Adatstreamelés az Azure SQL Edge-ben
Fontos
Az Azure SQL Edge 2025. szeptember 30-án megszűnik. További információkért és a migrálási lehetőségekért tekintse meg a kivonásról szóló közleményt.
Feljegyzés
Az Azure SQL Edge már nem támogatja az ARM64 platformot.
Az Azure SQL Edge a Transact-SQL (T-SQL) streamelés nevű adatstreamelési képességek natív implementációját biztosítja. Valós idejű adatstreamelést, elemzést és eseményfeldolgozást biztosít a több forrásból származó nagy mennyiségű gyors streamelési adat egyidejű elemzéséhez és feldolgozásához. A T-SQL-streamelés ugyanazzal a nagy teljesítményű streamelési motorral készült, amely az Azure Stream Analyticset a Microsoft Azure-ban működteti. A funkció a peremhálózaton futó Azure Stream Analytics hasonló képességeit támogatja.
A Stream Analyticshez hasonlóan a T-SQL Streaming is felismeri a mintákat és a kapcsolatokat a számos IoT-bemeneti forrásból, köztük az eszközökből, érzékelőkből és alkalmazásokból kinyert információkban. Ezekkel a mintákkal műveleteket indíthat el, és munkafolyamatokat kezdeményezhet. Létrehozhat például riasztásokat, adatokat adhat meg egy jelentéskészítési vagy vizualizációs megoldásnak, vagy tárolhatja az adatokat későbbi használatra.
A T-SQL-streamelés a következő segítségére lehet:
- Valós idejű telemetriai streamek elemzése IoT-eszközökről.
- Használjon valós idejű elemzést az önvezető és vezető nélküli járművekből származó adatokról.
- Használjon nagy értékű ipari vagy gyártási eszközök távoli monitorozását és prediktív karbantartását.
- A mezőgazdasági vagy energiafarmok IoT-érzékelőinek anomáliadetektálását és mintázatfelismerését használhatja.
Hogyan működik a T-SQL streamelése?
A T-SQL-streamelés pontosan ugyanúgy működik, mint az Azure Stream Analytics. Például a streamelési feladatok fogalmát használja a valós idejű adatstreamelés feldolgozásához.
A streamelemzési feladatok a következőkből állnak:
Streambemenet: Ez határozza meg az adatforráshoz való csatlakozást az adatfolyam beolvasásához. Az Azure SQL Edge jelenleg a következő streambemenet-típusokat támogatja:
- Edge Hub
- Kafka (A Kafka-bemenetek támogatása jelenleg csak az Azure SQL Edge Intel/AMD64-verzióiban érhető el.)
Stream kimenete: Ez határozza meg az adatforráshoz való kapcsolatokat az adatfolyam írásához. Az Azure SQL Edge jelenleg a következő streamkimenet-típusokat támogatja
- Edge Hub
- SQL (Az SQL-kimenet lehet egy helyi adatbázis az Azure SQL Edge-példányon belül, vagy egy távoli SQL Server vagy Azure SQL Database.)
Stream-lekérdezés: Ez határozza meg a bemeneti adatfolyamra alkalmazni kívánt átalakításokat, összesítéseket, szűréseket, rendezéseket és illesztéseket, mielőtt az a stream kimenetére íródott volna. A stream-lekérdezés a Stream Analytics által használt lekérdezési nyelven alapul. További információkért lásd a Stream Analytics lekérdezési nyelvét.
Fontos
A T-SQL-streamelés a Stream Analyticstől eltérően jelenleg nem támogatja a referenciaadatok keresésekhez való használatát, illetve az UDF és az UDA streamfeladatban való használatát.
Feljegyzés
A T-SQL-streamelés csak a Stream Analytics által támogatott nyelvi felület egy részét támogatja. További információkért lásd a Stream Analytics lekérdezési nyelvét.
Korlátozások
A T-SQL-streamelésre az alábbi korlátozások és korlátozások vonatkoznak.
- Egy adott időpontban csak egy streamelési feladat lehet aktív. A már futó feladatokat le kell állítani egy másik feladat indítása előtt.
- Minden streamelési feladat végrehajtása egyszálas. Ha a streamelési feladat több lekérdezést tartalmaz, minden lekérdezést soros sorrendben értékel ki.
- Ha leállított egy streamelési feladatot az Azure SQL Edge-ben, előfordulhat, hogy a következő streamelési feladat elindítása előtt némi késés következik be. Ez a késés azért van beállítva, mert a mögöttes streamelési folyamatot le kell állítani a feladat leállítása iránti kérelemre válaszul, majd újra kell indítani a kezdési feladat kérésére válaszul.
- A T-SQL Streaming legfeljebb 32 partíciót biztosít egy kafka-streamhez. A magasabb partíciószám konfigurálására tett kísérletek hibát eredményeznek.