在 Azure 中设计云原生应用程序以获得 ML 见解和操作
Design for a Cloud Native Application in Azure for ML Insights and Actions
我有一个想法，我打算通过使用所有 PaaS 和 SaaS（没有 IaaS）来构建一个用于算法交易的云原生应用程序，我想就 如何获得一些反馈 我打算建造它。这个概念非常简单，因为我打算通过 API 查询使用来自外部 SaaS 解决方案的金融交易数据，将该数据提供给各种 Azure PaaS 解决方案（最著名的是用于建模的 ML），然后采取一些行动。这是我到目前为止提出的高级图表：
Solution Overview
请注意，虽然我熟悉 Azure，但我不是 Azure 云工程师，并且自己实际构建解决方案的经验有限。随后，我打算以此项目为基础，进一步深造。
开始构建时，我立即质疑是否应该使用事件中心。从概念上讲，这是有道理的，因为我将数据流的生成与数据流的消费分离开来。据推测，当/如果我将来需要更新数据提要时，这会减少并发症。我还考虑了数据的存储位置......它应该是一个 SQL 数据库，还是更简单地说，一个 Azure Table？这里的想法是，当我迭代我的模型时，需要存储交易数据以进行回归测试。综上所述，希望从任何可能对此有经验的人那里寻求一些见解 space。
谢谢！
这里没有真正的问题。看看微软提供的架构参考：https://docs.microsoft.com/en-us/azure/architecture/reference-architectures/
我有一个想法，我打算通过使用所有 PaaS 和 SaaS（没有 IaaS）来构建一个用于算法交易的云原生应用程序，我想就 如何获得一些反馈 我打算建造它。这个概念非常简单，因为我打算通过 API 查询使用来自外部 SaaS 解决方案的金融交易数据，将该数据提供给各种 Azure PaaS 解决方案（最著名的是用于建模的 ML），然后采取一些行动。这是我到目前为止提出的高级图表：
Solution Overview
请注意，虽然我熟悉 Azure，但我不是 Azure 云工程师，并且自己实际构建解决方案的经验有限。随后，我打算以此项目为基础，进一步深造。
开始构建时，我立即质疑是否应该使用事件中心。从概念上讲，这是有道理的，因为我将数据流的生成与数据流的消费分离开来。据推测，当/如果我将来需要更新数据提要时，这会减少并发症。我还考虑了数据的存储位置......它应该是一个 SQL 数据库，还是更简单地说，一个 Azure Table？这里的想法是，当我迭代我的模型时，需要存储交易数据以进行回归测试。综上所述，希望从任何可能对此有经验的人那里寻求一些见解 space。
谢谢！
这里没有真正的问题。看看微软提供的架构参考：https://docs.microsoft.com/en-us/azure/architecture/reference-architectures/