Condividi tramite

Elaborazione del flusso senza codice in Analisi di flusso di Azure

L'editor senza codice consente di sviluppare con facilità un processo di Stream Analytics per elaborare i dati di streaming in tempo reale, utilizzando la funzionalità di trascinamento della selezione, senza scrivere nemmeno una riga di codice. L'esperienza offre un'area di lavoro che consente di connettersi alle origini di input per visualizzare i dati di streaming in modo rapido. È quindi possibile trasformarlo prima di inviarlo alle destinazioni.

Con l'editor senza codice, si potrà facilmente:

  • Modificare gli schemi di input.
  • Eseguire operazioni di preparazione dei dati come join e filtri.
  • Approcciare scenari avanzati come le aggregazioni di intervalli temporali (finestre a cascata, salto e sessione) per le operazioni raggruppate.

Dopo aver creato ed eseguito i processi di analisi di flusso, è possibile rendere facilmente operativi i carichi di lavoro di produzione. Usare il set corretto di metriche predefinite per il monitoraggio e la risoluzione dei problemi. I processi di analisi di flusso vengono fatturati in base al modello tariffario quando vengono eseguiti.

Prerequisiti

Prima di sviluppare i processi di analisi di flusso usando l'editor senza codice, è necessario soddisfare i seguenti requisiti:

  • Le sorgenti di input di streaming e le risorse di destinazione per il processo di analisi di flusso devono essere accessibili pubblicamente e non possono trovarsi in una rete virtuale di Azure.
  • È necessario disporre delle autorizzazioni necessarie per accedere alle sorgenti di input e output di streaming.
  • È necessario mantenere le autorizzazioni per creare e modificare le risorse di Analisi di flusso di Azure.

Nota

L'editor senza codice non è attualmente disponibile nella regione della Cina.

Processo di Analisi di Flusso di Azure

Un processo di analisi di flusso si basa su tre componenti principali: input di streaming, trasformazionie output. È possibile avere tutti i componenti che si desidera, diversi input, rami paralleli con più trasformazioni e diversi output. Per altre informazioni, vedere Documentazione di Analisi di flusso di Azure.

Nota

Le funzionalità e i tipi di output seguenti non sono disponibili quando si usa l'editor senza codice:

  • Funzioni definite dall'utente.
  • Modifica delle query nel pannello query di Analisi di flusso di Azure. Tuttavia, è possibile visualizzare la query generata dall'editor senza codice nel pannello query.
  • Aggiunta di input/output nei pannelli di input/output di Azure Stream Analytics. Tuttavia, è possibile visualizzare l'input/output generato dall'editor senza codice nel pannello input/output.
  • I tipi di output seguenti non sono disponibili: Funzione di Azure, ADLS Gen1, PostgreSQL DB, coda/argomento del bus di servizio, archiviazione tabelle.

Per accedere all'editor no-code per la creazione del job di analisi del flusso, esistono due approcci:

  1. Tramite il portale di Analisi di flusso di Azure (anteprima): creare un processo di analisi di flusso e quindi selezionare l'editor senza codice nella scheda Inizio nella pagina Panoramica, oppure selezionare Editor senza codice nel riquadro sinistro.

    Screenshot che mostra la funzionalità no-code nei percorsi del portale di Azure Stream Analytics.

  2. Tramite il portale di Hub eventi di Azure: aprire un'istanza di Hub eventi. Selezionare Elaborare dati, poi selezionare un qualunque modello predefinito.

    Screenshot che mostra le selezioni per creare un nuovo job di Stream Analytics.

    I modelli predefiniti consentono di sviluppare ed eseguire un processo per risolvere vari scenari, tra cui:

Lo screenshot seguente mostra un processo di analisi di flusso completo. Evidenzia tutte le sezioni disponibili quando scrivi.

Screenshot che mostra le sezioni dell'interfaccia di creazione.

  1. Ribbon: sul ribbon, le sezioni seguono l'ordine di un classico processo di analisi: un hub eventi come input (noto anche come fonte dati), trasformazioni (operazioni di estrazione, trasformazione e caricamento in streaming), output, un pulsante per salvare i progressi e un pulsante per avviare il lavoro.
  2. Visualizzazione diagramma: si tratta di una rappresentazione grafica del processo di analisi di flusso, dall'input, alle operazioni e output.
  3. Riquadro laterale: a seconda del componente selezionato nella visualizzazione diagramma, vengono visualizzate le impostazioni per modificare input, trasformazione o output.
  4. Schede per l'anteprima dei dati, errori di composizione, log di runtime e metriche: per ogni scheda, l'anteprima dei dati mostra i risultati per ciascun passaggio (in tempo reale per gli input; su richiesta per trasformazioni e output). Questa sezione riepiloga anche eventuali errori o avvisi di creazione che potresti avere nel tuo lavoro durante lo sviluppo. Selezionando ogni errore o avviso viene selezionata la trasformazione. Fornisce anche le metriche delle attività per monitorare lo stato di salute delle attività in esecuzione.

Input dei dati in streaming

L'editor senza codice supporta l’input dei dati in streaming da tre tipi di risorse:

  • Hub eventi di Azure
  • Hub IoT di Azure
  • Azure Data Lake Storage Gen2

Per altre informazioni sull’input dei dati in streaming, vedere Trasmettere dati come input in Analisi di flusso

Nota

L'editor senza codice nel portale di Hub eventi di Azure include solo Hub eventi come opzione di input.

Screenshot che mostra il tipo di input di streaming.

Hub eventi di Azure come input di streaming

Hub eventi di Azure è una piattaforma di streaming di Big Data e un servizio di inserimento di eventi. È in grado di ricevere ed elaborare milioni di eventi al secondo. I dati inviati a un event hub possono essere trasformati e archiviati usando un qualsiasi fornitore di analisi in tempo reale o adattatore per batching/archiviazione.

Per configurare un hub eventi come input per il processo, selezionare l'icona dell'Hub eventi. Nella visualizzazione diagramma compare una piastrella, che comprende un riquadro laterale per la configurazione e la connessione.

Quando ci si connette all'hub eventi nell'editor senza codice, è consigliabile creare un nuovo gruppo di consumer (opzione predefinita). Questo approccio impedisce che l'hub degli eventi raggiunga il limite dei lettori simultanei. Per altre informazioni sui gruppi di consumer e sulla necessità di selezionare un gruppo di consumer esistente o crearne uno nuovo, vedere Gruppi di consumer.

Se l'hub eventi si trova nel piano Basic, è possibile usare solo il gruppo di consumer $Defaultesistente. Se l'hub eventi si trova in un piano Standard o Premium, è possibile creare un nuovo gruppo di consumer.

Screenshot che mostra la selezione del gruppo di consumatori durante la configurazione di un hub di eventi.

Quando ci si connette all'hub eventi e si seleziona Identità gestita come modalità di autenticazione, viene concesso il ruolo di Proprietario dati di Azure Event Hubs all'identità gestita per il processo di analisi di flusso. Per altre informazioni sulle identità gestite per un hub eventi, vedere Usare le identità gestite per accedere a un hub eventi da un processo di Analisi di flusso di Azure.

Le identità gestite annullano le limitazioni dei metodi di autenticazione basati sull'utente. Queste limitazioni includono la necessità di ripetere l'autenticazione a causa delle modifiche apportate alla password o delle scadenze dei token utente che si verificano ogni 90 giorni.

Screenshot che mostra l'identità gestita selezionata come metodo di autenticazione.

Dopo aver configurato i dettagli dell'hub eventi e aver selezionato Connetti, è possibile aggiungere manualmente i campi usando + Aggiungi campo se si conoscono i nomi dei campi. Per rilevare automaticamente i campi e i tipi di dati in base a un campione dei messaggi in arrivo, selezionare Rilevare automativamente i campi. Se necessario, la selezione del simbolo dell'ingranaggio consente di modificare le credenziali.

Quando i processi di analisi di flusso rilevano i campi, questi vengono visualizzati nell'elenco. Viene visualizzata anche un'anteprima in tempo reale dei messaggi in ingresso nella tabella Anteprima dati nella visualizzazione diagramma.

Modificare i dati di input

È possibile modificare i nomi dei campi, rimuovere il campo, modificare il tipo di dati oppure modificare l'ora dell'evento (Contrassegna come ora evento: clausola TIMESTAMP BY in caso di campo di tipo datetime), selezionando il simbolo a tre punti accanto a ogni campo. È anche possibile espandere, selezionare e modificare i campi annidati dai messaggi in arrivo, come illustrato nell'immagine seguente.

Suggerimento

Questo vale anche per i dati di input dell'hub IoT di Azure e di Azure Data Lake Storage Gen2.

Screenshot che mostra le selezioni per aggiungere, rimuovere e modificare i campi per un hub eventi.

I tipi di dati disponibili sono:

  • DateTime: campo data e ora in formato ISO.
  • Float: numero decimale.
  • Int: numero intero.
  • Record: oggetto annidato con più record.
  • Stringa: Testo.

Hub IoT di Azure come input per lo streaming

L'hub IoT di Azure è un servizio gestito, ospitato nel cloud, che funge da hub centrale di messaggi per le comunicazioni bidirezionali tra l'applicazione di IoT e i relativi dispositivi collegati. I dati dei dispositivi IoT inviati all'hub IoT possono essere usati come input per un processo di analisi di flusso.

Nota

L'input dell'hub IoT di Azure è disponibile nell'editor senza codice nel portale di Analisi di flusso di Azure.

Per aggiungere un hub IoT come input di streaming per il processo, selezionare l'hub IoT in Input dalla barra multifunzione. Immettere quindi le informazioni necessarie nel riquadro destro per connettere l'hub IoT alla tua attività. Per altre informazioni sui dettagli di ogni campo, vedere Trasmettere dati dall'Hub IoT al processo di Stream Analytics.

Screenshot che mostra la configurazione dell'hub iot.

Azure Data Lake Storage Gen2 come ingresso per lo streaming

Azure Data Lake Storage Gen2 (ADLS Gen2) è una soluzione data lake aziendale basata sul cloud. È progettato per archiviare grandi quantità di dati in qualsiasi formato e facilitare carichi di lavoro analitici di Big Data. I dati archiviati in ADLS Gen2 possono essere elaborati come flusso di dati da Analisi di flusso. Per altre informazioni su questo tipo di input, vedere Trasmettere dati da ADLS Gen2 al processo di Stream Analytics

Nota

L'input di Azure Data Lake Storage Gen2 è disponibile nell'editor senza codice nel portale di Analisi di flusso di Azure.

Per aggiungere un ADLS Gen2 come input di streaming per il processo, selezionare ADLS Gen2 in Input dalla barra multifunzione. Compilare quindi le informazioni necessarie nel riquadro destro, per collegare ADLS Gen2 all'attività. Per altre informazioni sui dettagli di ogni campo, vedere Trasmettere dati da ADLS Gen2 al processo di analisi di flusso

Screenshot che mostra la configurazione di input di Azure Data Lake Storage Gen2.

Input dei dati di riferimento

I dati di riferimento sono statici o cambiano lentamente nel tempo. Viene in genere usato per arricchire i flussi in ingresso ed eseguire ricerche al lavoro. Ad esempio, è possibile unire gli input del flusso dei dati ai dati di riferimento, proprio come si esegue un join SQL per cercare valori statici. Per maggiori informazioni sugli input dei dati di riferimento, vedere Uso dei dati di riferimento per le ricerche in Analisi di flusso.

L'editor senza codice supporta ora due sorgenti di dati di riferimento:

  • Azure Data Lake Storage Gen2
  • database SQL di Azure

Screenshot che mostra un nodo di input di riferimento al database SQL.

Azure Data Lake Storage Gen2 come dati di riferimento

I dati di riferimento vengono modellati come sequenza di blob in ordine crescente della combinazione di data/ora specificata nel nome del blob. È possibile aggiungere blob alla fine della sequenza solo usando una data/ora maggiore di quella specificata nell'ultimo blob della sequenza. I blob vengono definiti nella configurazione di input.

Prima di tutto, nella sezione Input sulla barra multifunzione, selezionare Riferimento ADLS Gen2. Per informazioni dettagliate su ogni campo, vedere la sezione relativa all'archiviazione BLOB di Azure in Usare i dati di riferimento per le ricerche in Analisi di flusso.

Screenshot che mostra i campi per la configurazione di Azure Data Lake Storage Gen2 come input nell'editor senza codice.

Caricare quindi un file di matrice JSON. I campi nel file verranno rilevati. Usare questi dati di riferimento per eseguire la trasformazione con dati di input in streaming da Event Hubs.

Screenshot che mostra le selezioni per il caricamento di JSON per i dati di riferimento.

Database SQL di Azure come dati di riferimento

È possibile usare il database SQL di Azure come dati di riferimento per il processo di analisi di flusso nell'editor senza codice. Per maggiori informazioni, vedere la sezione relativa al database SQL in Usare i dati di riferimento per le ricerche in Analisi di flusso.

Per configurare il database SQL come input dei dati di riferimento, selezionare database SQL come riferimento nella sezione Input della barra multifunzione. Immettere quindi le informazioni per connettere il database di riferimento e selezionare la tabella con le colonne necessarie. È anche possibile recuperare i dati di riferimento dalla tabella modificando manualmente la query SQL.

Screenshot che mostra la configurazione di input di riferimento per il database SQL.

Trasformazioni

Le trasformazioni dei dati di streaming sono intrinsecamente diverse dalle trasformazioni dei dati batch. Quasi tutti i dati di streaming hanno un componente temporale, che influisce sulle attività di preparazione dei dati coinvolte.

Per aggiungere una trasformazione dei dati di streaming al processo, selezionare il simbolo di trasformazione nella sezioneOperazioni sulla barra multifunzione per tale trasformazione. Il rispettivo riquadro verrà eliminato nella visualizzazione diagramma. Dopo averla selezionata, verrà visualizzato il riquadro laterale per la trasformazione per configurarla.

Screenshot che mostra le operazioni di trasformazione.

Filtro

Usare la trasformazione Filtro per filtrare gli eventi in base al valore di un campo nell'input. A seconda del tipo di dati (numero o testo), la trasformazione manterrà i valori corrispondenti alla condizione selezionata.

Screenshot che mostra le selezioni per la creazione di un filtro.

Nota

All'interno di ogni riquadro, verranno visualizzate informazioni sulle altre operazioni necessarie per la trasformazione. Ad esempio, quando si aggiunge un nuovo riquadro, verrà visualizzato un messaggio di Installazione obbligatoria. Se manca un connettore del nodo, verrà visualizzato un messaggio di Errore, oppure un messaggio di Avviso.

Gestire i campi

La trasformazione Gestisci campi consente di aggiungere, rimuovere o rinominare campi provenienti da un input o da un'altra trasformazione. Le impostazioni nel riquadro laterale permettono di aggiungere un nuovo campo selezionando Aggiungi campo o di aggiungere tutti i campi contemporaneamente.

Screenshot che mostra le selezioni per la gestione dei campi.

È anche possibile aggiungere un nuovo campo con le Funzioni predefinite per aggregare i dati da upstream. Alcune delle funzioni predefinite attualmente supportate sono alcune funzioni in Funzioni stringa,Funzioni di data e ora, funzioni matematiche. Per altre informazioni sulle definizioni di queste funzioni, vedere Funzioni predefinite (Analisi di flusso di Azure).

Screenshot che mostra le funzioni predefinite.

Suggerimento

Dopo aver configurato un riquadro, la visualizzazione diagramma offre una panoramica delle impostazioni nel riquadro. Ad esempio, nell'area Gestisci campi dell'immagine precedente si vedono i primi tre campi gestiti con i rispettivi nuovi nomi assegnati. Ogni riquadro contiene informazioni pertinenti.

Aggregazione

È possibile usare la trasformazione Aggrega per calcolare un'aggregazione (Somma, Minimo, Massimo o Media) ogni volta che si verifica un nuovo evento in un periodo di tempo. Questa operazione consente inoltre di filtrare o suddividere l'aggregazione in base ad altre dimensioni nei dati. È possibile avere una o più aggregazioni nella stessa trasformazione.

Per aggiungere un'aggregazione, selezionare il simbolo di trasformazione. Connettere quindi un input, selezionare l'aggregazione, aggiungere eventuali dimensioni filtro o sezione e selezionare il periodo di tempo in cui verrà calcolata l'aggregazione. In questo esempio, viene calcolato la somma del valore del pedaggio per stato di provenienza del veicolo negli ultimi 10 secondi.

Screenshot che mostra le selezioni per il calcolo di un'aggregazione.

Per aggiungere un'altra aggregazione alla stessa trasformazione, selezionare Aggiungi funzione di aggregazione. Tenere presente che il filtro o la sezione verranno applicati a tutte le aggregazioni nella trasformazione.

Unisci.

Usare la trasformazione Join per combinare gli eventi di due input in base alle coppie di campi selezionate. Se non si seleziona una coppia di campi, il join sarà effettuato in base al tempo, per impostazione predefinita. Il valore predefinito è ciò che rende questa trasformazione diversa da una batch.

Come per i normali join, sono disponibili opzioni per la logica di join:

  • Inner join: includere solo i record di entrambe le tabelle dove le corrispondenze coincidono. In questo esempio, questa è la posizione in cui la targa corrisponde a entrambi gli input.
  • Left outer join: includere tutti i record dalla tabella sinistra (prima), e solo i record dalla seconda che corrispondono ai campi accoppiati. Se non esiste alcuna corrispondenza, i campi del secondo input saranno vuoti.

Per selezionare il tipo di join, selezionare il simbolo per il tipo preferito nella barra laterale.

Infine, selezionare il periodo in cui si vuole calcolare l'unione. In questo esempio, il join esamina gli ultimi 10 secondi. Tenere presente che maggiore è il periodo, meno frequente è l'output e più risorse di elaborazione verranno usate per la trasformazione.

Per impostazione predefinita, vengono inclusi tutti i campi di entrambe le tabelle. I prefissi a sinistra (primo nodo) e a destra (secondo nodo) nell'output consentono di distinguere l'origine.

Screenshot che mostra le selezioni per la creazione di un join.

Raggruppa per

Usare la trasformazione Raggruppa per per calcolare le aggregazioni in tutti gli eventi in un determinato intervallo di tempo. Puoi raggruppare i valori di uno o più campi. È simile alla trasformazione Aggregazione, ma offre maggiori opzioni per le aggregazioni. Include anche opzioni più complesse per le finestre temporali. Come Aggregazione, è anche possibile aggiungere più aggregazioni per trasformazione.

Le aggregazioni disponibili nella trasformazione sono:

  • Media
  • Conteggio
  • Massimo
  • Minimo
  • Percentile (continuo e discreto)
  • Deviazione standard
  • Sum
  • Varianza

Per configurare la trasformazione:

  1. Selezionare l'aggregazione preferita.
  2. Selezionare il campo su cui si vuole aggregare.
  3. Selezionare un campo facoltativo di raggruppamento se si desidera ottenere il calcolo aggregato su un'altra dimensione o categoria. Ad esempio: Stato.
  4. Seleziona la funzione per le finestre temporali.

Per aggiungere un'altra aggregazione alla stessa trasformazione, selezionare Aggiungi funzione di aggregazione. Tenere presente che il campo Group by e la funzione windowing verranno applicati a tutte le aggregazioni nella trasformazione.

Screenshot che mostra le selezioni per calcolare un'aggregazione con l'opzione di raggruppamento in base ai valori.

Un indicatore orario per la fine dell'intervallo di tempo viene visualizzato come parte dell'output della trasformazione per riferimento. Per maggiori informazioni sulle finestre temporali supportate dai processi di analisi di flusso, vedere Funzioni di windowing (Analisi di flusso di Azure).

Unione

Usare la trasformazione Unione per connettere due o più input per aggiungere eventi con campi condivisi (con lo stesso nome e tipo di dati) in una tabella. I campi che non corrispondono verranno eliminati e non saranno inclusi nell'output.

Espandi matrice

Usare la trasformazione Espandi matrice per creare una nuova riga per ogni valore all'interno di una matrice.

Screenshot che mostra le opzioni per espandere una matrice.

Output di streaming

L'esperienza di trascina e rilascia senza codice supporta momentaneamente diversi punti di destinazione di output per archiviare in tempo reale i dati elaborati.

Screenshot che mostra le opzioni di output di streaming.

Azure Data Lake Storage Gen2

Data Lake Storage Gen2 trasforma Archiviazione di Azure in una base per la creazione di data lake aziendali su Azure. Questo servizio è in grado di gestire diversi petabyte di informazioni supportando al tempo stesso centinaia di gigabit di velocità effettiva. Consente di gestire facilmente grandi quantità di dati. L'Archiviazione BLOB di Azure offre una soluzione conveniente e scalabile per archiviare grandi quantità di dati non strutturati nel cloud.

Nella sezione Output sulla barra multifunzione, selezionare ADLS Gen2 come output per il processo di analisi di flusso. Selezionare quindi il contenitore in cui si vuole inviare l'output del processo. Per maggiori informazioni sull'output di Azure Data Lake Gen2 per un processo di Stream Analytics, vedere Archiviazione Blob e output di Azure Data Lake Gen2 da Azure Stream Analytics.

Quando ci si connette ad Azure Data Lake Storage Gen2, selezionando Identità Gestita come modalità di autenticazione, all'Identità Gestita per il processo di analisi di flusso viene concesso il ruolo di Collaboratore dei dati del BLOB di archiviazione. Per maggiori informazioni sulle identità gestite per Azure Data Lake Storage Gen2, vedere Usare le identità gestite per autenticare il processo di Analisi di flusso di Azure in Archiviazione BLOB di Azure.

Le identità gestite annullano le limitazioni dei metodi di autenticazione basati sull'utente. Queste limitazioni includono la necessità di ripetere l'autenticazione a causa delle modifiche apportate alla password o delle scadenze dei token utente che si verificano ogni 90 giorni.

Screenshot che mostra la selezione dell'identità gestita come metodo di autenticazione per Azure Data Lake Storage Gen2

La consegna esattamente una volta (anteprima) è supportata in ADLS Gen2 come funzionalità dell'editor senza codice. È possibile abilitarlo nella sezione Modalità di scrittura nella configurazione di ADLS Gen2. Per maggiori informazioni su questa funzionalità, vedere Consegna esattamente una volta (anteprima) in Azure Data Lake Gen2

Screenshot che mostra la configurazione 'exactly once' nell'output di ADLS Gen2.

La scrittura nella tabella Delta Lake (anteprima) è supportata in ADLS Gen2 come output dell'editor senza codice. È possibile accedere a questa opzione nella sezione Serializzazione nella configurazione di ADLS Gen2. Per maggiori informazioni su questa funzionalità, vedere Scrittura nella tabella Delta Lake.

Screenshot che mostra la configurazione delta lake nell'output di ADLS Gen2.

Azure Synapse Analytics

I processi di Analisi di flusso di Azure possono inviare output a una tabella del pool SQL dedicata in Azure Synapse Analytics e possono elaborare a una velocità effettiva fino a 200 MB al secondo. Stream Analytics supporta le esigenze più impegnative di analisi in tempo reale e l'elaborazione dei dati in tempo reale per carichi di lavoro come la creazione di report e i dashboard.

Importante

La tabella dedicata del pool SQL deve esistere affinché si possa aggiungere come output al processo di Stream Analytics. Lo schema della tabella deve corrispondere ai campi e ai relativi tipi nell'output del job.

Nella sezione Output sulla barra multifunzione, selezionare Synapse come output per il processo di analisi di flusso. Selezionare quindi la tabella del pool SQL in cui si vuole inviare l'output del processo. Per maggiori informazioni sull'output di Azure Synapse per un processo di Stream Analytics, vedere Output di Azure Synapse Analytics da Azure Stream Analytics.

Azure Cosmos DB

Azure Cosmos DB è un servizio di database distribuito a livello globale che offre scalabilità elastica illimitata in tutto il mondo. Offre anche query avanzate e indicizzazione automatica su modelli di dati indipendenti dallo schema.

Nella sezione Output sulla barra multifunzione, selezionare CosmosDB come output per il processo di analisi di flusso. Per maggiori informazioni sull'output di Azure Cosmos DB per un processo di analisi di flusso, vedere Output di Azure Cosmos DB da Analisi di flusso di Azure.

Quando ci si connette ad Azure Cosmos DB, se si seleziona Identità gestita come modalità di autenticazione, il ruolo Collaboratore verrà concesso all'identità gestita per il processo di analisi di flusso. Per altremaggiori informazioni sulle identità gestite per Azure Cosmos DB, vedere Usare le identità gestite per accedere ad Azure Cosmos DB da un processo di Analisi di flusso di Azure (anteprima).

Il metodo di autenticazione delle identità gestite è supportato anche nell'output di Azure Cosmos DB nell'editor senza codice che ha lo stesso vantaggio di quello nell'output di ADLS Gen2 precedente.

database SQL di Azure

Il database SQL di Azure è un motore di database Platform as a Service (PaaS) completamente gestito che permette di creare un livello di archiviazione dati a disponibilità elevata e ad alte prestazioni per le applicazioni e le soluzioni in Azure. Usando l'editor senza codice, è possibile configurare i processi di Analisi di flusso di Azure per scrivere i dati elaborati in una tabella esistente nel database SQL.

Per configurare il database SQL di Azure come output, selezionare Database SQL nella sezione Output sulla barra multifunzione. Compilare quindi le informazioni necessarie per connettere il database SQL e selezionare la tabella in cui scrivere i dati.

Importante

La tabella del database SQL di Azure deve esistere prima che sia possibile aggiungerla come output al processo di analisi di flusso. Lo schema della tabella deve corrispondere ai campi e ai loro tipi nell'output dell'attività.

Per maggiori informazioni sull'output del database SQL di Azure per un processo di analisi di flusso, vedere Output del database SQL di Azure da Analisi di flusso di Azure.

Hub eventi

Con i dati in tempo reale provenienti da ASA, l'editor senza codice può trasformare, arricchire e restituire i dati in un altro hub eventi. È possibile scegliere l'output Hub eventi quando si configura il processo di Analisi di flusso di Azure.

Per configurare Hub eventi come output, selezionare Hub eventi nella sezione Output della barra multifunzione. Immettere quindi le informazioni necessarie per connettere l'hub eventi in cui si vogliono scrivere i dati.

Per ulteriori informazioni sull'output di Event Hubs per un job di Stream Analytics, vedere Event Hubs output da Azure Stream Analytics.

Esplora dati di Azure

Esplora dati di Azure è una piattaforma di analisi dei Big Data completamente gestita e ad alte prestazioni che semplifica l'analisi di grandi volumi di dati. È possibile usare Esplora dati di Azure come output per il processo di Analisi di flusso di Azure anche usando l'editor senza codice.

Per configurare Esplora dati di Azure come output, selezionare Esplora dati di Azure nella sezione Output sulla barra multifunzione. Immettere quindi le informazioni necessarie per connettere il database di Esplora dati di Azure e specificare la tabella in cui scrivere i dati.

Importante

La tabella deve esistere nel database selezionato e lo schema della tabella deve corrispondere esattamente ai campi e ai relativi tipi nell'output del processo.

Per maggiori informazioni sull'output di Azure Data Explorer per un processo di Stream Analytics, vedere Output di Azure Stream Analytics da Analisi di Flusso (anteprima).

Power BI

Power BI offre un'esperienza di visualizzazione completa per il risultato dell'analisi dei dati. Con l'output di Power BI su Stream Analytics, i dati di streaming elaborati vengono scritti nel set di dati di streaming di Power BI, e possono poi essere utilizzati per creare il dashboard di Power BI quasi in tempo reale.

Per configurare Power BI come output, selezionare Power BI nella sezione Output della barra multifunzione. Compilare quindi le informazioni necessarie per connettere l'area di lavoro di Power BI e specificare i nomi per il set di dati di streaming e la tabella in cui si vogliono scrivere i dati. Per maggiori informazioni sui dettagli di ogni campo, vedere Output di Power BI da Analisi di flusso di Azure.

Anteprima dei dati, errori di redazione, log di esecuzione e metriche

L'utilizzo senza codice offre strumenti che consentono di creare, eseguire il debug e valutare le prestazioni della tua pipeline di analisi per i dati di streaming.

Anteprima dei dati in tempo reale per gli input

Quando ci si connette a un'origine di input, ad esempio hub eventi, e si seleziona il relativo riquadro nella visualizzazione diagramma (scheda Anteprima dati), si otterrà un'anteprima in tempo reale dei dati in arrivo se sono soddisfatte tutte le condizioni seguenti:

  • Viene eseguito l'inoltro dei dati.
  • L'input è configurato correttamente.
  • Sono stati aggiunti campi.

Come illustrato nello screenshot seguente, se si vuole visualizzare o eseguire il drill-down in un elemento specifico, è possibile sospendere l'anteprima (1). Oppure puoi riavviarlo se hai finito.

È anche possibile visualizzare i dettagli di un record specifico, una cella nella tabella, selezionandola e quindi selezionando Mostra/Nascondi dettagli (2). Lo screenshot mostra la visualizzazione dettagliata di un oggetto annidato in un record.

Screenshot che mostra la scheda Anteprima dati, in cui è possibile sospendere l'anteprima di streaming e mostrare o nascondere i dettagli.

Anteprima statica per trasformazioni e output

Dopo aver aggiunto e configurato tutti i passaggi nella visualizzazione diagramma, è possibile testarne il comportamento selezionando Ottieni anteprima statica.

Screenshot che mostra il pulsante per ottenere un'anteprima statica.

Dopo averlo fatto, l'attività di Stream Analytics valuta tutte le trasformazioni e gli output per garantire che siano configurati correttamente. Analisi di flusso visualizza quindi i risultati nell'anteprima dei dati statici, come illustrato nell'immagine seguente.

Screenshot che mostra la scheda Anteprima dati, in cui è possibile aggiornare l'anteprima statica.

È possibile aggiornare l'anteprima selezionando Aggiorna anteprima statica (1). Quando si aggiorna l'anteprima, il processo di analisi di flusso accetta nuovi dati dall'input e valuta tutte le trasformazioni. In seguito, invia nuovamente l'output con tutti gli aggiornamenti che potrebbero essere stati eseguiti. L'opzione Mostra/Nascondi dettagli è disponibile anche (2).

Errori di redazione

Se sono presenti errori o avvisi di creazione, questi verranno elencati nella scheda Errori di creazione, come illustrato nello screenshot seguente. L'elenco include informazioni dettagliate sull'errore o l'avviso, il tipo di scheda (input, trasformazione o output), il livello di errore e una descrizione dell'errore o avviso.

Screenshot che mostra un elenco di errori di creazione esemplificativi.

Log di runtime

I log di runtime vengono visualizzati a livello di avviso, errore o informazioni quando un processo è in esecuzione. Questi log sono utili quando si vuole modificare la topologia o la configurazione del processo di analisi di flusso per la risoluzione dei problemi. È consigliabile attivare i log di diagnostica e inviarli all'area di lavoro Log Analytics in Impostazioni per ottenere altre informazioni dettagliate sui processi in esecuzione per il debug.

Screenshot che mostra la configurazione del log di diagnostica nell'editor senza codice.

Nell'esempio di screenshot seguente, l'utente ha configurato l'output del database SQL con uno schema di tabella che non corrisponde ai campi dell'output del processo.

Screenshot che mostra la scheda relativa agli errori di runtime.

Metriche

Se il processo è in esecuzione, è possibile monitorare l'integrità del processo nella scheda Metriche. Le quattro metriche visualizzate per impostazione predefinita sono Ritardo della filigrana, Eventi di input, Eventi di input arretrati e Eventi di output. È possibile utilizzare queste metriche per capire se gli eventi fluiscono dentro e fuori dal job senza alcun arretrato di input.

Screenshot che mostra le metriche per un processo creato dall'editor senza codice.

È possibile selezionare più metriche dall'elenco. Per comprendere in dettaglio tutte le metriche, vedere Metriche dei processi di Analisi di flusso di Azure.

Avviare un job di Stream Analytics

È possibile salvare il lavoro in qualsiasi momento mentre lo crei. Dopo aver configurato gli input, le trasformazioni e gli output di streaming per il processo, è possibile avviare il processo.

Nota

Anche se l'editor senza codice nel portale di Analisi di flusso di Azure è in anteprima, il servizio Analisi di flusso di Azure è disponibile a livello generale.

Screenshot che mostra i pulsanti Salva e Avvia.

È possibile configurare queste opzioni:

  • Ora di inizio dell'output: quando si avvia un processo, si seleziona un'ora in cui il processo inizia a creare l'output.
    • Adesso: questa opzione rende il punto iniziale del flusso di eventi di output uguale a quello dell'avvio del processo.
    • Personalizzato: è possibile scegliere il punto iniziale dell'output.
    • Ultimo arresto: questa opzione è disponibile quando il compito è stato avviato in precedenza ma è stato arrestato manualmente o è fallito. Quando si sceglie questa opzione, per riavviare il processo verrà usata l'ora dell'ultimo output, così i dati non vengono persi.
  • Unità di streaming: le Unità di streaming (SU) rappresentano la quantità di calcolo e memoria assegnata al processo durante la sua esecuzione. Se non si sa quante SU scegliere, è consigliabile iniziare con tre e regolare in base alle esigenze.
  • Gestione degli errori dei dati di output: i criteri per la gestione degli errori dei dati di output si applicano solo quando l'evento di output prodotto da un processo di analisi di flusso non è conforme allo schema del sink di destinazione. È possibile configurare questo criterio scegliendo tra Riprova oppure Rilascia. Per maggiori informazioni, vedere Criteri di gestione degli errori di output in Azure Stream Analytics.
  • Avvio: questo pulsante avvia il processo di analisi di flusso.

Screenshot che mostra la finestra di dialogo per esaminare la configurazione del processo di analisi di flusso e avviare il processo.

Elenco dei job di Stream Analytics nel portale di Hub eventi di Azure

Per visualizzare un elenco di tutti i processi di analisi di flusso che hai creato usando l'esperienza di trascinamento senza codice nel portale di Hub eventi di Azure, selezionare Elabora dati>processi di analisi di flusso.

Screenshot che mostra l'elenco delle attività di Stream Analytics in cui si esamina lo stato dell'attività.

Questi sono gli elementi della scheda Processi di Analisi di flusso:

  • Filtro: Puoi filtrare l'elenco per nome del lavoro.
  • Aggiorna: attualmente l'elenco non viene aggiornato automaticamente. Usare il pulsante Aggiorna per aggiornare l'elenco e visualizzare l’ultimo stato.
  • Nome lavoro: il nome in quest'area è quello specificato nel primo passaggio della creazione del lavoro. Non è possibile modificarlo. Selezionare il nome del processo per aprire il processo nell'esperienza di trascinamento e rilascio senza codice, in cui è possibile fermare il processo, modificarlo e avviarlo di nuovo.
  • Stato: quest'area mostra lo stato dell'attività. Selezionare Aggiornanella parte superiore dell'elenco per visualizzare l’ultimo stato.
  • Unità di streaming: questa area mostra il numero di unità di streaming selezionate al momento dell'avvio del processo.
  • Filigrana di output: questa area fornisce un indicatore di vivacità per i dati prodotti dal processo. Tutti gli eventi prima dell’indicatore orario sono già calcolati.
  • Monitoraggio dei processi: selezionare Apri metriche per visualizzare le metriche correlate a questo processo di Analisi di flusso. Per maggiori informazioni sulle metriche che è possibile usare per monitorare il processo di Analisi di flusso, vedere Metriche dei processi di Analisi di flusso di Azure.
  • Operazioni: avviare, arrestare o eliminare il lavoro.

Passaggi successivi

Informazioni su come usare l'editor senza codice per gestire scenari comuni usando modelli predefiniti:

  • Last updated on