你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
云规模分析侧重于分离运行时、自动化和用户层。
自动化到运行时交互是使用 Azure Pipelines 和脚本化 Azure 资源管理器模板完成的。
重要
云规模分析使用 Azure 策略 来设置边界，并确保数据登陆区域运营团队执行的更改符合要求。
云规模分析使用策略来强制实施：
- 命名约定。
- 网络规则。
- 不允许的服务。
数据着陆区具有标准配置的特定要求。
- 子网的大小。
- 子网数。
- 资源组数。
- 资源组的名称。
- 密钥保管库。
下图显示了如何为数据登陆区域实现自动化原则。
部署模型
云规模分析包括：
- 数据管理着陆区。
- 一个或多个数据落地区域。
- 一个或多个数据应用程序，用于在每个数据登陆区域中生成数据产品。
由于不同的要求和生命周期，每个应用程序可以随着时间推移而独立发展。 例如，某个数据落地区域在某一时刻可能需要 RA-GRS 存储帐户。 在库中，每个资产都应具有基础设施即代码 (IaC) 的表示。 这样，可以根据相应数据登陆区域和数据应用程序的要求来实现更改。
下表汇总了云规模分析部署中涉及的团队。
| Name | 角色 | 团队数 |
|---|---|---|
| 云平台团队 | 组织中的 Azure 云平台团队。 | 一个用于整个 Azure 平台。 |
| 数据平台团队 | 负责为不同级别的云规模分析创建和维护 Azure 资源管理器模板存储库。 此外，维护数据管理着陆区，并在出现部署问题或需要增强功能时支持其他团队。 | 一个用于云规模分析。 |
| 数据着陆区团队 | 负责部署和维护特定数据登陆区域。 还支持生成数据产品的数据应用程序的部署和增强。 | 每个数据落地区域配备一个团队。 |
| 数据应用程序团队 | 负责数据产品部署和更新。 | 每个数据应用程序配备一个团队。 |