Mastering Azure Analytics

Obra de referencia avanzada escrita por Zoiner Tejada y publicada por O'Reilly en 2017, centrada en el diseño y la implementación de soluciones de Big Data y análisis distribuido en la nube de Microsoft Azure. Está dirigida a arquitectos de datos, ingenieros de software sénior y científicos de datos con conocimientos sólidos en bases de datos, sistemas distribuidos y programación en SQL, C#, Python o Scala, que necesitan orquestar flujos de trabajo analíticos de gran escala empresarial.

El libro aborda detalladamente los fundamentos de la Arquitectura Lambda y los patrones de Data Lake en la nube. Detalla la orquestación y transformación de datos mediante Azure Data Factory, el almacenamiento masivo en Azure Data Lake Store (ADLS) y Azure Blob Storage, y el procesamiento analítico distribuido por lotes con Azure HDInsight (utilizando Apache Spark, Hive y Storm) y Azure Data Lake Analytics mediante U-SQL. Para el camino de procesamiento en tiempo real (hot path), implementa ingesta continua con Azure Event Hubs y análisis de flujos con Azure Stream Analytics y Spark Streaming, integrando capas de servicio mediante Azure SQL Data Warehouse (actual Azure Synapse Dedicated SQL Pool) y Azure Cosmos DB (entonces DocumentDB), junto con metadatos en Azure Data Catalog y modelos predictivos en Azure Machine Learning.

La práctica del libro se articula en torno a la creación de una arquitectura analítica integral para una aerolínea ficticia llamada Blue Yonder Airlines, cruzando grandes volúmenes de datos históricos de vuelos y demoras de la FAA con información meteorológica y telemetría de aviones en tiempo real. Su gran valor radica en explicar con rigor de ingeniería cómo conectar de extremo a extremo una canalización de datos moderna y productiva. Es importante considerar que, al ser una publicación de 2017, la nomenclatura y evolución de ciertos servicios ha cambiado en el catálogo actual de Azure (como la adopción de Azure Synapse Analytics o Microsoft Fabric), pero los patrones de diseño y procesamiento distribuido siguen siendo un referente técnico sólido.