Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Beberapa layanan tersedia untuk analitik real time dan pemrosesan streaming di Azure. Artikel ini membantu Anda memutuskan teknologi mana yang paling cocok untuk aplikasi Anda.
Kapan menggunakan Azure Stream Analytics
Azure Stream Analytics adalah layanan yang direkomendasikan untuk analisis aliran di Azure. Gunakan untuk berbagai skenario yang mencakup tetapi tidak terbatas pada:
- Dasbor untuk visualisasi data
- Pemberitahuan waktu nyata dari pola dan anomali temporal serta spasial
- Ekstrak, Transformasi, Muat (ETL)
- Pola Penyimpanan Peristiwa
- IoT Edge
Menambahkan pekerjaan Azure Stream Analytics ke aplikasi Anda adalah cara tercepat untuk menyiapkan dan menjalankan analitik streaming di Azure, menggunakan bahasa SQL yang sudah Anda ketahui. Azure Stream Analytics adalah layanan tugas, sehingga Anda tidak perlu menghabiskan waktu untuk mengelola kluster, dan Anda tidak perlu khawatir tentang waktu henti berkat Perjanjian Tingkat Layanan (SLA) sebesar 99,9% di tingkat tugas. 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 yang kaya dan langsung siap pakai. Anda dapat segera memanfaatkan fitur berikut tanpa penyiapan tambahan:
- Operator temporal bawaan, seperti agregat windowed, gabungan temporal, dan fungsi analitik temporal.
- Adaptor input dan output Azure asli
- 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
- Beberapa jendela waktu dalam kueri yang sama
- Kemampuan untuk menyusun beberapa operator temporal dalam urutan arbitrer.
- Di bawah latensi end-to-end 100 ms dari input yang tiba di Event Hubs, hingga output diterima di Event Hubs, termasuk penundaan 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) dan agregat yang ditentukan pengguna (UDAs) di JavaScript untuk pekerjaan cloud dan C# untuk pekerjaan IoT Edge. Deserializer yang didefinisikan pengguna C# juga didukung. Jika Anda ingin menerapkan deserializer, UDF, atau UDA dalam bahasa lain, seperti Java atau Python, gunakan Spark Structured Streaming. Anda juga dapat menjalankan EventProcessorHost pada komputer virtual Anda sendiri untuk melakukan pemrosesan streaming sesuai kebutuhan.
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.