Análisis y bases de datos

Tipos de bases de datos:

• Estructuradas (SQL)
• No Estructuradas (NoSQL)

Tipos de Datos

• Estructurados
• Semi-estructurados
• No estructarados

Servicios

1. Azure Cosmo DB

   • Servicio de bases de datos NoSQL, elástico e independiente al rendimiento y almacenamiento de las regiones.
   • Almacena datos en formato de secuencia de registro de átomos (ARS).
   • Se abstraen los datos y se proyectan como una API.
   • Compatibilidad con SQL, Gremlin, Cassandra, MondoDB

2. Azure SQL Database

   • Basado en Microsoft SQL Server.
   • Alto rendimiento
   • Confiable
   • Administrada
   • Segura
   • Compatible con NoSQL
   • Funciona como PaaS controlando las funciones administrativas de una BD:
     • Actualizaciones
     • Revisiones
     • Backups
     • Supervisión

3. Azure SQL Managed Instance

   • Comando para backup.
   • Common language runtime (CLR).

   CLR: Es el entorno de ejecución de código .NET en SQL que se encarga de compilar y convertir el código pára que sea ejecutado en la CPU de la máquina.

   • Transacciones entre bases de datos.
   • No cuenta con escalado automático.

Servicios para motores específicos

1. Azure Database for MySQL
   • Basado en MySQL Community Edition 5.6, 5.7 y 8.0.
   • Alta disponibilidad.
   • Escalado en segundos.
   • Protección de información.
   • Backups automáticos.
2. Azure Database for PostgreSQL
   • Basado en PostgreSQL.
   • Opción de servidor único:
     • Básico
     • Uso general
     • Optimizado
   • Hiperscala (Citus) para cargas de100 GB o más.

Servicios de análisis y big data

1. Azure Synapse Analytics
   • Análisis de datos de todo tipo: sin procesar, refinados o seleccionados.
   • Por medio de recursos sin servidor o provisionados.
   • Compatible con SQL y Apache Spark.
2. Azure HDInsight
   • Análisis de datos de open source.
   • Procesa grandes volúmenes de datos.
   • Puede crear clusters de tipo Spark, Hadoop, Kafka, HBase y más.
   • Admite ETLs.
3. Azure Databricks
   • Descubre información de volúmenes masivos de datos.
   • Compatible con Apache Spark.
   • Funciona Python, Scala, R, Java, SQL, TensorFlow, PyTorch y Scikit-Learn.
4. Azure Data Lake Analytics
   • Realiza análisis bajo demanda.
   • Enfocado a ETL en lugar de configurar hardware.
   • Modelo pay as you go.