Dokumentasi Azure Stream Analytics

Azure Stream Analytics merupakan layanan analitik real time dikelola penuh yang dirancang untuk membantu Anda menganalisis dan memproses aliran data yang bergerak cepat yang dapat digunakan untuk mendapatkan wawasan, membuat laporan, atau memicu peringatan dan tindakan. Pelajari cara menggunakan Azure Stream Analytics dengan mulai cepat, tutorial, dan sampel kami.

Tentang Azure Stream Analytics

Gambaran Umum

• Apa itu Azure Stream Analytics?
• Pola solusi Azure Stream Analytics

Mulai Cepat

• Buat pekerjaan menggunakan portal Microsoft Azure

Tutorial

• Mengambil data Azure Event Hubs dalam format parquet
• Menulis ke tabel delta di Data Lake Storage Gen2
• Membangun dasbor Power BI real time tanpa editor kode
• Menganalisis data panggilan penipuan dan memvisualisasikan hasil

Konsep

• Memilih teknologi analitik streaming
• Memilih alat pengembangan untuk pekerjaan Anda

Menyambungkan tugas ke sumber data

Gambaran Umum

• Pelajari tentang jenis input

Konsep

• Input data aliran
• Penggabungan data referensi untuk pencarian

Panduan Penggunaan

• Menggunakan data referensi dari Azure SQL Database
• Memecahkan masalah koneksi input
• Memproses Apache Kafka untuk peristiwa Azure Event Hubs
• Memproses data dari Azure Event Hubs

Mengirim data ke sink output

Gambaran Umum

• Pelajari tentang jenis output

Konsep

• Output ke Azure Cosmos DB
• Output ke Azure SQL Database
• Pemartisian output blob kustom
• Kebijakan penanganan kesalahan output

Panduan Penggunaan

• Memecahkan masalah koneksi output

Memantau dan memecahkan masalah pekerjaan Anda

Panduan Penggunaan

• Memantau dan mengelola pekerjaan menggunakan portal Azure
• Memantau dan mengelola pekerjaan dari Visual Studio
• Menganalisis performa pekerjaan menggunakan metrik dan dimensi pekerjaan
• Debug kueri secara lokal menggunakan diagram pekerjaan di Visual Studio Code
• Memecahkan masalah menggunakan log sumber daya
• Debug menggunakan diagram pekerjaan
• Memecahkan masalah kesalahan data

Meninjau konsep temporal

Konsep

• Pola kueri umum
• Memahami penanganan waktu di Azure Stream Analytics
• Titik pemeriksaan internal dan pemutaran ulang

Mentransformasi data dengan kueri Azure Stream Analytics

Konsep

• Pengenalan fungsi jendela
• Pengenalan fungsi geospasial
• Data Pilah JSON dan Avro

Panduan Penggunaan

• Pecahkan masalah logika kueri
• Menulis agregat yang ditentukan pengguna JavaScript
• Mengembangkan fungsi .NET yang ditentukan pengguna untuk pekerjaan IoT Edge

Tutorial

• Menjalankan fungsi JavaScript yang ditentukan pengguna
• Menjalankan fungsi C# yang ditentukan pengguna pada pekerjaan Azure Stream Analytics Edge

Menganalisis dengan pembelajaran mesin

Panduan Penggunaan

• Menggunakan pembelajaran mesin untuk mendeteksi anomali
• Melakukan analisis sentimen dengan Machine Learning Studio (klasik)
• Menskalakan pekerjaan dengan fungsi Machine Learning Studio (klasik)

Membuat dan mengelola pekerjaan dengan alat pengembang

Panduan Penggunaan

• Menjelajahi pekerjaan dengan Visual Studio Code
• Menguji kueri dengan data sampel di Visual Studio Code
• Memasang alat untuk Visual Studio
• Menguji kueri dengan data sampel di Visual Studio
• Menguji kueri dengan data langsung di Visual Studio
• Menampilkan pekerjaan di Visual Studio
• Mengembangkan pekerjaan IoT Edge di Visual Studio

video

• Menulis, mengelola, dan menguji dengan Visual Studio Code

Mencoba tutorial dan solusi Azure Stream Analytics

Tutorial

• Deteksi penipuan real time
• Picu Fungsi Azure

Panduan Penggunaan

• Membangun solusi dengan agregasi geofencing dan geospasial
• Jalankan pekerjaan di IoT Edge
• Membangun solusi analisis sentimen
• Membangun solusi IoT
• Simulasi perdagangan frekuensi tinggi
• Pemberitahuan berdasarkan ambang batas aturan yang dapat disesuaikan

Menyebar pekerjaan Azure Stream Analytics

Panduan Penggunaan

• Menyiapkan saluran CI/CD dengan Visual Studio Code
• Menyiapkan saluran CI/CD dengan Visual Studio
• Menggunakan REST API dalam menyiapkan CI/CD untuk pekerjaan IoT Edge

Menskalakan pekerjaan Azure Stream Analytics

Panduan Penggunaan

• Menskalakan dengan unit streaming
• Menskalakan dengan paralelisasi kueri
• Menskalakan pekerjaan untuk meningkatkan throughput
• Mengptimalkan pemrosesan dengan pemartisian ulang