Pemicu penyimpanan Azure Blob untuk Azure Functions

Pemicu penyimpanan Blob memulai fungsi ketika terdeteksi blob baru atau ada blob yang diperbarui. Isi blob disediakan sebagai masukan ke fungsi.

Tip

Ada beberapa cara untuk menjalankan kode fungsi Anda berdasarkan perubahan pada blob dalam kontainer penyimpanan. Jika Anda memilih untuk menggunakan pemicu penyimpanan Blob, perhatikan bahwa ada dua implementasi yang ditawarkan: yang berbasis polling (dirujuk dalam artikel ini) dan yang berbasis peristiwa. Disarankan agar Anda menggunakan implementasi berbasis peristiwa karena memiliki latensi yang lebih rendah daripada yang lain. Selain itu, paket Konsumsi Flex hanya mendukung pemicu penyimpanan Blob berbasis peristiwa.

Untuk detail tentang perbedaan antara dua implementasi pemicu penyimpanan Blob, serta opsi pemicu lainnya, lihat Bekerja dengan blob.

Untuk informasi tentang pengaturan dan detail konfigurasi, lihat gambaran umum.

Penting

Artikel ini menggunakan tab untuk mendukung beberapa versi model pemrograman Node.js. Model v4 umumnya tersedia dan dirancang untuk memiliki pengalaman yang lebih fleksibel dan intuitif untuk pengembang JavaScript dan TypeScript. Untuk detail selengkapnya tentang cara kerja model v4, lihat panduan pengembang Node.js Azure Functions. Untuk mempelajari selengkapnya tentang perbedaan antara v3 dan v4, lihat panduan migrasi.

Azure Functions mendukung dua model pemrograman untuk Python. Cara Anda menentukan pengikatan tergantung pada model pemrograman yang Anda pilih.

v2

Model pemrograman Python v2 memungkinkan Anda menentukan pengikatan menggunakan dekorator langsung dalam kode fungsi Python Anda. Untuk informasi selengkapnya, lihat panduan pengembang Python.

v1

Model pemrograman Python v1 mengharuskan Anda menentukan pengikatan dalam file function.json terpisah di folder fungsi. Untuk informasi selengkapnya, lihat panduan pengembang Python.

Artikel ini mendukung kedua model pemrograman.

Contoh

Fungsi C# dapat dibuat dengan menggunakan salah satu mode C# berikut:

• Model pekerja terisolasi: Fungsi C# terkompilasi yang berjalan dalam proses pekerja yang terisolasi dari runtime. Proses pekerja terisolasi diperlukan untuk mendukung fungsi C# yang berjalan pada versi LTS dan non-LTS .NET dan .NET Framework. Ekstensi untuk fungsi proses pekerja yang terisolasi menggunakan Microsoft.Azure.Functions.Worker.Extensions.* namespace layanan.
• Model dalam proses: Fungsi C# yang dikompilasi yang berjalan dalam proses yang sama dengan runtime Functions. Dalam variasi model ini, Functions dapat dijalankan menggunakan scripting C#, yang didukung terutama untuk pengeditan portal C#. Ekstensi untuk fungsi dalam proses menggunakan Microsoft.Azure.WebJobs.Extensions.* namespace layanan.

Penting

Dukungan akan berakhir untuk model dalam proses pada 10 November 2026. Kami sangat menyarankan Agar Anda memigrasikan aplikasi Anda ke model pekerja yang terisolasi untuk dukungan penuh.

Model pekerja terisolasi

Contoh berikut adalah fungsi C# yang berjalan dalam proses pekerja yang terisolasi dan menggunakan pemicu blob dengan input blob dan pengikatan blob output blob. Fungsi ini dipicu oleh pembuatan blob dalam kontainer test-samples-trigger. Fungsi ini membaca file teks dari kontainer test-samples-input dan membuat file teks baru dalam kontainer output berdasarkan nama file yang dipicu.

public static class BlobFunction
{
    [Function(nameof(BlobFunction))]
    [BlobOutput("test-samples-output/{name}-output.txt")]
    public static string Run(
        [BlobTrigger("test-samples-trigger/{name}")] string myTriggerItem,
        [BlobInput("test-samples-input/sample1.txt")] string myBlob,
        FunctionContext context)
    {
        var logger = context.GetLogger("BlobFunction");
        logger.LogInformation("Triggered Item = {myTriggerItem}", myTriggerItem);
        logger.LogInformation("Input Item = {myBlob}", myBlob);

        // Blob Output
        return "blob-output content";
    }
}

Model dalam proses

Contoh berikut menunjukkan fungsi C# yang menulis log saat blob ditambahkan atau diperbarui dalam kontainer samples-workitems.

[FunctionName("BlobTriggerCSharp")]        
public static void Run([BlobTrigger("samples-workitems/{name}")] Stream myBlob, string name, ILogger log)
{
    log.LogInformation($"C# Blob trigger function Processed blob\n Name:{name} \n Size: {myBlob.Length} Bytes");
}

Untai (karakter) {name} dalam jalur pemicu blob samples-workitems/{name} membuat ekspresi pengikatan yang dapat Anda gunakan dalam kode fungsi untuk mengakses nama file pemicu blob. Untuk informasi selengkapnya, lihat Pola nama Blob nanti di artikel ini.

Untuk informasi selengkapnya tentang atribut BlobTrigger, lihat Atribut.

Fungsi ini menulis log ketika blob ditambahkan atau diperbarui dalam kontainer myblob.

@FunctionName("blobprocessor")
public void run(
  @BlobTrigger(name = "file",
               dataType = "binary",
               path = "myblob/{name}",
               connection = "MyStorageAccountAppSetting") byte[] content,
  @BindingName("name") String filename,
  final ExecutionContext context
) {
  context.getLogger().info("Name: " + filename + " Size: " + content.length + " bytes");
}

Model v4

Contoh berikut menunjukkan kode TypeScript pemicu blob. Fungsi ini menulis log ketika blob ditambahkan atau diperbarui dalam kontainer samples-workitems.

Untai (karakter) {name} dalam jalur pemicu blob samples-workitems/{name} membuat ekspresi pengikatan yang dapat Anda gunakan dalam kode fungsi untuk mengakses nama file pemicu blob. Untuk informasi selengkapnya, lihat Pola nama Blob nanti di artikel ini.

import { app, InvocationContext } from '@azure/functions';

export async function storageBlobTrigger1(blob: Buffer, context: InvocationContext): Promise<void> {
    context.log(
        `Storage blob function processed blob "${context.triggerMetadata.name}" with size ${blob.length} bytes`
    );
}

app.storageBlob('storageBlobTrigger1', {
    path: 'samples-workitems/{name}',
    connection: 'MyStorageAccountAppSetting',
    handler: storageBlobTrigger1,
});

Model v3

Sampel TypeScript tidak didokumenkan untuk model v3.

Model v4

Contoh berikut menunjukkan kode JavaScript pemicu blob. Fungsi ini menulis log ketika blob ditambahkan atau diperbarui dalam kontainer samples-workitems.

Untai (karakter) {name} dalam jalur pemicu blob samples-workitems/{name} membuat ekspresi pengikatan yang dapat Anda gunakan dalam kode fungsi untuk mengakses nama file pemicu blob. Untuk informasi selengkapnya, lihat Pola nama Blob nanti di artikel ini.

const { app } = require('@azure/functions');

app.storageBlob('storageBlobTrigger1', {
    path: 'samples-workitems/{name}',
    connection: 'MyStorageAccountAppSetting',
    handler: (blob, context) => {
        context.log(
            `Storage blob function processed blob "${context.triggerMetadata.name}" with size ${blob.length} bytes`
        );
    },
});

Model v3

Contoh berikut menunjukkan pengikatan pemicu blob di file function.json dan kode JavaScript yang menggunakan pengikatan itu. Fungsi ini menulis log ketika blob ditambahkan atau diperbarui dalam kontainer samples-workitems.

Berikut adalah file function.json:

{
    "disabled": false,
    "bindings": [
        {
            "name": "myBlob",
            "type": "blobTrigger",
            "direction": "in",
            "path": "samples-workitems/{name}",
            "connection":"MyStorageAccountAppSetting"
        }
    ]
}

Untai (karakter) {name} dalam jalur pemicu blob samples-workitems/{name} membuat ekspresi pengikatan yang dapat Anda gunakan dalam kode fungsi untuk mengakses nama file pemicu blob. Untuk informasi selengkapnya, lihat Pola nama Blob nanti di artikel ini.

Untuk informasi selengkapnya tentang properti filefunction.json, lihat bagian Konfigurasi yang menjelaskan properti ini.

Berikut kode JavaScript:

module.exports = async function(context) {
    context.log('Node.js Blob trigger function processed', context.bindings.myBlob);
};

Contoh berikut menunjukkan cara membuat fungsi yang berjalan saat file ditambahkan ke kontainer penyimpanan blob source.

File konfigurasi fungsi (function.json) menyertakan pengikatan dengan type dari blobTrigger dan direction diatur ke in.

{
  "bindings": [
    {
      "name": "InputBlob",
      "type": "blobTrigger",
      "direction": "in",
      "path": "source/{name}",
      "connection": "MyStorageAccountConnectionString"
    }
  ]
}

Berikut adalah kode terkait untuk file run.ps1.

param([byte[]] $InputBlob, $TriggerMetadata)

Write-Host "PowerShell Blob trigger: Name: $($TriggerMetadata.Name) Size: $($InputBlob.Length) bytes"

v2

Contoh ini menggunakan jenis SDK untuk langsung mengakses objek mendasar BlobClient yang disediakan oleh pemicu penyimpanan Blob:

import logging

import azure.functions as func
import azurefunctions.extensions.bindings.blob as blob

app = func.FunctionApp(http_auth_level=func.AuthLevel.ANONYMOUS)
@app.blob_trigger(
    arg_name="client", path="PATH/TO/BLOB", connection="AzureWebJobsStorage"
)
def blob_trigger(client: blob.BlobClient):
    logging.info(
        f"Python blob trigger function processed blob \n"
        f"Properties: {client.get_blob_properties()}\n"
        f"Blob content head: {client.download_blob().read(size=1)}"
    )

Untuk contoh penggunaan jenis SDK lainnya, lihat ContainerClient sampel dan StorageStreamDownloader .

Untuk mempelajari selengkapnya, termasuk cara mengaktifkan pengikatan jenis SDK di proyek Anda, lihat Pengikatan jenis SDK.

Contoh ini mencatat informasi dari metadata blob masuk.

import logging
import azure.functions as func

app = func.FunctionApp()

@app.function_name(name="BlobTrigger1")
@app.blob_trigger(arg_name="myblob", 
                  path="PATH/TO/BLOB",
                  connection="CONNECTION_SETTING")
def test_function(myblob: func.InputStream):
   logging.info(f"Python blob trigger function processed blob \n"
                f"Name: {myblob.name}\n"
                f"Blob Size: {myblob.length} bytes")

v1

Fungsi ini menulis log ketika blob ditambahkan atau diperbarui dalam samples-workitems kontainer. Berikut adalah file function.json:

{
    "scriptFile": "__init__.py",
    "disabled": false,
    "bindings": [
        {
            "name": "myblob",
            "type": "blobTrigger",
            "direction": "in",
            "path": "samples-workitems/{name}",
            "connection":"MyStorageAccountAppSetting"
        }
    ]
}

Untai (karakter) {name} dalam jalur pemicu blob samples-workitems/{name} membuat ekspresi pengikatan yang dapat Anda gunakan dalam kode fungsi untuk mengakses nama file pemicu blob. Untuk informasi selengkapnya, lihat Pola nama Blob nanti di artikel ini.

Untuk informasi selengkapnya tentang properti filefunction.json, lihat bagian Konfigurasi yang menjelaskan properti ini.

Berikut adalah kode Python:

import logging
import azure.functions as func


def main(myblob: func.InputStream):
    logging.info('Python Blob trigger function processed %s', myblob.name)

---

Atribut

Pustaka C# proses dalam proses dan terisolasi menggunakan atribut BlobAttribute untuk menentukan fungsi. Skrip C# sebagai gantinya menggunakan file konfigurasi function.json seperti yang dijelaskan dalam panduan pembuatan skrip C#.

Konstruktor atribut membutuhkan parameter berikut:

Parameter	Deskripsi
BlobPath	Jalan menuju blob.
Koneksi	Nama pengaturan aplikasi atau koleksi pengaturan yang menentukan cara terhubung ke Blob Azure. Lihat Koneksi.
Access	Menunjukkan apakah Anda akan membaca atau menulis.
Sumber	Mengatur sumber peristiwa pemicu. Gunakan BlobTriggerSource.EventGrid untuk pemicu blob berbasis Event Grid, yang memberikan latensi yang jauh lebih rendah. Defaultnya adalah BlobTriggerSource.LogsAndContainerScan, yang menggunakan mekanisme polling standar untuk mendeteksi perubahan dalam kontainer.

Model pekerja terisolasi

Berikut ini adalah atributBlobTrigger dalam metode yang khas:

[Function(nameof(BlobFunction))]
[BlobOutput("test-samples-output/{name}-output.txt")]
public static string Run(
    [BlobTrigger("test-samples-trigger/{name}")] string myTriggerItem,
    [BlobInput("test-samples-input/sample1.txt")] string myBlob,
    FunctionContext context)

Model dalam proses

Di pustaka kelas C#, konstruktor atribut mengambil string jalur yang menunjukkan kontainer yang akan diawasi dan pola nama blob secara opsional. Berikut contohnya:

[FunctionName("ResizeImage")]
public static void Run(
  [BlobTrigger("sample-images/{name}")] Stream image,
  [Blob("sample-images-md/{name}", FileAccess.Write)] Stream imageSmall)
{
  ....
}

Saat atribut mengambil properti Connection, Anda juga dapat menggunakan StorageAccountAttribute untuk menentukan koneksi akun penyimpanan. Anda dapat menentukan koneksi ketika Anda perlu menggunakan akun penyimpanan yang berbeda dari fungsi lain di pustaka. Konstruktor menggunakan nama pengaturan aplikasi yang berisi string koneksi penyimpanan. Atribut dapat diterapkan pada parameter, metode, atau tingkat kelas. Contoh berikut menunjukkan tingkat kelas dan tingkat metode:

[StorageAccount("ClassLevelStorageAppSetting")]
public static class AzureFunctions
{
    [FunctionName("StorageTrigger")]
    [StorageAccount("FunctionLevelStorageAppSetting")]
    public static void Run( //...
{
    ...
}

Akun penyimpanan yang akan digunakan ditentukan dalam urutan berikut:

• Properti Connection atribut pemicu atau pengikatan.
• StorageAccount atribut yang diterapkan ke parameter yang sama dengan atribut pemicu atau pengikatan.
• Atribut StorageAccount yang diterapkan ke fungsi.
• StorageAccountAtribut yang diterapkan ke kelas.
• Akun penyimpanan default untuk aplikasi fungsi, yang ditentukan dalam pengaturan aplikasi AzureWebJobsStorage.

Ketika Anda mengembangkan secara lokal, tambahkan pengaturan aplikasi di file local.settings.json dalam koleksi Values.

Dekorator

Hanya berlaku untuk model pemrograman Python v2.

Untuk fungsi Python v2 yang ditentukan menggunakan dekorator, properti berikut pada blob_trigger dekorator menentukan pemicu Blob Storage:

Properti	Deskripsi
arg_name	Menyatakan nama parameter dalam tanda tangan fungsi. Ketika fungsi dipicu, nilai parameter ini memiliki isi pesan antrean.
path	Kontainer yang dipantau. Mungkin pola nama blob.
connection	Akun penyimpanan string koneksi.
source	Mengatur sumber peristiwa pemicu. Gunakan EventGrid untuk pemicu blob berbasis Event Grid, yang memberikan latensi yang jauh lebih rendah. Defaultnya adalah LogsAndContainerScan, yang menggunakan mekanisme polling standar untuk mendeteksi perubahan dalam kontainer.

Untuk fungsi Python yang ditentukan dengan menggunakan function.json, lihat bagian Konfigurasi .

Anotasi

Atribut @BlobTrigger digunakan untuk memberi Anda akses ke blob yang memicu fungsi. Lihat contoh pemicu untuk detailnya. source Gunakan properti untuk mengatur sumber peristiwa pemicu. Gunakan EventGrid untuk pemicu blob berbasis Event Grid, yang memberikan latensi yang jauh lebih rendah. Defaultnya adalah LogsAndContainerScan, yang menggunakan mekanisme polling standar untuk mendeteksi perubahan dalam kontainer. |

Konfigurasi

Hanya berlaku untuk model pemrograman Python v1.

Model v4

Tabel berikut menjelaskan properti yang bisa Anda atur pada objek yang options diteruskan ke app.storageBlob() metode .

Properti	Deskripsi
jalan	Kontainer yang dipantau. Mungkin pola nama blob.
koneksi	Nama pengaturan aplikasi atau koleksi pengaturan yang menentukan cara terhubung ke Blob Azure. Lihat Koneksi.
sumber	Mengatur sumber peristiwa pemicu. Gunakan EventGrid untuk pemicu blob berbasis Event Grid, yang memberikan latensi yang jauh lebih rendah. Defaultnya adalah LogsAndContainerScan, yang menggunakan mekanisme polling standar untuk mendeteksi perubahan dalam kontainer.

Model v3

Tabel berikut menjelaskan properti konfigurasi pengikatan yang Anda atur di file function.json.

Properti	Deskripsi
jenis	Harus diatur ke blobTrigger. Properti ini diatur secara otomatis saat Anda membuat pemicu di portal Microsoft Azure.
arah	Harus diatur ke in. Properti ini diatur secara otomatis saat Anda membuat pemicu di portal Microsoft Azure. Pengecualian di bagian penggunaan.
nama	Nama variabel yang mewakili blob dalam kode fungsi.
jalan	Kontainer yang dipantau. Mungkin pola nama blob.
koneksi	Nama pengaturan aplikasi atau koleksi pengaturan yang menentukan cara terhubung ke Blob Azure. Lihat Koneksi.
sumber	Mengatur sumber peristiwa pemicu. Gunakan EventGrid untuk pemicu blob berbasis Event Grid, yang memberikan latensi yang jauh lebih rendah. Defaultnya adalah LogsAndContainerScan, yang menggunakan mekanisme polling standar untuk mendeteksi perubahan dalam kontainer.

Tabel berikut menjelaskan properti konfigurasi pengikatan yang Anda atur di file function.json.

Properti function.json	Deskripsi
jenis	Harus diatur ke blobTrigger. Properti ini diatur secara otomatis saat Anda membuat pemicu di portal Microsoft Azure.
arah	Harus diatur ke in. Properti ini diatur secara otomatis saat Anda membuat pemicu di portal Microsoft Azure. Pengecualian di bagian penggunaan.
nama	Nama variabel yang mewakili blob dalam kode fungsi.
jalan	Kontainer yang dipantau. Mungkin pola nama blob.
koneksi	Nama pengaturan aplikasi atau koleksi pengaturan yang menentukan cara terhubung ke Blob Azure. Lihat Koneksi.
sumber	Mengatur sumber peristiwa pemicu. Gunakan EventGrid untuk pemicu blob berbasis Event Grid, yang memberikan latensi yang jauh lebih rendah. Defaultnya adalah LogsAndContainerScan, yang menggunakan mekanisme polling standar untuk mendeteksi perubahan dalam kontainer.

Lihat Bagian contoh untuk contoh lengkapnya.

Metadata

Pemicu blob menyediakan beberapa properti metadata. Properti ini dapat digunakan sebagai bagian dari ekspresi pengikatan dalam pengikatan lain atau sebagai parameter dalam kode Anda. Nilai-nilai ini memiliki semantik yang sama dengan jenis CloudBlob.

Properti	Tipe	Deskripsi
BlobTrigger	string	Jalur menuju blob pemicu.
Uri	System.Uri	URI blob untuk lokasi utama.
Properties	BlobProperties	Properti sistem blob.
Metadata	IDictionary<string,string>	Metadata yang ditentukan pengguna untuk blob.

Contoh berikut mencatat jalur ke blob pemicu, termasuk kontainer:

public static void Run(string myBlob, string blobTrigger, ILogger log)
{
    log.LogInformation($"Full blob path: {blobTrigger}");
} 

Metadata

Pemicu blob menyediakan beberapa properti metadata. Properti ini dapat digunakan sebagai bagian dari ekspresi pengikatan dalam pengikatan lain atau sebagai parameter dalam kode Anda.

Properti	Deskripsi
blobTrigger	Jalur menuju blob pemicu.
uri	URI blob untuk lokasi utama.
properties	Properti sistem blob.
metadata	Metadata yang ditentukan pengguna untuk blob.

Model v4

Metadata dapat diperoleh dari properti triggerMetadata objek yang disediakan context, seperti yang ditunjukkan dalam contoh berikut, yang mencatat jalur ke blob pemicu (blobTrigger), termasuk kontainer:

context.log(`Full blob path: ${context.triggerMetadata.blobTrigger}`);

Model v3

Metadata dapat diperoleh dari properti bindingData objek yang disediakan context, seperti yang ditunjukkan dalam contoh berikut, yang mencatat jalur ke blob pemicu (blobTrigger), termasuk kontainer:

module.exports = async function (context, myBlob) {
    context.log("Full blob path:", context.bindingData.blobTrigger);
};

Metadata

Metadata tersedia melalui parameter $TriggerMetadata.

Penggunaan

Jenis pengikatan yang didukung oleh pemicu Blob bergantung pada versi paket ekstensi dan modalitas C# yang digunakan di aplikasi fungsi Anda.

Model pekerja terisolasi

Pemicu blob dapat mengikat ke jenis berikut:

Tipe	Deskripsi
string	Konten blob sebagai string. Gunakan saat konten blob adalah teks sederhana.
byte[]	Byte konten blob.
Jenis yang bisa diserialisasikan JSON	Saat blob berisi data JSON, Functions mencoba mendeserialisasi data JSON ke dalam jenis objek CLR (POCO) yang berusia biasa.
Aliran1	Aliran input konten blob.
BlobClient1, BlockBlobClient1, PageBlobClient1, TambahkanBlobClient1, BlobBaseClient1	Klien yang terhubung ke blob. Set jenis ini menawarkan kontrol paling besar untuk memproses blob dan dapat digunakan untuk menulis kembali ke blob jika koneksi memiliki izin yang memadai.

¹ Untuk menggunakan jenis ini, Anda perlu mereferensikan Microsoft.Azure.Functions.Worker.Extensions.Storage.Blobs 6.0.0 atau yang lebih baru dan dependensi umum untuk pengikatan jenis SDK.

Model dalam proses

Lihat Jenis pengikatan untuk daftar jenis yang didukung.

Mengikat ke string, atau Byte[] hanya direkomendasikan jika ukuran blobnya kecil. Hal ini direkomendasikan karena seluruh konten blob dimuat ke dalam memori. Untuk sebagian besar blob, gunakan jenis Stream atau BlobClient. Untuk informasi selengkapnya, lihat Konkurensi dan penggunaan memori.

Jika Anda mendapatkan pesan kesalahan saat mencoba mengikat ke salah satu jenis Storage SDK, pastikan Anda memiliki referensi ke versi Storage SDK yang benar.

Anda juga dapat menggunakan StorageAccountAttribute untuk menentukan akun penyimpanan yang akan digunakan. Anda dapat menentukan koneksi ketika Anda perlu menggunakan akun penyimpanan yang berbeda dari fungsi lain di pustaka. Konstruktor menggunakan nama pengaturan aplikasi yang berisi string koneksi penyimpanan. Atribut dapat diterapkan pada parameter, metode, atau tingkat kelas. Contoh berikut menunjukkan tingkat kelas dan tingkat metode:

[StorageAccount("ClassLevelStorageAppSetting")]
public static class AzureFunctions
{
    [FunctionName("BlobTrigger")]
    [StorageAccount("FunctionLevelStorageAppSetting")]
    public static void Run( //...
{
    ....
}

Akun penyimpanan yang akan digunakan ditentukan dalam urutan berikut:

• Properti BlobTrigger milik atribut Connection.
• Atribut StorageAccount yang diterapkan ke parameter yang sama dengan atribut BlobTrigger.
• Atribut StorageAccount yang diterapkan ke fungsi.
• StorageAccountAtribut yang diterapkan ke kelas.
• Akun penyimpanan default untuk aplikasi fungsi, yang ditentukan dalam pengaturan aplikasi AzureWebJobsStorage.

Atribut @BlobTrigger digunakan untuk memberi Anda akses ke blob yang memicu fungsi. Lihat contoh pemicu untuk detailnya.

Model v4

Akses data blob sebagai argumen pertama ke fungsi Anda.

Model v3

Akses data blob menggunakan context.bindings.<NAME>, saat <NAME> cocok dengan nilai yang ditetapkan dalam function.json.

Mengakses data blob melalui parameter yang cocok dengan nama yang ditunjuk oleh parameter pengikatan dalam file function.json.

Akses data blob melalui parameter yang diketik sebagai InputStream. Lihat contoh pemicu untuk detailnya.

Functions juga mendukung pengikatan jenis Python SDK untuk penyimpanan Azure Blob, yang memungkinkan Anda bekerja dengan data blob menggunakan jenis SDK yang mendasar ini:

• BlobClient
• ContainerClient
• StorageStreamDownloader

Penting

Dukungan jenis SDK untuk Python saat ini dalam pratinjau dan hanya didukung untuk model pemrograman Python v2. Untuk informasi selengkapnya, lihat Jenis SDK di Python.

Koneksi

Properti connection adalah referensi ke konfigurasi lingkungan yang menentukan bagaimana aplikasi harus terhubung ke Azure Blobs. Ini mungkin menentukan:

• Nama pengaturan aplikasi yang berisi string koneksi
• Nama awalan bersama untuk beberapa pengaturan aplikasi, bersama-sama menentukan koneksi berbasis identitas.

Jika nilai yang dikonfigurasi adalah kecocokan persis untuk pengaturan tunggal dan kecocokan awalan untuk pengaturan lainnya, kecocokan persis akan digunakan.

String koneksi

Untuk mendapatkan string koneksi, ikuti langkah-langkah yang ditunjukkan di Mengelola kunci akses akun penyimpanan. String koneksi harus untuk akun penyimpanan serba-guna, bukan akun penyimpanan Blob.

String koneksi ini harus disimpan dalam pengaturan aplikasi dengan nama yang cocok dengan nilai yang ditentukan oleh properti connection konfigurasi pengikatan.

Jika nama pengaturan aplikasi dimulai dengan "AzureWebJobs", Anda hanya dapat menentukan sisa namanya di sini. Misalnya, jika Anda mengatur connection ke "MyStorage", runtime Functions mencari pengaturan aplikasi yang bernama "MyStorage". Jika Anda membiarkan connection kosong, runtime bahasa umum Functions menggunakan string koneksi Storage default di pengaturan aplikasi yang bernama AzureWebJobsStorage.

Koneksi berbasis identitas

Jika Anda menggunakan ekstensi versi 5.x atau yang lebih tinggi (bundel 3.x atau lebih tinggi untuk tumpukan bahasa non-.NET), alih-alih menggunakan string koneksi dengan rahasia, Anda dapat meminta aplikasi menggunakan identitas Microsoft Entra. Untuk menggunakan identitas, Anda menentukan pengaturan di bawah awalan umum yang memetakan ke connection properti dalam konfigurasi pemicu dan pengikatan.

Jika Anda mengatur connection ke "AzureWebJobsStorage", lihat Menyambungkan ke penyimpanan host dengan identitas. Untuk semua koneksi lainnya, ekstensi tersebut memerlukan properti berikut:

Properti	Templat variabel lingkungan	Deskripsi	Contoh nilai
URI Layanan Blob	<CONNECTION_NAME_PREFIX>__serviceUri1	URI sarana data dari layanan blob yang Anda sambungkan, menggunakan skema HTTPS.	https://<storage_account_name>.blob.core.windows.net

¹ <CONNECTION_NAME_PREFIX>__blobServiceUri dapat digunakan sebagai alias. Jika konfigurasi koneksi akan digunakan oleh pemicu blob, blobServiceUri juga harus disertai dengan queueServiceUri. Lihat bawah.

Formulir serviceUri tidak dapat digunakan saat konfigurasi koneksi keseluruhan akan digunakan di seluruh blob, antrean, dan/atau tabel. URI hanya dapat menunjuk layanan blob. Sebagai alternatif, Anda dapat menyediakan URI khusus untuk setiap layanan, sehingga memungkinkan penggunaan koneksi tunggal. Jika kedua versi disediakan, formulir multi-layanan digunakan. Untuk mengonfigurasi koneksi pada beberapa layanan, jangan gunakan <CONNECTION_NAME_PREFIX>__serviceUri, sebaiknya atur:

Properti	Templat variabel lingkungan	Deskripsi	Contoh nilai
URI Layanan Blob	<CONNECTION_NAME_PREFIX>__blobServiceUri	URI sarana data dari layanan blob yang Anda sambungkan, menggunakan skema HTTPS.	https://<storage_account_name>.blob.core.windows.net
URI Layanan Antrean (diperlukan untuk pemicu blob2)	<CONNECTION_NAME_PREFIX>__queueServiceUri	URI data plane layanan antrean menggunakan skema HTTPS. Nilai ini hanya diperlukan untuk pemicu blob.	https://<storage_account_name>.queue.core.windows.net

² Pemicu blob menangani kegagalan di beberapa percobaan ulang dengan menulis blob racun ke antrean. Dalam formulir serviceUri, koneksi AzureWebJobsStorage digunakan. Namun, saat menentukan blobServiceUri, URI layanan antrean juga harus disediakan dengan queueServiceUri. Disarankan agar Anda menggunakan layanan dari akun penyimpanan yang sama dengan layanan blob. Anda juga perlu memastikan pemicu dapat membaca dan menulis pesan dalam layanan antrean yang dikonfigurasi dengan menetapkan peran seperti Kontributor Data Antrean Penyimpanan.

Properti lain mungkin diatur untuk menyesuaikan koneksi. Lihat Properti umum untuk koneksi berbasis identitas.

Saat dihosting di layanan Azure Functions, koneksi berbasis identitas menggunakan identitas terkelola. Identitas yang ditetapkan sistem digunakan secara default, meskipun identitas yang ditetapkan pengguna dapat ditentukan dengan credential dan clientID properti. Perhatikan bahwa mengonfigurasi identitas yang ditetapkan oleh pengguna dengan ID sumber daya tidak didukung. Saat dijalankan dalam konteks lain, seperti pengembangan lokal, identitas pengembang Anda digunakan sebagai gantinya, meskipun ini dapat dikustomisasi. Lihat Pengembangan lokal dengan koneksi berbasis identitas.

Memberikan izin kepada identitas

Identitas apa pun yang digunakan harus memiliki izin untuk melakukan tindakan yang dimaksudkan. Untuk sebagian besar layanan Azure, ini berarti Anda perlu menetapkan peran di Azure RBAC, menggunakan peran bawaan atau kustom yang menyediakan izin tersebut.

Penting

Beberapa izin mungkin diekspos oleh layanan target yang tidak diperlukan untuk semua konteks. Jika memungkinkan, patuhi prinsip hak istimewa paling rendah, dengan memberikan identitas hanya hak istimewa yang diperlukan. Misalnya, jika aplikasi hanya perlu dapat membaca dari sumber data, gunakan peran yang hanya memiliki izin untuk membaca. Tidak pantas untuk menetapkan peran yang juga memungkinkan menulis ke layanan itu, karena ini akan menjadi izin yang berlebihan untuk operasi baca. Demikian pula, Anda ingin memastikan penetapan peran hanya mencakup sumber daya yang perlu dibaca.

Anda perlu membuat penetapan peran yang menyediakan akses ke kontainer blob Anda saat runtime. Peran manajemen seperti Pemilik tidak cukup. Tabel berikut menunjukkan peran bawaan yang direkomendasikan saat menggunakan ekstensi Blob Storage dalam operasi normal. Aplikasi Anda mungkin memerlukan izin lebih lanjut berdasarkan kode yang Anda tulis.

Jenis pengikatan	Peran bawaan contoh
Pemicu	Pemilik Data Blob Penyimpanan dan KontributorData Antrean Penyimpanan 1 Izin tambahan juga harus diberikan ke koneksi AzureWebJobsStorage.2
Pengikatan masukan	Pembaca Data Blob Penyimpanan.
Pengikatan output	Pemilik Data Blob Penyimpanan

¹ Pemicu blob menangani kegagalan di beberapa percobaan ulang dengan menulis blob racun ke antrean pada akun penyimpanan yang ditentukan oleh koneksi.

² Koneksi AzureWebJobsStorage digunakan secara internal untuk blob dan antrean yang mengaktifkan pemicu. Jika dikonfigurasi untuk menggunakan koneksi berbasis identitas, koneksi tersebut memerlukan izin tambahan di luar persyaratan default. Izin yang diperlukan dicakup oleh peran Pemilik Data Blob Penyimpanan, Kontributor Data Antrean Penyimpanan, dan Kontributor Akun Penyimpanan. Untuk mempelajari lebih lanjut, lihat Menyambungkan ke penyimpanan host menggunakan identitas.

Pola nama blob

Anda dapat menentukan pola nama blob di properti path di function.json atau di konstruktor atribut BlobTrigger. Pola nama bisa menjadi filter atau ekspresi pengikatan. Bagian berikut ini memberikan contoh.

Tip

Nama kontainer tak boleh memuat pembagi kelompok dalam pola nama.

Dapatkan nama dan ekstensi file

Contoh berikut menunjukkan cara mengikat nama file dan ekstensi blob secara terpisah:

"path": "input/{blobname}.{blobextension}",

Jika blob diberi nama original-Blob1.txt, maka nilai blobname dan variabel blobextension dalam kode fungsi adalah original-Blob1 dan txt.

Filter pada nama blob

Contoh berikut hanya memicu pada blob di kontainer input yang dimulai dengan string "original-":

"path": "input/original-{name}",

Jika nama blob adalah original-Blob1.txt, nilai variabel name dalam kode fungsi adalah Blob1.txt.

Filter pada tipe file

Contoh berikut ini hanya memicu file .png:

"path": "samples/{name}.png",

Filter pada kurung kurawal dalam nama file

Untuk mencari kurung kurawal dalam nama file, keluar dari kurung dengan menggunakan dua kurung. Contoh berikut memfilter blob yang memiliki kurung kurawal dalam nama:

"path": "images/{{20140101}}-{name}",

Jika blob diberi nama {20140101}-soundfile.mp3, nilai name variabel dalam kode fungsi adalah soundfile.mp3.

Polling dan latensi

Polling berfungsi sebagai hibrid antara memeriksa log dan menjalankan pemindaian kontainer berkala. Blob dipindai dalam kelompok 10.000 sekaligus dengan token kelanjutan yang digunakan di antara interval. Jika aplikasi fungsi ada di paket Konsumsi, mungkin ada penundaan hingga 10 menit dalam memproses blob baru jika aplikasi fungsi menganggur.

Peringatan

Log penyimpanan dibuat berdasarkan "upaya terbaik". Tidak ada jaminan bahwa semua peristiwa dapat ditangkap. Dalam beberapa kondisi, log mungkin terlewatkan.

Jika Anda memerlukan pemrosesan blob yang lebih cepat atau lebih andal, Anda harus mempertimbangkan untuk mengalihkan hosting Anda untuk menggunakan paket App Service dengan AlwaysOn diaktifkan, yang dapat mengakibatkan peningkatan biaya. Anda mungkin juga mempertimbangkan untuk menggunakan pemicu selain pemicu blob polling klasik. Untuk informasi selengkapnya dan perbandingan berbagai opsi pemicu untuk kontainer penyimpanan blob, lihat Pemicu pada kontainer blob.

Tanda terima blob

Runtime Azure Functions memastikan bahwa tidak ada fungsi pemicu blob yang dipanggil lebih dari sekali untuk blob baru atau blob pembaran yang sama. Untuk menentukan apakah versi blob yang diberikan telah diproses, blob menyimpan tanda terima blob.

Azure Functions menyimpan tanda terima blob di kontainer bernama azure-webjobs-hosts di akun penyimpanan Azure untuk aplikasi fungsi Anda (didefinisikan oleh pengaturan aplikasi AzureWebJobsStorage). Tanda terima blob memiliki informasi berikut:

• Fungsi yang dipicu (<FUNCTION_APP_NAME>.Functions.<FUNCTION_NAME>, misalnya: MyFunctionApp.Functions.CopyBlob)
• Nama kontainer
• Tipe blob (BlockBlob atau PageBlob)
• Nama blob
• ETag (pengidentifikasi versi blob, misalnya: 0x8D1DC6E70A277EF)

Untuk memaksa pemrosesan ulang blob, hapus tanda terima blob untuk blob itu dari kontainer azure-webjobs-hosts secara manual. Meskipun pemrosesan ulang mungkin tidak segera terjadi, dijamin akan dilaksanakan di kemudian hari. Untuk segera diolah kembali, scaninfo blob di azure-webjobs-hosts/blobscaninfo dapat diperbarui. Setiap blob dengan cap waktu terakhir dimodifikasi setelah properti LatestScan akan dipindai lagi.

Blob racun

Ketika fungsi pemicu blob gagal untuk blob tertentu, Azure Functions akan mencoba lagi fungsi tersebut total lima kali secara default.

Jika semua 5 percobaan gagal, Azure Functions menambahkan pesan ke antrean Penyimpanan bernama webjobs-blobtrigger-poison. Jumlah maksimum coba-ulang dapat diatur. Pengaturan MaxDequeueCount yang sama digunakan untuk penanganan blob racun dan penanganan pesan antrian racun. Pesan antrian untuk blob racun adalah objek JSON yang berisi properti berikut:

• FunctionId (dalam format <FUNCTION_APP_NAME>.Functions.<FUNCTION_NAME>)
• BlobType (BlockBlob atau PageBlob)
• ContainerName
• BlobName
• ETag (pengidentifikasi versi blob, misalnya: 0x8D1DC6E70A277EF)

Penggunaan dan konkurensi memori

Ketika Anda mengikat ke jenis output yang tidak mendukung streaming, seperti string, atau Byte[], runtime harus memuat seluruh blob ke dalam memori lebih dari satu kali selama pemrosesan. Ini dapat mengakibatkan penggunaan memori yang lebih tinggi dari yang diharapkan saat memproses blob. Jika memungkinkan, gunakan jenis yang mendukung aliran. Dukungan jenis tergantung pada mode C# dan versi ekstensi. Untuk informasi selengkapnya, lihat Jenis pengikatan.

Saat ini, runtime harus memuat seluruh blob ke dalam memori lebih dari satu kali selama pemrosesan. Ini dapat mengakibatkan penggunaan memori yang lebih tinggi dari yang diharapkan saat memproses blob.

Penggunaan memori dapat terpengaruh lebih lanjut ketika beberapa instans fungsi memproses data blob secara bersamaan. Jika Anda mengalami masalah memori menggunakan pemicu Blob, pertimbangkan untuk mengurangi jumlah eksekusi bersamaan yang diizinkan. Tentu saja, mengurangi konkurensi dapat memiliki efek samping meningkatkan backlog blob yang menunggu untuk diproses. Batas memori aplikasi fungsi Anda bergantung pada paket. Untuk informasi selengkapnya, lihat Batas layanan.

Cara Anda dapat mengontrol jumlah eksekusi bersamaan tergantung pada versi ekstensi Penyimpanan yang Anda gunakan.

Ekstensi 5.x dan yang lebih tinggi

Saat menggunakan ekstensi Storage versi 5.0.0 atau versi yang lebih baru, Anda mengontrol konkurensi pemicu dengan menggunakan maxDegreeOfParallelism pengaturan dalam konfigurasi blob di host.json.

Pra-ekstensi 5.x

Karena pemicu blob menggunakan antrean secara internal, jumlah maksimum pemanggilan fungsi bersamaan dikontrol oleh konfigurasi antrean di host.json.

Batas berlaku secara terpisah untuk setiap fungsi yang menggunakan pemicu blob.

properti host.json

File host.json berisi pengaturan yang mengontrol perilaku pemicu blob. Lihat bagian pengaturan host.json untuk detail pengaturan yang tersedia.

Langkah berikutnya

• Membaca data penyimpanan blob saat fungsi berjalan
• Menulis data penyimpanan blob dari sebuah fungsi