運用 AMD 基礎的機密虛擬機器在 Azure Data Explorer 集群中

目錄

• 關於 Azure Data Explorer
• Azure Data Explorer 的主要特點
• Azure Data Explorer 的主要用途
• Azure Data Explorer 的資料分析能力
• Azure Data Explorer 的机器学习能力
• Azure Data Explorer 的資料載入和儲存能力
• Azure Data Explorer 的查詢語言 KQL
• Azure Data Explorer 的安全性與保護能力
• Azure Data Explorer 的機密運算解決方案的介紹
• 如何建立 Azure Data Explorer 的機密運算集群
• 整合 Azure Data Explorer 的機密運算與其他服務的應用案例

Azure Data Explorer 的機密運算解決方案

🚀 Azure Data Explorer 是一個高效、全面管理的 Azure 服務，允許客戶對大量的數據進行分析，並且針對交互式的即席查詢進行了優化。

關於 Azure Data Explorer

Azure Data Explorer 適用於時間序列數據，包括監控數據、日誌、指標和遙測數據。它支持結構化數據、半結構化數據（例如 JSON）和非結構化文本數據，包括全文索引搜索。使用 Azure Data Explorer，用戶可以在幾秒鐘內分析數PB的信息，通過分析結構化、半結構化和非結構化數據和利用機器學習，從數據中提取重要洞察。

Azure Data Explorer 的主要特點

⚡️ Azure Data Explorer 具有以下特點：

• 面向實時數據，平台提供多種高速數據載入選項，可以流式傳輸快速流動的數據，延遲時間僅為幾秒鐘。
• 通過分布式方式載入數據，支持流式載入和批量載入。
• 提供直觀、簡單、邏輯清晰的查詢語言，稱為 Kusto 查詢語言（KQL），使數據工程師、數據科學家和業務分析師都能夠獨立進行大數據分析。
• 支持強大的時間序列數據分析能力，包括時間序列函數和操作符。
• 具有自動表決功能，可以確保查詢結果的準確性。

Azure Data Explorer 的主要用途

💡 Azure Data Explorer 的用途如下：

• 監控和分析大規模應用系統生成的日誌和指標數據。
• 基於數據分析驅動業務策略和決策。
• 進行數據探索和數據可視化。
• 進行機器學習和模型訓練。
• 實現即席查詢，以便隨時隨地獲取實時數據。

Azure Data Explorer 的資料分析能力

🔍 Azure Data Explorer 具有強大的資料分析能力，可以對大規模的數據進行快速查詢和分析。使用 KQL，您可以輕鬆地對數據進行過濾、聚合、分組、排序和計算。此外，Azure Data Explorer 還提供了豐富的時間序列函數和操作符，使您能夠進行時間序列數據的高級分析和操作。

Azure Data Explorer 的机器学习能力

🤖 Azure Data Explorer 具有強大的機器學習能力，允許您在數據中應用機器學習算法和模型。使用 Azure Data Explorer，您可以進行模式識別、異常檢測、預測分析等機器學習任務，並從數據中提取有價值的洞察。

Azure Data Explorer 的資料載入和儲存能力

💾 Azure Data Explorer 提供了多種方式將數據載入到平台中，包括批量載入和流式載入。您可以從各種數據來源，如 Azure Blob 存儲、Azure Event Hub、Azure IoT Hub 等，輕鬆地將數據載入到 Azure Data Explorer 中。同時，Azure Data Explorer 還提供了快速的數據存儲和壓縮能力，以節省存儲空間和提高查詢效果。

Azure Data Explorer 的查詢語言 KQL

❓ Azure Data Explorer 使用的查詢語言是 KQL（Kusto 查詢語言）。KQL 是一種直觀、簡單且邏輯清晰的查詢語言，使數據工程師、數據科學家和業務分析師能夠獨立進行大數據分析。使用 KQL，您可以輕鬆地過濾、聚合、分組、排序和計算數據，並從數據中提取有用的洞見。

Azure Data Explorer 的安全性與保護能力

🛡️ Azure Data Explorer 提供了強大的安全性和保護機制，以確保數據的安全性和隱私性。它支持數據的加密傳輸和加密存儲，並提供了存取控制和權限管理功能。此外，Azure Data Explorer 還支持數據遮蔽和數據分類，以遵守不同的合規性要求，如 GDPR 和 HIPAA。

Azure Data Explorer 的機密運算解決方案的介紹

🔒 Azure Data Explorer 的機密運算解決方案基於 AMD EPYC SEV-SNP 技術，為虛擬化環境增加了高級安全級別。它使用 Secure Encrypted Virtualization（SEV）技術將虛擬機器中的所有數據加密，以保護虛擬機器的數據安全。此外，它還支持 Secure Nested Paging（SNP）技術，這是一種分層分頁模型，只允許虛擬機器的管理員訪問虛擬機器的內存，從而創建了一個相對隔離的內存區域。

如何建立 Azure Data Explorer 的機密運算集群

🚀 您可以使用 Azure 门户或 Azure CLI 命令來建立 Azure Data Explorer 的機密運算集群。首先，您需要選擇適合需求的專用區域，然後選擇具有機密計算 SKU 的機密運算集群。您還可以選擇加密選項，如使用客戶管理的金鑰進行數據加密。建立 Azure Data Explorer 的機密運算集群非常簡單，可以快速完成。

整合 Azure Data Explorer 的機密運算與其他服務的應用案例

⚙️ Azure Data Explorer 的機密運算解決方案可以與其他 Azure 服務整合，以滿足各種業務需求。例如，您可以將 Azure Data Explorer 與 Azure Sentinel 整合，以實現更高級的安全分析。同時，您還可以將 Azure Data Explorer 與 Azure Machine Learning 整合，以實現高效的數據科學工作流程。

結論

Azure Data Explorer 的機密運算解決方案為數據的安全性和隱私提供了先進的保護措施，同時保證了數據的高效分析能力。無論是金融行業、政府機構還是醫療保健行業，都可以從機密運算技術中受益。通過建立 Azure Data Explorer 的機密運算集群，您可以保護虛擬機器中的數據安全，同時滿足合規性要求。整合 Azure Data Explorer 的機密運算與其他 Azure 服務，可以進一步擴展應用範圍，提高數據分析的效率和準確性。

FAQ

Q: Azure Data Explorer 的機密運算解決方案如何保護數據的安全性和隱私性？ A: Azure Data Explorer 的機密運算解決方案使用 AMD EPYC SEV-SNP 技術加密虛擬機器中的數據，防止未經授權的訪問。此外，它還支持存儲和傳輸數據的加密，以及存取控制和權限管理。

Q: Azure Data Explorer 的機密運算解決方案與其他 Azure 服務如何整合？ A: Azure Data Explorer 的機密運算解決方案可以與其他 Azure 服務，如 Azure Sentinel 和 Azure Machine Learning 整合，以實現更高級的安全分析和數據科學工作流程。

Q: 是否需要變更程式碼來支持 Azure Data Explorer 的機密運算解決方案？ A: 不需要變更程式碼。對於現有的 Azure Data Explorer 集群，只需選擇機密運算 SKU 作為目標 SKU，即可進行簡單的遷移。

資源：Azure Data Explorer 文件