Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Azure Stream Analytics es una plataforma como servicio (PaaS) totalmente administrada para el procesamiento de flujos. En este artículo se describe el modelo de recursos para Stream Analytics mediante la introducción del concepto de un clúster de Stream Analytics, un trabajo y los componentes de un trabajo.
Trabajo de Stream Analytics
Un trabajo de Stream Analytics es la unidad fundamental de Stream Analytics que permite definir y ejecutar la lógica de procesamiento de flujos. Un trabajo consta de 3 componentes principales:
- Entrada
- Salida
- Query
Entrada
Un trabajo puede tener una o varias entradas para leer continuamente los datos. Estos orígenes de datos de entrada de streaming podrían ser azure Event Hubs, Azure IoT Hub o Azure Storage. Stream Analytics también admite la lectura de datos de entrada estáticos o de variación lenta (denominados datos de referencia), que a menudo se usan para enriquecer los datos de streaming. Agregar estas entradas al trabajo es una operación de código cero.
Salida
Un trabajo puede tener una o varias salidas para escribir datos continuamente. Stream Analytics admite 12 receptores de salida diferentes, como Azure SQL Database, Azure Data Lake Storage, Azure Cosmos DB, Power BI y mucho más. Agregar estas salidas al trabajo también es una operación de código cero.
Query
Puede implementar la lógica de procesamiento de flujos escribiendo una consulta SQL en el trabajo. La compatibilidad con lenguaje SQL enriquecido le permite abordar escenarios como analizar JSON complejo, filtrar valores, agregar agregados informáticos, realizar combinaciones e incluso casos de uso más avanzados, como análisis geoespacial y detección de anomalías. También puede ampliar este lenguaje SQL con funciones definidas por el usuario (UDF) de JavaScript y agregados definidos por el usuario (UDA). Stream Analytics también permite ajustar fácilmente los eventos tardíos y fuera de orden a través de configuraciones simples en la configuración de tu trabajo. También puede ejecutar la consulta en función de la hora de llegada del evento de entrada en el origen de entrada o cuando se generó el evento en el origen del evento.
Ejecución de un trabajo
Una vez que haya desarrollado el trabajo mediante la configuración de entradas, salidas y una consulta, puede iniciar el trabajo especificando el número de unidades de streaming. Una vez iniciado el trabajo, entra en un estado En ejecución y permanecerá en ese estado hasta que se detenga explícitamente o se produzca un error irrecuperable. Cuando el trabajo está en estado de ejecución, extrae continuamente datos de los orígenes de entrada, ejecuta la lógica de consulta que genera resultados que se escriben en los receptores de salida con una latencia de milisegundos de un extremo a otro.
Cuando se inicia el trabajo, el servicio Stream Analytics se encarga de compilar la consulta y asigna cierta cantidad de proceso y memoria en función del número de unidades de streaming configuradas en el trabajo. No tiene que preocuparse por ninguna infraestructura subyacente como mantenimiento del clúster, las revisiones de seguridad, ya que la plataforma se encarga automáticamente. Si ejecuta trabajos en la SKU estándar, solo se le cobrarán las unidades de streaming cuando se ejecute el trabajo.
Clúster de Stream Analytics
De forma predeterminada, los trabajos de Stream Analytics se ejecutan en el entorno multiinquilino estándar que forma la SKU estándar. Stream Analytics también proporciona una SKU dedicada, en la que se puede aprovisionar todo un clúster de Stream Analytics que le pertenezca. Al hacerlo, podrá controlar completamente qué trabajos se ejecutan en el clúster. El tamaño mínimo de un clúster de Stream Analytics es de 12 unidades de streaming y se le cobra por toda la capacidad del clúster desde el momento en que se aprovisiona. Puede obtener más información sobre las ventajas de los clústeres de Stream Analytics y cuándo usarlos.
Pasos siguientes
Aprenda a administrar Azure Stream Analytics y otros conceptos: