Model sumber daya Azure Stream Analytics

Azure Stream Analytics adalah platform-as-a-service (PaaS) yang dikelola sepenuhnya untuk pemrosesan streaming. Artikel ini menjelaskan model sumber daya untuk Azure Stream Analytics dengan memperkenalkan konsep kluster Stream Analytics, pekerjaan, dan komponen pekerjaan.

Pekerjaan Stream Analytics

Tugas Stream Analytics adalah unit dasar dalam Stream Analytics yang memungkinkan Anda menentukan dan menjalankan logika pemrosesan aliran Anda. Pekerjaan terdiri dari 3 komponen utama:

  • Input
  • Hasil
  • Pertanyaan

Input

Pekerjaan dapat memiliki satu atau beberapa input untuk pembacaan data secara berkelanjutan. Sumber data input streaming ini bisa menjadi Azure Event Hubs, Azure IoT Hub, atau Azure Storage. Azure Stream Analytics juga mendukung pembacaan data input statis atau lambat yang berubah (disebut data referensi) yang sering digunakan untuk memperkaya data streaming. Menambahkan input ini ke pekerjaan Anda adalah operasi nol kode.

Hasil

Pekerjaan dapat memiliki satu atau beberapa output untuk terus menulis data. Azure Stream Analytics mendukung 12 sink output yang berbeda termasuk Azure SQL Database, Azure Data Lake Storage, Azure Cosmos DB, Power BI, dan banyak lagi. Menambahkan output ini ke pekerjaan Anda juga merupakan operasi nol kode.

Pertanyaan

Anda dapat menerapkan logika pemrosesan aliran dengan menulis kueri SQL dalam pekerjaan Anda. Dukungan bahasa SQL yang kaya memungkinkan Anda mengatasi skenario seperti mengurai JSON yang kompleks, nilai pemfilteran, komputasi agregat, melakukan gabungan, dan bahkan kasus penggunaan yang lebih canggih seperti analitik geospasial dan deteksi anomali. Anda juga dapat memperluas bahasa SQL ini dengan javaScript user-defined-functions (UDF) dan user-defined-aggregates (UDA). Azure Stream Analytics juga memungkinkan Anda untuk dengan mudah menyesuaikan peristiwa yang terlambat dan tidak berurutan melalui konfigurasi sederhana di pengaturan pekerjaan Anda. Anda juga dapat memilih untuk menjalankan kueri berdasarkan waktu kedatangan peristiwa input di sumber input atau kapan peristiwa dibuat di sumber peristiwa.

Menjalankan pekerjaan

Setelah mengembangkan pekerjaan dengan mengonfigurasi input, output, dan kueri, Anda dapat memulai pekerjaan dengan menentukan jumlah Unit Streaming. Setelah pekerjaan Anda dimulai, pekerjaan tersebut masuk ke status Berjalan dan akan tetap dalam status tersebut sampai secara eksplisit berhenti atau mengalami kegagalan yang tidak dapat dipulihkan. Ketika tugas sedang berjalan, tugas tersebut secara terus-menerus menarik data dari sumber input Anda, menjalankan logika kueri yang menghasilkan keluaran dan menuliskannya ke penampung output Anda dengan latensi ujung-ke-ujung dalam hitungan milidetik.

Saat pekerjaan Anda dimulai, layanan Azure Stream Analytics mengurus kompilasi kueri Anda dan menetapkan jumlah komputasi dan memori tertentu berdasarkan jumlah Unit Streaming yang dikonfigurasi dalam pekerjaan Anda. Anda tidak perlu khawatir tentang infrastruktur yang mendasar sebagai pemeliharaan kluster, patch keamanan karena secara otomatis diurus oleh platform. Saat menjalankan pekerjaan di SKU Standar, Anda dikenakan biaya untuk Unit Streaming hanya saat pekerjaan berjalan.

Kluster Stream Analytics

Secara default, pekerjaan Azure Stream Analytics berjalan di lingkungan multi-penyewa Standar yang membentuk SKU Standar. Azure Stream Analytics juga menyediakan SKU Khusus tempat Anda dapat memprovisikan seluruh kluster Azure Stream Analytics milik Anda. Melakukannya memberi Anda kontrol penuh atas pekerjaan mana yang berjalan pada kluster Anda. Ukuran minimum kluster Stream Analytics adalah 12 Unit Streaming dan Anda dikenakan biaya untuk seluruh kapasitas kluster dari saat disediakan. Anda dapat mempelajari selengkapnya tentang manfaat kluster Azure Stream Analytics dan kapan menggunakannya.

Diagram yang memperlihatkan lingkungan multi-penyewa Standar di Azure Stream Analytics.

Diagram yang menunjukkan lingkungan Khusus di Azure Stream Analytics.

Langkah berikutnya

Pelajari cara mengelola Azure Stream Analytics dan konsep lainnya:

  • Last updated on