Memilih analitik real-time dan teknologi pemrosesan streaming di Azure
Ada beberapa layanan yang tersedia untuk analitik real-time dan pemrosesan streaming di Azure. Artikel ini menyediakan informasi yang Anda butuhkan untuk memutuskan teknologi mana yang paling cocok untuk aplikasi Anda.
Kapan menggunakan Azure Stream Analytics
Azure Stream Analytics adalah layanan yang direkomendasikan untuk analisis streaming di Azure. Anda dapat menggunakannya untuk berbagai skenario yang mencakup tetapi tidak terbatas pada:
- Dasbor untuk visualisasi data
- Peringatan real-time dari pola temporal dan spasial atau anomali
- Ekstraksi, Transformasi, dan Pemuatan (ETL)
- Pola Sumber Kejadian
- IoT Edge
Menambahkan tugas Azure Stream Analytics ke aplikasi Anda adalah cara tercepat untuk menyiapkan dan menjalankan analisis streaming di Azure, menggunakan bahasa SQL yang sudah Anda ketahui. Azure Stream Analytics adalah layanan pekerjaan, sehingga Anda tidak perlu menghabiskan waktu mengelola kluster, dan Anda tidak perlu khawatir tentang waktu henti dengan Perjanjian Tingkat Layanan (SLA) 99,9% di tingkat pekerjaan. Penagihan juga dilakukan di tingkat pekerjaan yang membuat biaya startup rendah (satu Unit Streaming), tetapi dapat diskalakan (hingga 396 Unit Streaming). Jauh lebih hemat biaya untuk menjalankan beberapa pekerjaan Azure Stream Analytics daripada menjalankan dan memelihara kluster.
Azure Stream Analytics memiliki pengalaman out-of-the-box yang kaya. Anda dapat segera memanfaatkan fitur berikut tanpa penyiapan tambahan:
- Operator temporal bawaan, seperti agregat berjendela, gabungan temporal, dan fungsi analitik temporal.
- Adaptor input dan output Native Azure
- Dukungan untuk data referensi yang berubah lambat (juga dikenal sebagai tabel pencarian), termasuk bergabung dengan data referensi geospasial untuk geofencing.
- Solusi terintegrasi, seperti Deteksi Anomali
- Jendela beberapa waktu dalam kueri yang sama
- Kemampuan untuk menyusun beberapa operator temporal dalam urutan arbiter.
- Latensi end-to-end di bawah 100 md dari input yang sampai di Event Hubs, hingga output mendarat di Azure Event Hubs, termasuk keterlambatan jaringan dari dan ke Event Hubs, pada throughput tinggi yang berkelanjutan
Kapan menggunakan teknologi lain
Anda ingin menulis UDF, UDAs, dan deserializer kustom dalam bahasa selain JavaScript atau C #
Azure Stream Analytics mendukung fungsi yang ditentukan pengguna (UDF) atau agregat yang ditentukan pengguna (UDA) di JavaScript untuk pekerjaan cloud dan C# untuk pekerjaan IoT Edge. Deserializer yang ditentukan pengguna C# juga didukung. Jika Anda ingin menerapkan deserializer, UDF, atau UDA dalam bahasa lain, seperti Java atau Python, Anda dapat menggunakan Spark Structured Streaming. Anda juga dapat menjalankan Azure Event Hubs EventProcessorHost di komputer virtual Anda sendiri untuk melakukan pemrosesan streaming arbiter.
Solusi Anda berada di lingkungan multicloud atau lokal
Azure Stream Analytics adalah teknologi milik Microsoft dan hanya tersedia di Azure. Jika Anda memerlukan solusi Anda agar portabel di seluruh Cloud atau lokal, pertimbangkan teknologi sumber terbuka seperti Spark Structured Streaming atau Apache Flink.