Compartilhar via

Início Rápido: criar um trabalho do Stream Analytics usando o Microsoft Visual Studio Code

  • Artigo

Neste início rápido, você cria, executa e envia um trabalho do ASA (Azure Stream Analytics) usando a extensão Ferramentas do ASA para Visual Studio Code em sua máquina local. Aprenda a criar um trabalho do ASA que lê dados de streaming do Hub IoT em tempo real e filtra eventos com temperatura superior a 27°. Os resultados de saída são enviados para um arquivo no armazenamento de blobs. Os dados de entrada usados neste início rápido são gerados por um simulador online do Raspberry Pi.

Observação

As ferramentas do Visual Studio Code não oferecem suporte a trabalhos nas regiões Leste da China, Norte da China, Alemanha Central e Nordeste da Alemanha.

Pré-requisitos

Instalar a extensão Ferramentas do Azure Stream Analytics

  1. Abra o VS Code (Visual Studio Code).

  2. Em Extensões no painel esquerdo, pesquise por Stream Analytics e selecione Instalar na extensão Ferramentas do Azure Stream Analytics.

    Captura de tela mostrando a página “Extensões” do Visual Studio Code com uma opção para instalar a extensão do Stream Analytics.

  3. Depois de instalado, selecione o ícone do Azure na barra de atividades e entre no Azure.

    Captura de tela mostrando como entrar no Azure.

  4. Depois de entrar, você poderá ver as assinaturas em sua conta do Azure.

Observação

A extensão Ferramentas do ASA conectará você automaticamente sempre que você abrir o VS Code. Caso a sua conta tenha a autenticação de dois fatores, recomendamos o uso da autenticação por telefone em vez do uso de um PIN. Para sair da sua conta do Azure, pressione Ctrl + Shift + P e insira Azure: Sign Out.

Executar o simulador de IoT

  1. Abra o Simulador Online de IoT do Azure do Raspberry Pi.

  2. Substitua o espaço reservado na Linha 15 pela cadeia de conexão do dispositivo do Hub IoT do Azure salva em uma seção anterior.

  3. Selecione Executar. A saída deve exibir os dados de sensor e as mensagens que estão sendo enviadas ao Hub IoT.

    Captura de tela mostrando a página “Raspberry Pi Azure IoT Online Simulator” com a consulta de exemplo.

    Importante

    Selecione Redefinir após alguns minutos para redefinir a cadeia de conexão.

Criar o armazenamento de blobs

  1. No canto superior esquerdo do portal do Azure, selecione Criar um recurso>Armazenamento>Conta de armazenamento.

    Captura de tela mostrando o menu “Criar conta de armazenamento”.

  2. No painel Criar conta de armazenamento, insira um nome para a conta de armazenamento, um local e um grupo de recursos. Escolha a mesma localização e o mesmo grupo de recursos do hub IoT criado. Em seguida, selecione Revisar e Criar para criar a conta de armazenamento.

    Captura de tela mostrando a página “Criar conta de armazenamento”.

  3. Na página Conta de armazenamento, selecione Contêineres no menu esquerdo e clique em + Contêiner na barra de comandos.

    Captura de tela mostrando a página “Contêineres”.

  4. Na página Novo contêiner, forneça um nome para o contêiner, mantenha o Nível de acesso público como Privado (sem acesso anônimo) e clique em OK.

    Captura de tela mostrando a criação de uma página de contêiner de blobs.

Criar um projeto do Stream Analytics

  1. Em Visual Studio Code, pressione Ctrl+Shift+P e insira ASA: criar projeto.

    Captura de tela mostrando a seleção de “ASA: Criar projeto” na paleta de comandos.

  2. Insira o nome do projeto, como myASAproj, e selecione uma pasta para o projeto.

    Captura de tela mostrando a inserção de um nome de projeto do ASA.

  3. Um projeto ASA é adicionado ao seu workspace. Consiste em três pastas: Entradas, Saídas e Funções. Ele também contém o script de consulta (*.asaql) , um arquivo JobConfig.json e um arquivo de configuração asaproj.json.

    Captura de tela mostrando os arquivos de projeto do Stream Analytics no Visual Studio Code.

    O arquivo asaproj.json contém as entradas, saídas e configurações de trabalho para enviar o trabalho do Stream Analytics para o Azure.

    Observação

    Quando você adiciona entradas e saídas por meio da paleta de comandos, os caminhos correspondentes são adicionados a asaproj.json automaticamente. Se você adicionar ou remover entradas ou saídas no disco de maneira direta, será necessário adicioná-las ou removê-las manualmente no asaproj.json. Você pode optar por colocar as entradas e as saídas em um local e, em seguida, referenciá-las em trabalhos diferentes especificando os caminhos em cada arquivo asaproj.json.

Definir a consulta de transformação

  1. Abra o arquivo myASAproj.asaql e adicione a seguinte consulta:

    SELECT *
INTO Output
FROM Input
WHERE Temperature > 27

    Captura de tela mostrando a consulta de transformação.

Configurar entrada de trabalho

  1. Clique com o botão direito do mouse na pasta Entradas do projeto do Stream Analytics. Em seguida, selecione ASA: Adicionar Entrada no menu de contexto.

    Captura de tela mostrando o menu “ASA: Adicionar entrada” no Visual Studio Code.

    Ou pressione Ctrl+Shift+P para abrir a paleta de comandos e insira ASA: adicionar entrada.

  2. Escolha Hub IoT para o tipo de entrada.

    Captura de tela mostrando a seleção do hub IoT na paleta de comandos do VS Code.

  3. Escolha Selecionar assinaturas do Azure no menu suspenso e pressione ENTER.

  4. Insira Entrada para o nome e pressione ENTER.

  5. Na pasta Entradas, você verá que um arquivo IoTHub1.json foi criado.

  6. No arquivo JSON, confirme se a Entrada é o Nome especificado.

  7. No editor JSON para Input.json, escolha Selecionar entre suas assinaturas e, em seguida, selecione sua assinatura do Azure que tem o Hub IoT.

    Captura de tela mostrando o editor JSON com o link Selecionar entre suas assinaturas.

  8. No editor JSON, escolha Selecionar um Hub IoT e selecione o Hub IoT que você criou.

    Captura de tela mostrando o editor JSON com o link Selecionar um Hub IoT.

  9. Por padrão, o SharedAccessPolicyName deve ser definido como iothubowner. Caso contrário, escolha o link Selecionar um Nome da Política de Acesso Compartilhado e selecione iothubowner na lista suspensa.

  10. O valor SharedAccessPolicyKey deve ser definido automaticamente.

  11. Selecione Visualizar dados para ver se os dados de entrada foram configurados com êxito para seu trabalho. Ele buscará uma amostra do Hub IoT e mostrará na janela de visualização.

    Captura de tela mostrando a visualização dos dados de entrada no hub IoT.

Configurar saída de trabalho

  1. Clique com o botão direito do mouse em Saídas no explorer e selecione ASA: Adicionar Saída.
  2. Escolha Data Lake Storage Gen2/Armazenamento de Blobs para o tipo de coletor na lista suspensa.
  3. Escolha Selecionar entre as assinaturas do Azure
  4. Insira Saída para o nome do alias e pressione ENTER. Esse nome de saída é usado para a instrução INTO na consulta.
  5. No editor JSON para Output.json, escolha Selecionar entre suas assinaturas e, em seguida, selecione sua assinatura do Azure que tem a conta de Armazenamento do Microsoft Azure
  6. Se você precisar alterar a conta de armazenamento preenchida automaticamente, escolha Selecionar uma conta de Armazenamento e selecione sua conta de Armazenamento do Microsoft Azure. Os nomes das contas de armazenamento serão detectados automaticamente se eles forem criados na mesma assinatura.
  7. Se você precisar alterar o nome do contêiner, escolha Selecionar um contêiner e selecione o contêiner de blob que você criou.

Captura de tela mostrando a configuração de saída para o trabalho do Stream Analytics.

Compile o script e envie para o Azure

A compilação de script verifica a sintaxe e gera os modelos do Azure Resource Manager para implantação automática.

  1. Clique com o botão direito do mouse no arquivo de script na janela do explorer, aponte para ASA: Compilar Script e selecione ASA: Modelo do ARM V2 (recomendado).

    Captura de tela mostrando a opção de compilação de script no Explorer do Stream Analytics no VS Code.

  2. Após a compilação, você verá uma pasta Implantar em seu projeto com dois modelos do Azure Resource Manager. Esses dois arquivos são usados para implantação automática.

    Captura de tela mostrando os modelos de implantação gerados na pasta do projeto.

  3. Clique em Enviar para o Azure no editor de consultas.

    Captura de tela mostrando o botão Enviar trabalho para enviar o trabalho do Stream Analytics para o Azure.

  4. Na janela Enviar, siga estas etapas:

    1. Selecione sua assinatura do Azure.

    2. Selecione um grupo de recursos do Azure.

    3. Selecione a região na qual você deseja criar o trabalho do Stream Analytics.

    4. Em seguida, selecione enviar.

      Captura de tela mostrando as Opções de envio.

  5. Selecione Publicar no Azure e conclua. Aguarde até uma nova guia Visualização de trabalho na nuvem seja aberta, mostrando o status do seu trabalho.

    Captura de tela mostrando o botão Publicar no Azure no VS Code.

Inicie o trabalho do Stream Analytics e verifique a saída

  1. Na guia Visualização de trabalho na nuvem, selecione Iniciar para executar seu trabalho na nuvem.

    Captura de tela mostrando o botão “Iniciar trabalho” na página “Visualização de nuvem”.

  2. Na janela Iniciar trabalho de streaming, selecione OK. Esse processo pode levar alguns minutos para ser concluído.

  3. Se o trabalho for iniciado com êxito, o status do trabalho será alterado para Em execução. Será possível ver um diagrama lógico mostrando como o trabalho do ASA está em execução.

    Captura de tela mostrando o status do trabalho em execução no VS Code.

  4. Para exibir os resultados de saída, você pode abrir o armazenamento de blobs na extensão do Visual Studio Code ou no portal do Azure.

    Captura de tela mostrando o arquivo de saída no contêiner de blobs.

    Baixe e abra o arquivo para ver a saída.

    {"messageId":11,"deviceId":"Raspberry Pi Web Client","temperature":28.165519323167562,"humidity":76.875393581654379,"EventProcessedUtcTime":"2022-09-01T22:53:58.1015921Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:52:57.6250000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:52:57.6290000Z"}}
{"messageId":14,"deviceId":"Raspberry Pi Web Client","temperature":29.014941877871451,"humidity":64.93477299527828,"EventProcessedUtcTime":"2022-09-01T22:53:58.2421545Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:53:03.6100000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:53:03.6140000Z"}}
{"messageId":17,"deviceId":"Raspberry Pi Web Client","temperature":28.032846241745975,"humidity":66.146114343897338,"EventProcessedUtcTime":"2022-09-01T22:53:58.2421545Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:53:19.5960000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:53:19.5830000Z"}}
{"messageId":18,"deviceId":"Raspberry Pi Web Client","temperature":30.176185593576143,"humidity":72.697359909427419,"EventProcessedUtcTime":"2022-09-01T22:53:58.2421545Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:53:21.6120000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:53:21.6140000Z"}}
{"messageId":20,"deviceId":"Raspberry Pi Web Client","temperature":27.851894248213021,"humidity":71.610229530268214,"EventProcessedUtcTime":"2022-09-01T22:53:58.2421545Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:53:25.6270000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:53:25.6140000Z"}}
{"messageId":21,"deviceId":"Raspberry Pi Web Client","temperature":27.718624694772238,"humidity":66.540445035685153,"EventProcessedUtcTime":"2022-09-01T22:53:58.2421545Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:53:48.0820000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:53:48.0830000Z"}}
{"messageId":22,"deviceId":"Raspberry Pi Web Client","temperature":27.7849054424326,"humidity":74.300662748167085,"EventProcessedUtcTime":"2022-09-01T22:54:09.3393532Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:54:09.2390000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:54:09.2400000Z"}}
{"messageId":28,"deviceId":"Raspberry Pi Web Client","temperature":30.839892925680324,"humidity":76.237611741451786,"EventProcessedUtcTime":"2022-09-01T22:54:47.8053253Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:54:47.6180000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:54:47.6150000Z"}}
{"messageId":29,"deviceId":"Raspberry Pi Web Client","temperature":30.561040300759053,"humidity":78.3845172058103,"EventProcessedUtcTime":"2022-09-01T22:54:49.8070489Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:54:49.6030000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:54:49.5990000Z"}}
{"messageId":31,"deviceId":"Raspberry Pi Web Client","temperature":28.163585438418679,"humidity":60.0511571297096,"EventProcessedUtcTime":"2022-09-01T22:55:25.1528729Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:55:24.9050000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:55:24.9120000Z"}}
{"messageId":32,"deviceId":"Raspberry Pi Web Client","temperature":31.00503387156985,"humidity":78.68821066044552,"EventProcessedUtcTime":"2022-09-01T22:55:43.2652127Z","PartitionId":3,"EventEnqueuedUtcTime":"2022-09-01T22:55:43.0480000Z","IoTHub":{"MessageId":null,"CorrelationId":null,"ConnectionDeviceId":"MyASAIoTDevice","ConnectionDeviceGenerationId":"637976642928634103","EnqueuedTime":"2022-09-01T22:55:43.0520000Z"}}

Limpar os recursos

Quando não forem mais necessários, exclua o grupo de recursos, o trabalho do Stream Analytics e todos os recursos relacionados. A exclusão do trabalho evita a cobrança das unidades de streaming consumidas por ele. Se você está planejando usar o trabalho no futuro, pode interrompê-lo e reiniciar mais tarde, quando necessário. Se você não pretende continuar usando este trabalho, exclua todos os recursos criados por este início rápido seguindo estas etapas:

  1. No menu à esquerda do portal do Azure, selecione Grupos de recursos e, em seguida, o nome do recurso criado.

  2. Na página do grupo de recursos, selecione Excluir. Insira o nome do recurso a ser excluído na caixa de texto e, em seguida, selecione Excluir.

Próximas etapas

Para saber mais sobre a extensão Ferramentas do ASA para Visual Studio Code, continue nos seguintes artigos: