Aracılığıyla paylaş

Azure İşlevleri senaryoları

  • Makale

Genellikle bir dizi kritik olaya tepki vermek için sistemler oluştururuz. Web API'si oluştururken, veritabanı değişikliklerine yanıt verirken, olay akışlarını veya iletilerini işlerken Azure İşlevleri bunları uygulamak için kullanılabilir.

Çoğu durumda işlev , zengin özelliklere sahip uygulamalar sağlamak için bir dizi bulut hizmetiyle tümleştirilir. Aşağıdakiler, Azure İşlevleri için yaygın (ancak hiçbir şekilde kapsamlı olmayan) bir senaryo kümesidir.

Makalenin üst kısmında geliştirme dilinizi seçin.

Dosya yüklemelerini işleme

Blob depolama kapsayıcısı içinde veya dışında dosyaları işlemek için işlevleri kullanmanın birkaç yolu vardır. 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. Karşıya yüklenen dosyaları doğrulamak, dönüştürmek ve ana sisteme işlemek için blob ile tetiklenen bir işlev kullanabilirsiniz.

Azure İşlevleri kullanarak dosya yükleme işleminin diyagramı.

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

Örneğin blob kapsayıcılarında bir olay aboneliğiyle blob tetikleyicisini kullanma:

[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 uygulamalarından, IoT cihazlarından ve ağ cihazlarından çok fazla telemetri oluşturulur ve toplanır. Azure İşlevleri bu verileri sık erişimli yol olarak neredeyse gerçek zamanlı olarak işleyebilir ve ardından Analiz panosunda kullanılmak üzere Azure Cosmos DB.

İşlevleriniz verileri neredeyse gerçek zamanlı olarak işlemek için Event Grid gibi düşük gecikme süreli olay tetikleyicilerini ve SignalR gibi gerçek zamanlı çıkışları da kullanabilir.

Azure İşlevleri kullanan gerçek zamanlı akış işleminin diyagramı.

Örneğin, olay hub'larını kullanarak bir olay hub'ından okumak için olay hub'ları tetikleyicisini ve olayları kaldırdıktan ve dönüştürdükten sonra bir olay hub'ına yazmak için çıkış bağlamasını kullanarak:

[FunctionName("ProcessorFunction")]
public static async Task Run(
    [EventHubTrigger(
        "%Input_EH_Name%",
        Connection = "InputEventHubConnectionString",
        ConsumerGroup = "%Input_EH_ConsumerGroup%")] EventData[] inputMessages,
    [EventHub(
        "%Output_EH_Name%",
        Connection = "OutputEventHubConnectionString")] 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);
}

Makine öğrenimi ve AI

Azure İşlevleri, veri işlemenin yanı sıra modellerin çıkarımlarını yapmak için de kullanılabilir. Azure OpenAI bağlama uzantısı, Azure OpenAI hizmetinin özelliklerini ve davranışlarını işlev kodu yürütmelerinizle kolayca tümleştirmenizi sağlar.

İşlevler, metin ve sohbet tamamlamalarını etkinleştirmek, yardımcıları kullanmak ve eklemeler ile anlamsal aramadan yararlanmak için OpenAI kaynaklarına bağlanabilir.

Bir işlev, bir görüntü akışını işlemek ve sınıflandırmak için TensorFlow modelini veya Azure AI hizmetlerini de çağırabilir.

Azure İşlevleri kullanarak makine öğrenmesi ve yapay zeka işleminin diyagramı.

Zamanlanmış görevleri çalıştırma

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

Azure portalında zamanlamaya göre çalışan bir işlev oluşturma işlemine göz atın.

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

bir işlevin iş mantığına göre girdileri yinelenenleri kaldırma işleminin her 15 dakikada bir veritabanını temizlediği zamanlanmış görevin diyagramı.

[FunctionName("TimerTriggerCSharp")]
public static void Run([TimerTrigger("0 */15 * * * *")]TimerInfo myTimer, ILogger log)
{
    if (myTimer.IsPastDue)
    {
        log.LogInformation("Timer is running late!");
    }
    log.LogInformation($"C# Timer trigger function executed at: {DateTime.Now}");

    // Perform the database deduplication
}

Ölçeklenebilir web API'si oluşturma

HTTP ile tetiklenen bir işlev bir HTTP uç noktasını tanımlar. Bu uç noktalar, diğer hizmetlere doğrudan veya bağlama uzantıları kullanarak bağlanabilen işlev kodunu çalıştırır. Uç noktaları web tabanlı bir API'de oluşturabilirsiniz.

GitHub web kancaları gibi bir web kancası tümleştirmesi olarak HTTP ile tetiklenen işlev uç noktasını da kullanabilirsiniz. Bu şekilde GitHub olaylarından verileri işleyen işlevler oluşturabilirsiniz. Daha fazla bilgi edinmek için bkz. Azure İşlevleri ile web kancası kullanarak GitHub olaylarını izleme.

Azure İşlevleri kullanarak HTTP isteğini işleme diyagramı.

Örnekler için aşağıdakilere bakın:

[FunctionName("InsertName")]
public static async Task<IActionResult> Run(
    [HttpTrigger(AuthorizationLevel.Function, "post")] HttpRequest req,
    [CosmosDB(
        databaseName: "my-database",
        collectionName: "my-container",
        ConnectionStringSetting = "CosmosDbConnectionString")]IAsyncCollector<dynamic> documentsOut,
    ILogger log)
{
    string requestBody = await new StreamReader(req.Body).ReadToEndAsync();
    dynamic data = JsonConvert.DeserializeObject(requestBody);
    string name = data?.name;

    if (name == null)
    {
        return new BadRequestObjectResult("Please pass a name in the request body json");
    }

    // Add a JSON document to the output container.
    await documentsOut.AddAsync(new
    {
        // create a random ID
        id = System.Guid.NewGuid().ToString(), 
        name = name
    });

    return new OkResult();
}

Sunucusuz iş akışı oluşturma

İşlevler genellikle Logic Apps iş akışı gibi sunucusuz bir iş akışı topolojisindeki işlem bileşenidir. ayrıca Dayanıklı İşlevler uzantısını kullanarak uzun süre çalışan düzenleme oluşturabilirsiniz. Daha fazla bilgi için bkz. Dayanıklı İşlevler genel bakış.

Azure İşlevleri kullanan bir dizi sunucusuz iş akışının birleşimi.

Veritabanı değişikliklerine yanıt verme

Depolanan veriler değiştiğinde günlüğe kaydetmeniz, denetlemeniz veya başka işlemler gerçekleştirmeniz gerekebilecek işlemler vardır. İşlev tetikleyicileri, böyle bir işlemin ilk aşamasında yapılan veri değişikliklerine ilişkin bildirim almak için iyi bir yol sağlar.

Veritabanı değişikliklerine yanıt vermek için kullanılan bir işlevin diyagramı.

Aşağıdaki örnekleri değerlendirin:

Güvenilir ileti sistemleri oluşturma

Gelişmiş olay odaklı mesajlaşma çözümleri oluşturmak için İşlevler'i Azure mesajlaşma hizmetleriyle birlikte kullanabilirsiniz.

Örneğin, bir dizi işlev yürütmesini birbirine zincirlemenin bir yolu olarak Azure Depolama kuyruklarında tetikleyicileri kullanabilirsiniz. Alternatif olarak, çevrimiçi bir sipariş sistemi için service bus kuyruklarını ve tetikleyicilerini de kullanabilirsiniz.

Güvenilir bir ileti sisteminde Azure İşlevleri diyagramı.

Aşağıdaki makalede, bir depolama kuyruğuna çıkış yazma işlemi gösterilmektedir.

Bu makaleler, Azure Service Bus kuyruğundan veya konu başlığından nasıl tetikleyeceğini gösterir.

Sonraki adımlar

Azure İşlevleri kullanmaya başlama