Valós idejű elemzési és streamelési feldolgozási technológia kiválasztása az Azure-ban

Számos szolgáltatás érhető el valós idejű elemzéshez és streameléshez a Azure. Ez a cikk segít eldönteni, hogy melyik technológia felel meg a legjobban az alkalmazásnak.

Mikor érdemes használni az Azure Stream Analyticset?

Az Azure Stream Analytics az Azure-beli streamelemzések ajánlott szolgáltatása. Használja számos olyan forgatókönyvhez, amelyek magukban foglalják, de nem korlátozódnak a következőkre:

  • Irányítópultok adatvizualizációhoz
  • Valós idejű riasztások időbeli és térbeli mintákból vagy anomáliákból
  • Kinyerés, átalakítás, betöltés (ETL)
  • Event Sourcing minta
  • IoT Edge

Az Azure Stream Analytics-feladat alkalmazáshoz való hozzáadása a streamelt elemzések azure-ban való üzembe állításának leggyorsabb módja, a már ismert SQL-nyelv használatával. Az Azure Stream Analytics egy feladatfolyamat, így nem kell a fürtök kezelésével töltenie az időt, és nem kell aggódnia a leállások miatt a feladat szintjén, a 99,9%-os szolgáltatási szint megállapodás (SLA) mellett. A számlázás a feladat szintjén is történik, ami alacsonyvá teszi az indítási költségeket (egy streamelési egység), de méretezhető (akár 396 streamelési egységig). Sokkal költséghatékonyabb néhány Stream Analytics-feladat futtatása, mint egy fürt üzemeltetése és karbantartása.

Az Azure Stream Analytics gazdag funkciókészletet kínál azonnal használható formában. A következő funkciók azonnal kihasználhatók további beállítások nélkül:

  • Beépített időbeli operátorok, például ablakos aggregátumok, időbeli illesztések és időbeli elemzési függvények.
  • Natív Azure-bemeneti és kimeneti adapterek
  • Lassú referenciaadatok (más néven lekérdezési táblák) támogatása, beleértve a geofencinghez szükséges térinformatikai referenciaadatokhoz való csatlakozást.
  • Integrált megoldások, például anomáliadetektálás
  • Több időablak ugyanabban a lekérdezésben
  • Több időbeli operátor tetszőleges sorrendben történő megírásának képessége.
  • 100 ms alatti végponttól végpontig terjedő késés az Event Hubsba érkező bemenettől az Event Hubsban történő kimeneti lemaradásig, beleértve a hálózati késést Event Hubsból és Event Hubsba, folyamatosan magas átviteli sebességgel

Mikor érdemes más technológiákat használni?

UDF-eket, UTA-kat és egyéni deszerializálókat nem JavaScript vagy C nyelven szeretne írni#

Azure Stream Analytics támogatja a felhasználó által definiált függvényeket (UDF-eket) és a felhasználó által definiált összesítéseket (UDA-kat) a JavaScriptben felhőalapú feladatokhoz, a C#-t pedig IoT Edge feladatokhoz. A C# felhasználó által definiált deszerializálók is támogatottak. Ha olyan deszerializálót, UDF-et vagy UDA-t szeretne implementálni más nyelveken, mint például Java vagy Python, használja a Spark Structured Streaminget. Az Event Hubs EventProcessorHostot a saját virtuális gépein is futtathatja tetszőleges streamfeldolgozáshoz.

A megoldás többfelhős vagy helyszíni környezetben van

Az Azure Stream Analytics a Microsoft saját fejlesztésű technológiája, és csak az Azure-ban érhető el. Ha azt szeretné, hogy a megoldás hordozható legyen a felhőkben vagy a helyszínen, fontolja meg a nyílt forráskódú technológiákat, például a Spark Strukturált streamelést vagy az Apache Flinket.

Következő lépések

  • Last updated on