Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Es stehen mehrere Dienste für Echtzeitanalysen und Streamingverarbeitung in Azure zur Verfügung. Dieser Artikel enthält die Informationen, die Sie benötigen, um zu entscheiden, welche Technologie für Ihre Anwendung am besten geeignet ist.
Wann Azure Stream Analytics verwendet werden soll
Azure Stream Analytics ist der empfohlene Dienst für Streamanalysen in Azure. Sie können es für eine Vielzahl von Szenarien verwenden, die folgendes umfassen, aber nicht auf Folgendes beschränkt sind:
- Dashboards für die Datenvisualisierung
- Echtzeitwarnungen aus zeitlichen und räumlichen Mustern oder Anomalien
- Extrahieren, Transformieren, Laden (ETL)
- Muster „Ereignissourcing“
- IoT Edge
Das Hinzufügen eines Azure Stream Analytics-Auftrags zu Ihrer Anwendung ist die schnellste Möglichkeit, Streaminganalysen in Azure unter Verwendung der bereits bekannten SQL-Sprache in Betrieb zu nehmen. Azure Stream Analytics ist ein Jobdienst, sodass Sie keine Zeit mit der Verwaltung von Clustern verbringen müssen, und Sie müssen sich keine Gedanken über Ausfallzeiten mit einer Vereinbarung über 99,9% Service Level Agreement (SLA) auf Auftragsebene machen. Die Abrechnung erfolgt auch auf Auftragsebene, wodurch Startkosten niedrig sind (eine Streamingeinheit), aber skalierbar (bis zu 396 Streaming Units). Es ist viel kostengünstiger, einige Stream Analytics-Aufträge auszuführen, als ein Cluster auszuführen und zu verwalten.
Azure Stream Analytics bietet eine umfassende Out-of-the-Box-Erfahrung. Sie können sofort die folgenden Features ohne zusätzliche Einrichtung nutzen:
- Integrierte temporale Operatoren, z. B. Aggregate im Fenstermodus, temporale Verknüpfungen und temporale Analysefunktionen
- Native Azure-Eingabe- und Ausgabeadapter
- Unterstützung für langsam ändernde Referenzdaten (auch als Nachschlagetabellen bezeichnet), einschließlich der Verknüpfung mit geografischen Referenzdaten für Geofencing.
- Integrierte Lösungen wie Anomalieerkennung
- Mehrere Zeitfenster in derselben Abfrage
- Möglichkeit zum Verfassen mehrerer zeitlicher Operatoren in beliebigen Sequenzen.
- End-to-End-Latenz unter 100 ms von der Eingabe in Event Hubs bis zur Ausgabe in Event Hubs, einschließlich der Netzwerkverzögerung von und zu Event Hubs bei dauerhaft hohem Durchsatz
Wann andere Technologien verwendet werden sollen
Sie möchten UDFs, UDAs und benutzerdefinierte Deserializer in einer anderen Sprache als JavaScript oder C schreiben.#
Azure Stream Analytics unterstützt benutzerdefinierte Funktionen (UDF) oder benutzerdefinierte Aggregate (UDA) in JavaScript für Cloudaufträge und C# für IoT Edge-Aufträge. Benutzerdefinierte C#-Deserialisierer werden ebenfalls unterstützt. Wenn Sie einen Deserialisierer, eine UDF oder eine UDA in anderen Sprachen wie Java oder Python implementieren möchten, können Sie Spark Structured Streaming verwenden. Sie können den Event Hubs EventProcessorHost auch auf Ihren eigenen virtuellen Computern ausführen, um eine beliebige Streamingverarbeitung durchzuführen.
Ihre Lösung befindet sich in einer Mehrcloud- oder lokalen Umgebung
Azure Stream Analytics ist die proprietäre Technologie von Microsoft und ist nur in Azure verfügbar. Wenn Ihre Lösung in Clouds oder lokal portierbar sein muss, sollten Sie Open-Source-Technologien wie Spark Structured Streaming oder Apache Flink in Betracht ziehen.