Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Azure Stream Analytics est une solution PaaS (platform-as-a-service) complètement managée pour le traitement de flux. Cet article décrit le modèle de ressource Stream Analytics en introduisant le concept de cluster, de travail et de composants de travail Stream Analytics.
Travail Stream Analytics
Un travail Stream Analytics est l’unité de base de Stream Analytics, qui vous permet de définir et d’exécuter votre logique de traitement de flux. Un travail comprend 3 composants principaux :
- Entrée
- Sortie
- Requête
Entrée
Un travail peut avoir une ou plusieurs entrées pour lire les données en continu. Ces sources de données d’entrée de streaming peuvent correspondre à un service Azure Event Hubs, Azure IoT Hub ou Stockage Azure. Stream Analytics prend également en charge la lecture des données d’entrée statiques ou à évolution lente (appelées données de référence), qui sont souvent utilisées pour enrichir les données de streaming. L’ajout de ces entrées à votre travail est une opération qui ne nécessite aucune ligne de programmation.
Sortie
Un travail peut avoir une ou plusieurs sorties où écrire les données en continu. Stream Analytics prend en charge 12 récepteurs de sortie différents, notamment Azure SQL Database, Azure Data Lake Storage, Azure Cosmos DB, Power BI, etc. L’ajout de ces sorties à votre travail est également une opération qui ne nécessite aucune ligne de programmation.
Requête
Vous pouvez implémenter votre logique de traitement de flux en écrivant une requête SQL dans votre travail. La vaste prise en charge du langage SQL vous permet de gérer des scénarios tels que l’analyse de contenus JSON complexes, le filtrage de valeurs, le calcul d’agrégats, l’exécution de jointures ainsi que les cas d’usage encore plus avancés tels que l’analytique géospatiale et la détection d’anomalie. Vous pouvez également étendre ce langage SQL avec des fonctions définies par l’utilisateur (UDF) et des agrégats définis par l’utilisateur (UDA) en JavaScript. Stream Analytics vous permet également de gérer facilement les événements tardifs et en désordre via des configurations simples dans les paramètres de votre travail. Vous pouvez également choisir d’exécuter votre requête en fonction de l’heure d’arrivée de l’événement d’entrée au niveau de la source d’entrée, ou du moment où l’événement a été généré au niveau de la source d’événement.
Exécution d’un travail
Une fois que vous avez développé votre travail en configurant les entrées, la sortie et une requête, vous pouvez démarrer le travail en spécifiant le nombre d’unités de streaming. Une fois que le travail a démarré, il passe à l’état En cours d’exécution et le reste jusqu’à ce qu’il soit explicitement arrêté, ou qu’il rencontre une défaillance irrécupérable. Quand le travail est à l’état en cours d’exécution, il extrait en permanence les données de vos sources d’entrée, et exécute la logique de requête produisant les résultats qui sont écrits dans vos récepteurs de sortie avec une latence de bout en bout en millisecondes.
Au démarrage de votre travail, le service Stream Analytics se charge de compiler votre requête et affecte une certaine quantité de calcul et de mémoire en fonction du nombre d’unités de streaming configurées dans le travail. Vous n’avez pas à vous soucier de l’infrastructure sous-jacente, par exemple la maintenance des clusters ou les patchs de sécurité, car elle est automatiquement prise en charge par la plateforme. Quand vous exécutez des travaux dans la référence SKU Standard, les unités de streaming vous sont facturées uniquement au moment de l’exécution du travail.
Cluster Stream Analytics
Par défaut, les travaux Stream Analytics s’exécutent dans l’environnement multilocataire Standard qui forme la référence SKU Standard. Stream Analytics fournit également une référence SKU dédiée où vous pouvez provisionner l’intégralité d’un cluster Stream Analytics qui vous appartient. Cela vous donne un contrôle total sur les travaux exécutés dans votre cluster. La taille minimale d’un cluster Stream Analytics est de 12 unités de streaming. Vous êtes facturé pour la totalité de la capacité du cluster à partir du moment où il est approvisionné. Découvrez les avantages des clusters Stream Analytics et quand les utiliser.
Étapes suivantes
Découvrez comment gérer Azure Stream Analytics et d’autres concepts :