Datalösningar för Python-appar i Azure

Azure erbjuder ett brett utbud av fullständigt hanterade databas- och lagringslösningar, inklusive relationsdatabaser, NoSQL- och minnesinterna databaser, med stöd för både proprietära tekniker och tekniker med öppen källkod. Du kan också välja mellan objekt-, block- och fillagringstjänster. Följande artiklar kan hjälpa dig att komma igång med de här alternativen med Python i Azure.

Databaser

• PostgreSQL: Skapa skalbara, säkra och fullständigt hanterade företagsappar med postgreSQL med öppen källkod. Du kan skala PostgreSQL med en nod för höga prestanda eller migrera befintliga PostgreSQL- och Oracle-arbetsbelastningar till molnet.

  • Snabbstart: Använda Python för att ansluta och fråga efter data i Azure Database for PostgreSQL – flexibel server
  • Snabbstart: Använda Python för att ansluta och fråga efter data i Azure Database for PostgreSQL – enskild server
  • Distribuera en Python-webbapp (Django eller Flask) med PostgreSQL i Azure App Service

• MySQL: Skapa skalbara program med en fullständigt hanterad, intelligent MySQL-databas i molnet.

  • Snabbstart: Använda Python för att ansluta och fråga efter data i Azure Database for MySQL – flexibel server
  • Snabbstart: Använda Python för att ansluta och fråga efter data i Azure Database for MySQL

• Azure SQL: Skapa skalbara program med en fullständigt hanterad och intelligent SQL-databasplattform i molnet.

  • Snabbstart: Använd Python för att fråga en databas i Azure SQL Database eller Azure SQL Managed Instance

NoSQL, blobar, tabeller, filer, grafer och cacheminnen

• Cosmos DB: Skapa appar med låg latens och hög tillgänglighet i global skala eller migrera Cassandra, MongoDB och andra NoSQL-arbetsbelastningar till molnet.

  • Snabbstart: Azure Cosmos DB för NoSQL-klientbibliotek för Python
  • Snabbstart: Azure Cosmos DB för MongoDB för Python med MongoDB-drivrutin
  • Snabbstart: Skapa en Cassandra-app med Python SDK och Azure Cosmos DB
  • snabbstart: Skapa ett API för tabellapp med Python SDK och Azure Cosmos DB
  • Snabbstart: Azure Cosmos DB för Apache Gremlin-biblioteket för Python

• Bloblagring: Säker, massivt skalbar objektlagring för molnbaserade appar, datasjöar, arkiv, högpresterande databehandling (HPC) och maskininlärning.

  • Snabbstart: Azure Blob Storage-klientbibliotek för Python
  • Azure Storage-exempel med v12 Python-klientbibliotek

• Azure Data Lake Storage Gen2: Skalbar, säker datasjö optimerad för analys med höga prestanda.

  • Använda Python för att hantera kataloger och filer i Azure Data Lake Storage Gen2
  • Använda Python för att hantera ACL:er i Azure Data Lake Storage Gen2

• Fillagring: Enkla, säkra och serverlösa molnfilresurser i företagsklass.

  • Utveckla för Azure Files med Python

• Redis Cache: Påskynda programprestanda med ett skalbart, minnesinternt datalager som är kompatibelt med öppen källkod.

  • Snabbstart: Så här använder du Azure Cache for Redis i Python

Stordata och analys

• Azure Data Lake-analys: Fullständigt hanterad analystjänst med betalning per jobb som levererar kraftfull parallell databearbetning med inbyggd säkerhet, granskning och support i företagsklass.

  • Hantera Azure Data Lake Analytics med Python
  • Utveckla U-SQL med Python för Azure Data Lake Analytics i Visual Studio Code

• Azure Data Factory: En fullständigt hanterad dataintegreringstjänst som gör att du visuellt kan skapa, samordna och automatisera dataflytt och transformering mellan olika datakällor.

  • Snabbstart: Skapa en datafabrik och pipeline med Python
  • Transformera data genom att köra en Python-aktivitet i Azure Databricks

• Azure Event Hubs: En fullständigt hanterad telemetriinmatningstjänst i hyperskala som är utformad för att samla in, transformera och lagra miljontals händelser per sekund från anslutna enheter och program.

  • Skicka händelser till eller ta emot händelser från händelsehubbar med hjälp av Python
  • Samla in Event Hubs-data i Azure Storage och läs dem med hjälp av Python (azure-eventhub)

• HDInsight: En fullständigt hanterad molntjänst som kör populära ramverk med öppen källkod som Hadoop och Spark, som backas upp av ett serviceavtal på 99,9% för stordataanalys i företagsklass.

  • Använda Spark- och Hive-verktyg för Visual Studio Code

• Azure Databricks: En fullständigt hanterad, snabb, enkel och samarbetsbaserad Apache® Spark-baserad™ analysplattform som är optimerad för stordata och AI-arbetsbelastningar i Azure.

  • Ansluta till Azure Databricks från Excel, Python eller R
  • Kom igång med Azure Databricks
  • Självstudie: Azure Data Lake Storage Gen2, Azure Databricks och Spark

• Azure Synapse Analytics: En fullständigt hanterad analystjänst som förenar dataintegrering, lagring av företagsdata och stordataanalys till en enda plattform.

  • Snabbstart: Använd Python för att fråga en databas i Azure SQL Database eller Azure SQL Managed Instance (inklusive Azure Synapse Analytics)