Välj en realtidsanalys och teknik för strömningsbearbetning i Azure
Det finns flera tjänster som är tillgängliga för realtidsanalys och strömningsbearbetning i Azure. Den här artikeln innehåller den information du behöver för att avgöra vilken teknik som passar bäst för ditt program.
När du ska använda Azure Stream Analytics
Azure Stream Analytics är den rekommenderade tjänsten för dataströmanalys i Azure. Du kan använda den för en mängd olika scenarier som inkluderar men inte är begränsade till:
- Instrumentpaneler för datavisualisering
- Realtidsaviseringar från tidsmässiga och rumsliga mönster eller avvikelser
- Extrahera, transformera, läsa in (ETL)
- Mönster för händelsekällor
- IoT Edge
Att lägga till ett Azure Stream Analytics-jobb i ditt program är det snabbaste sättet att få igång strömmande analys i Azure med det SQL-språk som du redan känner till. Azure Stream Analytics är en jobbtjänst, så du behöver inte ägna tid åt att hantera kluster och du behöver inte bekymra dig om driftstopp med ett serviceavtal på 99,9 % på jobbnivå. Faktureringen görs också på jobbnivå vilket gör startkostnaderna låga (en strömningsenhet), men skalbara (upp till 396 strömningsenheter). Det är mycket mer kostnadseffektivt att köra några Stream Analytics-jobb än att köra och underhålla ett kluster.
Azure Stream Analytics har en omfattande upplevelse. Du kan omedelbart dra nytta av följande funktioner utan extra installation:
- Inbyggda temporala operatorer, till exempel fönsteraggregeringar, temporala kopplingar och temporala analysfunktioner.
- Interna Azure-indata- och utdatakort
- Stöd för långsamt föränderliga referensdata (kallas även för uppslagstabeller), inklusive koppling med geospatiala referensdata för geofencing.
- Integrerade lösningar, till exempel avvikelseidentifiering
- Flera tidsfönster i samma fråga
- Möjlighet att skapa flera temporala operatorer i godtyckliga sekvenser.
- Under 100 ms svarstid från slutpunkt till slutpunkt från indata som kommer till Event Hubs, till landning av utdata i Event Hubs, inklusive nätverksfördröjningen från och till Event Hubs, vid ihållande högt dataflöde
När du ska använda andra tekniker
Du vill skriva UDF:er, UDA:er och anpassade deserialiserare på ett annat språk än JavaScript eller C#
Azure Stream Analytics stöder användardefinierade funktioner (UDF) eller användardefinierade aggregeringar (UDA) i JavaScript för molnjobb och C# för IoT Edge-jobb. Användardefinierade C#-deserializers stöds också. Om du vill implementera en deserialiserare, en UDF eller en UDA på andra språk, till exempel Java eller Python, kan du använda Spark Structured Streaming. Du kan också köra Event Hubs EventProcessorHost på dina egna virtuella datorer för att utföra godtycklig strömningsbearbetning.
Din lösning finns i en miljö med flera moln eller lokalt
Azure Stream Analytics är Microsofts patentskyddade teknik och är endast tillgänglig i Azure. Om du behöver din lösning för att vara portabel i moln eller lokalt bör du överväga tekniker med öppen källkod, till exempel Spark Structured Streaming eller Apache Flink.