Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
Az Azure Data Explorert bármilyen adatforrásból, például webhelyekről, alkalmazásokból és ioT-eszközökről származó nagy mennyiségű különböző adat elemzéséhez használhatja kimenetként. Az Azure Data Explorer egy gyors és nagy mértékben méretezhető adatfeltárási szolgáltatás a napló- és telemetriaadatokhoz. Segít kezelni a modern szoftverek által kibocsátott számos adatfolyamot, így adatokat gyűjthet, tárolhat és elemezhet. Ezek az adatok a diagnosztikához, a monitorozáshoz, a jelentéskészítéshez, a gépi tanuláshoz és a további elemzési funkciókhoz szükségesek.
Az Azure Data Explorer számos betöltési módszert támogat, beleértve az olyan gyakori szolgáltatások összekötőit, mint az Azure Event Hubs, programozott betöltés SDK-kkal, például .NET-en és Pythonon keresztül, valamint közvetlen hozzáférés a motorhoz feltárási célokra. Az Azure Data Explorer integrálható az elemzési és modellezési szolgáltatásokkal az adatok további elemzése és vizualizációja érdekében.
Az Azure Data Explorerrel kapcsolatos további információkért lásd : Mi az Azure Data Explorer?
Ha többet szeretne megtudni arról, hogyan hozhat létre Azure Data Explorer-fürtöt az Azure Portal használatával, olvassa el a gyorsútmutatót: Azure Data Explorer-fürt és -adatbázis létrehozása.
Megjegyzés:
Az Azure Stream Analytics Azure Data Explorere támogatja az Azure Synapse Data Explorer felé történő kimenetet. Ha az Azure Synapse Data Explorer fürtjeibe szeretne írni, adja meg a fürt URL-címét az Azure Stream Analytics feladat konfigurációs paneljén az Azure Data Explorer kimenet számára.
Kimeneti konfiguráció
Az alábbi táblázat az Azure Data Explorer-kimenet létrehozásához használt tulajdonságneveket és azok leírását sorolja fel.
| Tulajdonság megnevezése | Description |
|---|---|
| Kimeneti alias | A lekérdezésekben használt rövid név, amely a lekérdezés kimenetének az adatbázishoz való irányítására szolgál. |
| Subscription | A fürthöz használni kívánt Azure-előfizetés. |
| Klászter | A fürtöt azonosító egyedi név. A <region>.kusto.windows.net tartománynév hozzá van fűzve a megadott fürtnévhez. A név csak kisbetűket és számokat tartalmazhat. 4–22 karaktert kell tartalmaznia. |
| Adatbázis | Annak az adatbázisnak a neve, amelyben a kimenetet küldi. Az adatbázis nevének egyedinek kell lennie a fürtön belül. |
| Authentication | Kezelt identitás a Microsoft Entra ID-ből, amely lehetővé teszi a fürt számára, hogy más, Microsoft Entra által védett erőforrásokhoz, például az Azure Key Vaulthoz könnyen hozzáférjen. Az identitás kezelését az Azure-platform végzi, és nem szükséges hozzá semmilyen titkos kulcs kiosztása vagy rotálása. A kezelt identitáskonfiguráció jelenleg csak az ügyfél által kezelt kulcsok fürtöd számára történő engedélyezéséhez támogatott. |
| Táblázat | A tábla neve, ahol a kimenet meg van írva. A tábla neve megkülönbözteti a kis- és nagybetűk nevét. A tábla sémájának pontosan meg kell egyeznie a feladat kimenete által generált mezők számával és típusával. |
Partitioning
A particionálást engedélyezni kell, és a PARTITION BY lekérdezés záradékán alapul. Ha a Particionálás öröklése beállítás engedélyezve van, az a teljes mértékben párhuzamos lekérdezések bemeneti particionálását követi.
Mikor érdemes használni az Azure Stream Analyticset és az Azure Data Explorert?
Az Azure Stream Analytics jellemzői a következők:
- Streamfeldolgozó motor: folyamatos, streamelt valós idejű elemzés
- Feladatalapú
- Visszatekintő ablak 1 ezredmásodperctől 7 napig a memórián belüli időbeli elemzéshez és streamfeldolgozáshoz
- Betöltés az Azure Event Hubsból és az Azure IoT Hubról alszekundumos késéssel
Az Azure Data Explorer jellemzői a következők:
- Elemzési motor: igény szerinti, interaktív valós idejű elemzés
- Adatok folyamatos beolvasása egy állandó adattárba, valamint lekérdezési képességek biztosítása
- Adatok betöltése az Event Hubs, az IoT Hub, az Azure Blob Storage, az Azure Data Lake Storage, a Kafka, a Logstash, a Spark és az Azure Data Factory szolgáltatásból
- Nagy átviteli sebességű számítási feladatok esetén 10 másodperc és 5 perc közötti késés
- Egyszerű adatátalakítás frissítési szabályzaton keresztül a betöltés során
Az Azure Stream Analytics és az Azure Data Explorer együttes használatával jelentősen növelheti a valós idejű elemzések hatókörét. Íme néhány forgatókönyv:
- A Stream Analytics valós időben azonosítja az anomáliákat, és az Azure Data Explorer segít meghatározni, hogyan és miért történtek interaktív feltáráson keresztül.
- A Stream Analytics deszerializálja a bejövő adatfolyamokat az Azure Data Explorerben való használatra (például a Protobuf formátum betöltése egyéni deszerializáló vagy egyéni bináris formátumok használatával).
- A Stream Analytics összesítheti, szűrheti, bővítheti és átalakíthatja a bejövő adatfolyamokat az Azure Data Explorerben való használatra.
Egyéb forgatókönyvek és korlátozások
- Az oszlopok és az adattípus nevének egyeznie kell az Azure Stream Analytics SQL-lekérdezés és az Azure Data Explorer-tábla között. Az összehasonlítás megkülönbözteti a kis- és nagybetűkét.
- Az Azure Data Explorer-fürtökben található, de az Azure Stream Analyticsben hiányzó oszlopok figyelmen kívül lesznek hagyva. Az Azure Data Explorerben hiányzó oszlopok hibát jeleznek.
- Az Azure Stream Analytics-lekérdezés oszlopainak sorrendje nem számít. Az Azure Data Explorer-tábla sémája határozza meg a sorrendet.
- Az Azure Data Explorer a betöltési folyamat optimalizálására tervezett összesítési (kötegelési) szabályzattal rendelkezik az adatbetöltéshez. A szabályzat alapértelmezés szerint 5 perc, 1000 elem vagy 1 GB adatra van konfigurálva, így késést tapasztalhat. A késés csökkentése érdekében engedélyezze a streamelt adatbevitelt a klaszteren, majd a tábla vagy adatbázis esetén kövesse a Azure Data Explorer-klaszter streamelt adatbevitelének konfigurálása szakasz lépéseit. Az összesítési beállításokat lásd: IngestionBatching policy.