Azure İşlevleri senaryoları

Çoğu zaman, bir dizi kritik olaya tepki veren sistemler oluşturursunuz. Web API'sini oluştururken, veritabanı değişikliklerine yanıt verirken ya da olay akışlarını veya iletilerini işlerken bu sistemleri uygulamak için Azure İşlevleri kullanabilirsiniz.

Çoğu durumda işlev , zengin özelliklere sahip uygulamalar sağlamak için bir dizi bulut hizmetiyle tümleştirilir. Aşağıdaki listede, Azure İşlevleri için yaygın (ancak hiçbir şekilde kapsamlı olmayan) senaryolar gösterilmektedir.

Makalenin üst kısmında geliştirme dilinizi seçin.

Dosya yüklemelerini işleme

İşlevleri, blob depolama kapsayıcısında veya dışında dosyaları işlemek için çeşitli yollarla kullanabilirsiniz. Blob kapsayıcısında tetikleme seçenekleri hakkında daha fazla bilgi edinmek için en iyi yöntemler belgelerindeki Bloblarla çalışma bölümüne bakın.

Örneğin, bir perakende çözümünde iş ortağı sistemi ürün kataloğu bilgilerini blob depolamaya dosya olarak gönderebilir. Dosyaları yüklerken ana sisteme doğrulamak, dönüştürmek ve işlemek için blob tetiklemeli bir işlev kullanabilirsiniz.

Aşağıdaki öğreticilerde blob kapsayıcısında dosyaları işlemek için Azure Blob tetikleyicisi (Azure Event Grid tabanlı) kullanılır:

Örneğin Blob tetikleyicisini blob kapsayıcılarında bir olay aboneliğiyle kullanabilirsiniz:

[FunctionName("ProcessCatalogData")]
public static async Task Run([BlobTrigger("catalog-uploads/{name}", Source = BlobTriggerSource.EventGrid, Connection = "<NAMED_STORAGE_CONNECTION>")] Stream myCatalogData, string name, ILogger log)
{
    log.LogInformation($"C# Blob trigger function Processed blob\n Name:{name} \n Size: {myCatalogData.Length} Bytes");

    using (var reader = new StreamReader(myCatalogData))
    {
        var catalogEntry = await reader.ReadLineAsync();
        while(catalogEntry !=null)
        {
            // Process the catalog entry
            // ...

            catalogEntry = await reader.ReadLineAsync();
        }
    }
}

Gerçek zamanlı akış ve olay işleme

Bulut uygulamaları, IoT cihazları ve ağ cihazları büyük miktarda müşteri verileri oluşturur ve toplar. Azure İşlevleri bu verileri sıcak yol olarak neredeyse gerçek zamanlı olarak işleyebilir, ardından analiz panosunda kullanılmak üzere Azure Cosmos DB içinde depolayabilir.

İşlevleriniz ayrıca Event Grid gibi düşük gecikme süreli olay tetikleyicilerini ve SignalR gibi gerçek zamanlı çıkışları kullanarak verileri neredeyse gerçek zamanlı olarak işleyebilir.

Örneğin, olay hub'ından veri okumak için olay hub tetikleyicisini ve olayları parçalayarak ve dönüştürerek bir olay hub'ına veri yazmak için çıkış bağlayıcısını kullanabilirsiniz.

[FunctionName("ProcessorFunction")]
public static async Task Run(
    [EventHubTrigger(
        "%Input_EH_Name%",
        Connection = "InputEventHubConnectionSetting",
        ConsumerGroup = "%Input_EH_ConsumerGroup%")] EventData[] inputMessages,
    [EventHub(
        "%Output_EH_Name%",
        Connection = "OutputEventHubConnectionSetting")] IAsyncCollector<SensorDataRecord> outputMessages,
    PartitionContext partitionContext,
    ILogger log)
{
    var debatcher = new Debatcher(log);
    var debatchedMessages = await debatcher.Debatch(inputMessages, partitionContext.PartitionId);

    var xformer = new Transformer(log);
    await xformer.Transform(debatchedMessages, partitionContext.PartitionId, outputMessages);
}

Azure Event Hubs tetikleyicisi Azure İşlevleri için
Azure İşlevleri için Apache Kafka tetikleyicisi

Azure Event Hubs tetikleyicisi Azure İşlevleri için
Azure İşlevleri için Apache Kafka tetikleyicisi

Azure Event Hubs tetikleyicisi Azure İşlevleri için
Azure İşlevleri için Apache Kafka tetikleyicisi

Örnek: Azure İşlevleri Kafka tetikleyicisi
Azure Event Hubs tetikleyicisi Azure İşlevleri için
Azure İşlevleri için Apache Kafka tetikleyicisi

Yapay zeka destekli uygulamalar oluşturun

Azure İşlevleri'ı kullanarak veri ve API'leri yapay zeka istemcilerine erişilebilir hale getirin ve olay odaklı uygulamalara yapay zeka mantık ekleyebilirsiniz.

Verilerinizi ve API'lerinizi yapay zekaya açık hale getirin

Yapay zeka müşterileri ve ajanları, iş verilerine, API'lere ve uygulama mantığına kontrollü erişim sağlayan araçlara ihtiyaç duyar. Azure İşlevleri'ı kullanarak bu yetenekleri araç olarak ortaya koyan uzak Model Context Protocol (MCP) sunucuları oluşturabilir ve barındırabilirsiniz. Functions, MCP sunucunuz için yönetilen barındırma, kimlik doğrulama, ağ, izleme ve ölçeklendirme sağlar.

Örneğin, ürün envanterini, müşteri hesap verilerini veya mevcut bir iş API'sini, bir yapay zeka müşterisinin bulup arayabileceği araçlar olarak ortaya çıkarabilirsiniz.

Quickstart: Azure İşlevleri
Hızlı başlangıç: Azure İşlevleri kullanarak MCP uygulamaları oluşturma
Hızlı Başlangıç: Azure İşlevleri üzerinde MCP SDK'ları ile oluşturulmuş konak sunucuları barındırma
Öğretici: Azure İşlevleri üzerinde bir MCP sunucusu barındırma
Referans: MCP binding for Azure İşlevleri
Azure İşlevleri

İş etkinliklerine yapay zeka gerekçesi ekleyin

Bazı iş olayları, uygulamanızın bundan sonra ne yapacağına karar verebilmesi için mantık yürütmeyi gerektirir. Azure İşlevleri barındırılan beceriler, Markdown'da yapay zeka destekli çalışmayı tanımlamanızı ve programlardan, HTTP isteklerinden, kuyruk mesajlarından, depolama değişikliklerinden ve diğer olaylardan başlatmanıza olanak tanır. Barındırılan beceri, bir sonuç döndürmeden veya bir işlem gerçekleştirmeden önce araçları ve hizmetleri çağırabilir.

Örneğin, barındırılan bir yetenek gelen şikayeti sınıflandırabilir ve uygun kuyruda yönlendirebilir. Daha karmaşık işler için dinamik bir iş akışı, görevleri paralel olarak çalıştıran, harici koşulların gerçekleşmesini bekleyen ve çalışanlar yeniden başlatıldıktan sonra devam eden dayanıklı, çok adımlı bir plan oluşturabilir.

Zamanlanmış görevleri çalıştırma

İşlevler, kodunuzu tanımladığınız bir cron zamanlamasına göre çalıştırmanıza olanak tanır.

Daha fazla bilgi edinmek için bkz. Azure portalında zamanlamaya göre çalışan bir işlev oluşturma.

Örneğin, aynı müşteriyle birden çok iletişimin oluşmasını önlemek için her 15 dakikada bir yinelenen girişler için bir finansal hizmetler müşteri veritabanını analiz edebilirsiniz.