Delen via

Een technologie voor stroomverwerking kiezen in Azure

  • Artikel

In dit artikel worden technologische keuzes vergeleken voor realtime stroomverwerking in Azure.

De verwerking van realtimestreams verbruikt berichten uit wachtrij- of bestandsopslag, verwerkt de berichten en stuurt het resultaat door naar een andere berichtenwachtrij, bestandsopslag of database. Verwerking kan bestaan uit het opvragen, filteren en samenvoegen van berichten. Stroomverwerkingsengines moeten eindeloze gegevensstromen kunnen verbruiken en resultaten met minimale latentie kunnen produceren. Zie Realtime verwerking voor meer informatie.

Wat zijn uw opties bij het kiezen van een technologie voor realtime verwerking?

In Azure voldoen alle volgende gegevensarchieven aan de kernvereisten voor realtime verwerking:

Criteria voor sleutelselectie

Voor realtime verwerkingsscenario's kiest u de juiste service voor uw behoeften door deze vragen te beantwoorden:

  • Geeft u de voorkeur aan een declaratieve of imperatieve benadering voor het ontwerpen van stroomverwerkingslogica?

  • Hebt u ingebouwde ondersteuning nodig voor tijdelijke verwerking of vensters?

  • Komen uw gegevens binnen in indelingen naast Avro, JSON of CSV? Zo ja, overweeg dan opties die ondersteuning bieden voor elke indeling met behulp van aangepaste code.

  • Moet u uw verwerking schalen buiten 1 GBps? Zo ja, overweeg dan de opties die worden geschaald met de clustergrootte.

Mogelijkheidsmatrix

De volgende tabellen bevatten een overzicht van de belangrijkste verschillen in mogelijkheden.

Algemene mogelijkheden

Mogelijkheid Azure Stream Analytics HDInsight met Spark Streaming Apache Spark in Azure Databricks Azure Functions Azure App Service WebJobs
Programmeerbaarheid SQL, JavaScript C#/F#, Java, Python, Scala C#/F#, Java, Python, R, Scala C#, F#, Java, Node.js, Python C#, Java, Node.js, PHP, Python
Programmeerparadigma Declaratief Mengsel van declaratief en imperatief Mengsel van declaratief en imperatief Imperatief ontwikkelen Imperatief ontwikkelen
Prijsmodel Streaming-eenheden Kosten van knooppunten per minuut Databricks-eenheden Uitvoering en resourceverbruik per functie Per App Service-planuur

Integratiemogelijkheden

Mogelijkheid Azure Stream Analytics HDInsight met Spark Streaming Apache Spark in Azure Databricks Azure Functions Azure App Service WebJobs
Invoerwaarden Azure Event Hubs, Azure IoT Hub, Azure Blob storage/Data Lake Storage Gen2 Event Hubs, IoT Hub, Kafka, HDFS, Storage Blobs, Azure Data Lake Store Event Hubs, IoT Hub, Kafka, HDFS, Storage Blobs, Azure Data Lake Store Ondersteunde bindingen Service Bus, Storage Queues, Storage Blobs, Event Hubs, WebHooks, Azure Cosmos DB, Files
Putten Azure Data Lake Storage Gen 1, Azure Data Explorer, Azure Database for PostgreSQL, Azure SQL Database, Azure Synapse Analytics, Blob Storage en Azure Data Lake Gen 2, Azure Event Hubs, Power BI, Azure Table Storage, Azure Service Bus-wachtrijen, Azure Service Bus-onderwerpen, Azure Cosmos DB, Azure Functions HDFS, Kafka, Storage Blobs, Azure Data Lake Store, Azure Cosmos DB HDFS, Kafka, Storage Blobs, Azure Data Lake Store, Azure Cosmos DB Ondersteunde bindingen Service Bus, Storage Queues, Storage Blobs, Event Hubs, WebHooks, Azure Cosmos DB, Files

Verwerkingsmogelijkheden

Mogelijkheid Azure Stream Analytics HDInsight met Spark Streaming Apache Spark in Azure Databricks Azure Functions Azure App Service WebJobs
Ingebouwde ondersteuning voor tijdelijke/vensters Ja Ja Ja No Nr.
Indelingen voor invoergegevens Avro, JSON of CSV, UTF-8 gecodeerd Elke indeling met aangepaste code Elke indeling met aangepaste code Elke indeling met behulp van aangepaste code Elke indeling met aangepaste code
Schaalbaarheid Querypartities Gebonden door clustergrootte Afhankelijk van de schaalconfiguratie van het Databricks-cluster Maximaal 200 exemplaren van de functie-app worden parallel verwerkt Gebonden aan capaciteit van App Service-plan
Ondersteuning voor late aankomst en verwerking van orderevenementen Ja Ja Ja No Nr.

Medewerkers

Dit artikel wordt onderhouden door Microsoft. De tekst is oorspronkelijk geschreven door de volgende Inzenders.

Hoofdauteur:

Volgende stappen