes und Leistungsanforderungen an.

  • Microsoft Fabric Preise hängen vom Kapazitätsmodell ab. Die Schätzung verwendet F2, was ein kostenwirksamer Einstiegspunkt für KMU ist. Berücksichtigen Sie reservierte Kapazität für vorhersagbare Workloads, um Kosten zu senken.

  • Azure Databricks Preise hängen vom Workloadtyp, der Stufe und der Berechnungszeit ab. Die Schätzung basiert auf All-Purpose Compute der Premium-Stufe mit 200 Stunden pro Monat. Verwenden Sie Jobs Compute für geplante Batchworkloads, um die DBU-Kosten zu reduzieren.

  • Data Lake Storage Preise hängen von Speichervolumen, Zugriffsebene und Transaktionsanzahl ab. Die Schätzung umfasst 1 TB Hot-Tier-Speicher mit aktivierten hierarchischen Namespaces.

  • Azure Data Factory Preise hängen von der Anzahl der Aktivitätsläufe, Datenverschiebungsvolumen und Pipelineausführungsstunden ab.

  • Die Preise für Event Hubs hängen von den ausgewählten Ebenen und Durchsatzeinheiten ab. Die Schätzung verwendet die Standardebene mit einer Durchsatzeinheit.

Beitragende

Microsoft verwaltet diesen Artikel. Die folgenden Mitwirkenden haben diesen Artikel geschrieben.

Hauptautoren:

Um nicht öffentliche LinkedIn-Profile zu sehen, melden Sie sich bei LinkedIn an.

Nächste Schritte