Architetture di riferimento di Funzioni serverless

  • Articolo

Un'architettura di riferimento è un modello di componenti necessari e i requisiti tecnici per implementarli. Un'architettura di riferimento non è personalizzata per una soluzione del cliente, ma è uno scenario di alto livello basato su un'esperienza completa. Prima di progettare una soluzione serverless, usare un'architettura di riferimento per visualizzare un'architettura tecnica ideale, quindi combinarla e integrarla nell'ambiente.

Modelli di architettura serverless comuni

I modelli di architettura serverless comuni includono:

  • API serverless, back-end per dispositivi mobili e Web.
  • Elaborazione di eventi e flussi, elaborazione dei dati di Internet delle cose (IoT), big data e pipeline di Machine Learning.
  • Integrazione e bus di servizio aziendale per connettere sistemi line-of-business, pubblicare e sottoscrivere (Pub/Sub) agli eventi aziendali.
  • Automazione e trasformazione digitale e automazione dei processi.
  • Middleware, software-as-a-Service (SaaS) come Dynamics e progetti Big Data.

Back-end dell'applicazione Web nello scenario di vendita al dettaglio: ritira gli ordini online da una coda, li elabora e archivia i dati risultanti in un database.

Diagramma che mostra una richiesta effettuata in un'app Web in coda in bus di servizio, che viene quindi elaborata da una funzione e inviata ad Azure Cosmos DB.

Back-end dell'applicazione mobile nello scenario dei servizi finanziari: i colleghi usano il mobile banking per rimborsare l'uno all'altro per il pranzo. Chiunque abbia pagato per il pranzo richiede il pagamento tramite un'app per dispositivi mobili, che attiva una notifica sui telefoni dei colleghi.

Il diagramma mostra una chiamata H T T T P P P, che viene elaborata da una funzione e inviata ad Azure Cosmos DB. Attiva un'altra funzione per inviare notifiche.

Back-end connessi a IoT nello scenario di produzione: un'azienda di produzione usa IoT per monitorare i computer. Funzioni rileva dati anomali e attiva un messaggio al reparto del servizio quando è necessaria una riparazione.

Il diagramma mostra i dispositivi I o T che producono richieste di riparazione, che vengono inviate all'hub I o T e vengono quindi instradati per l'elaborazione tramite Zendesk.

Elaborazione di bot conversazionali per lo scenario di ospitalità: i clienti chiedono le sistemazioni per le vacanze disponibili sui loro telefoni. Un bot serverless decifra le richieste e restituisce le opzioni di ferie.

Diagramma che mostra una richiesta utente tramite un'interfaccia di conversazione che un bot decifra per un'altra funzione per elaborare la richiesta.

Elaborazione dei file in tempo reale per lo scenario sanitario: la soluzione carica in modo sicuro i record dei pazienti come file PDF. La soluzione scompone quindi i dati, elaborandolo usando il rilevamento OCR e aggiungendo i dati a un database per semplici query.

Il diagramma mostra i record dei pazienti caricati, che vengono quindi scomposti e inviati a Servizi cognitivi da strutturare in un database.

Elaborazione del flusso in tempo reale per lo scenario ISV (Independent Software Vendor): un'app cloud di grandi dimensioni raccoglie grandi quantità di dati di telemetria. L'app elabora i dati quasi in tempo reale e li archivia in un database da usare in un dashboard di analisi.

Diagramma che mostra un'app che raccoglie i dati, inseriti da Hub eventi, elaborati da una funzione e inviati ad Azure Cosmos DB.

Automazione delle attività pianificata per lo scenario dei servizi finanziari: l'app analizza un database dei clienti per le voci duplicate ogni 15 minuti, per evitare l'invio di più comunicazioni agli stessi clienti.

Diagramma che mostra un database pulito da una funzione ogni 15 minuti, che rimuove le voci duplicate.

Estensione delle applicazioni SaaS nello scenario dei servizi professionali: una soluzione SaaS offre estendibilità tramite webhook, che Funzioni di Azure può implementare per automatizzare determinati flussi di lavoro.

Il diagramma mostra un problema creato in GitHub, che attiva una chiamata webhook. Viene elaborato da una funzione che pubblica i dettagli del problema in Slack.

Le architetture di riferimento serverless seguenti illustrano scenari specifici. Vedere gli articoli collegati per diagrammi e dettagli dell'architettura.

Microservizi serverless

L'architettura di riferimento dei microservizi serverless illustra la progettazione, lo sviluppo e la distribuzione dell'applicazioneo Relecloud, una società fittizia. Si ottengono istruzioni dettagliate per la configurazione e la distribuzione di tutti i componenti dell'architettura, con informazioni utili su ogni componente.

Applicazione Web serverless ed elaborazione di eventi con Funzioni di Azure

Questa soluzione in due parti descrive un ipotetico sistema di recapito tramite droni. I droni inviano lo stato in volo al cloud, in cui questi messaggi vengono archiviati per uso futuro. Un'applicazione Web consente agli utenti di recuperare i messaggi per ottenere lo stato più recente del dispositivo.

Automazione del cloud basata su eventi

L'automazione dei flussi di lavoro e delle attività ripetitive nel cloud può migliorare notevolmente la produttività di un team DevOps. Un modello serverless è più adatto per scenari di automazione basati su eventi. Questa architettura di riferimento per l'automazione basata su eventi illustra due scenari di automazione cloud: assegnazione di tag al centro di costo e risposta alla limitazione delle richieste.

Multicloud con framework serverless

L'architettura del framework serverless descrive il modo in cui il team Microsoft Commercial Software Engineering (C edizione Standard) ha collaborato con un rivenditore globale per distribuire una soluzione serverless a disponibilità elevata nelle piattaforme cloud di Azure e Amazon Web Services (AWS), usando il framework serverless.

Altre architetture di riferimento per funzioni serverless

Nelle sezioni seguenti sono elencate altre architetture e scenari di riferimento correlati a serverless e Funzioni di Azure.

Generali

Back-end Web e mobile

Intelligenza artificiale e Machine Learning

Dati e analisi

IoT

Giochi

Automazione

Collaboratori

Questo articolo viene gestito da Microsoft. Originariamente è stato scritto dai seguenti contributori.

Autore principale: