Capturer des données à partir d’Event Hubs au format Delta Lake

Cet article explique comment utiliser l’éditeur no code pour capturer automatiquement des données de streaming dans Event Hubs dans un compte Azure Data Lake Storage Gen2 au format Delta Lake.

Prérequis

• Vos ressources Azure Event Hubs et Azure Data Lake Storage Gen2 doivent être accessibles publiquement et ne peuvent pas résider derrière un pare-feu ou être sécurisées dans un réseau virtuel Azure.
• Les données de votre Event Hubs doivent être sérialisées au format JSON, CSV ou Avro.

Configurer un travail pour capturer des données

Procédez comme suit pour configurer un travail Stream Analytics pour capturer des données dans Azure Data Lake Storage Gen2.

1. Dans le portail Azure, accédez à votre hub d’événements.

2. Sélectionnez Fonctionnalités>Traiter les données, puis sélectionnez Démarrer sur la carte Capturer des données dans ADLS Gen2 au format Delta Lake.
   

   Vous pouvez également sélectionner Fonctionnalités>Capturer, sélectionner l’option Delta Lake sous « Format de sérialisation de l’événement de sortie », puis sélectionner Démarrer la configuration de la capture de données.

3. Entrez un nom pour identifier votre travail Stream Analytics. Sélectionnez Create (Créer).
   

4. Spécifiez le type de Sérialisation de vos données dans Event Hubs et la méthode d’authentification que la tâche utilise pour se connecter aux Event Hubs. Sélectionnez Connecter.

5. Une fois la connexion établie, vous pouvez voir :

   • Champs présents dans les données d’entrée. Vous pouvez choisir Ajouter un champ ou sélectionner le symbole trois points en regard d’un champ pour éventuellement supprimer, renommer ou modifier son nom.
   • Exemple dynamique de données entrantes dans la table d’aperçu des données sous la vue diagramme. Il s’actualise à intervalles réguliers. Vous pouvez sélectionner Suspendre la préversion de streaming pour afficher une vue statique des exemples de données d’entrée.
     

6. Sélectionnez la vignette Azure Data Lake Storage Gen2 pour modifier la configuration.

7. Dans la page de configuration Azure Data Lake Storage Gen2, effectuez ces étapes :

   1. Sélectionnez l’abonnement, le nom du compte de stockage et le conteneur dans le menu déroulant.

   2. Une fois l’abonnement sélectionné, la méthode d’authentification et la clé de compte de stockage doivent être renseignées automatiquement.

   3. Pour Chemin de la table Delta, il est utilisé pour spécifier l’emplacement et le nom de votre table Delta Lake stockée dans Azure Data Lake Storage Gen2. Vous pouvez choisir d’utiliser un ou plusieurs segments de chemin pour définir le chemin d’accès à la table Delta et le nom de celle-ci. Pour en savoir plus, consultez Écrire dans une table Delta Lake.

   4. Sélectionnez Se connecter.

      

8. Une fois la connexion établie, vous pouvez voir les champs présents dans les données de sortie.

9. Sélectionnez Enregistrer dans la barre de commandes pour enregistrer votre configuration.

10. Sélectionnez Démarrer dans la barre de commandes pour démarrer le flux de streaming et capturer des données. Ensuite, dans la fenêtre Démarrer le travail Stream Analytics :

    1. Sélectionnez l’heure de début de sortie.
    2. Sélectionnez le nombre d’unités de streaming (SU) avec laquelle le travail s’exécute. Les SU représentent les ressources de calcul allouées pour exécuter un travail Stream Analytics. Pour plus d’informations, voir Unités de streaming dans Azure Stream Analytics.
       

11. Une fois que vous avez sélectionné Démarrer, l’exécution du travail commence sous deux minutes et les métriques s’ouvrent dans la section onglet, comme illustré dans l’image suivante.

12. Le nouveau travail est visible sous l’onglet Travaux Stream Analytics.

Vérifier la sortie

Vérifiez que les fichiers parquet au format Delta Lake sont générés dans le conteneur Azure Data Lake Storage.

Considérations relatives à l’utilisation de la fonctionnalité de géo Event Hubs

Azure Event Hubs a récemment lancé la fonctionnalité géo en préversion publique. Cette fonctionnalité est différente de la fonctionnalité récupération d’urgence géo d’Azure Event Hubs.

Lorsque le type de basculement est Forcé et que la cohérence de la réplication est Asynchrone, le travail Stream Analytics ne garantit pas exactement une sortie vers une sortie Azure Event Hubs.

Azure Stream Analytics, comme producteur avec un hub d’événements en tant que sortie, peut observer un retard de filigrane sur le travail pendant la durée de basculement et pendant la limitation par Event Hubs au cas où le décalage de réplication entre le serveur principal et le serveur secondaire atteint la limite maximale configurée de décalage.

Azure Stream Analytics, comme consommateur avec Event Hubs en tant qu’entrée, peut observer un délai de filigrane sur le travail pendant la durée de basculement et peut ignorer les données ou rechercher des données dupliquées une fois le basculement terminé.

En raison de ces avertissements, nous vous recommandons de redémarrer le travail Stream Analytics avec l’heure de début appropriée juste après la fin du basculement d’Event Hubs. En outre, étant donné que la fonctionnalité géo d’Event Hubs est en préversion publique, nous vous déconseillons d’utiliser ce modèle pour les travaux Stream Analytics de production à ce stade. Le comportement actuel de Stream Analytics s’améliore avant que la fonctionnalité de géo d’Event Hubs soit généralement disponible et puisse être utilisée dans des travaux de production Stream Analytics.

Étapes suivantes

Maintenant, vous savez comment utiliser l’éditeur no code Stream Analytics pour créer un travail qui capture les données Event Hubs dans Azure Data Lake Storage Gen2 au format Delta Lake. Ensuite, vous pouvez en savoir plus sur Azure Stream Analytics et comment surveiller le travail que vous avez créé.

• Présentation d’Azure Stream Analytics
• Effectuer le monitoring d’un travail Stream Analytics avec le portail Azure