你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

快速入门：使用 Azure PowerShell 创建流分析作业

项目
06/08/2023

Azure PowerShell 模块用于通过 PowerShell cmdlet 或脚本创建和管理 Azure 资源。本快速入门显示如何使用 Azure PowerShell 模块来部署并运行 Azure 流分析作业。

示例作业从 IoT 中心设备中读取流式处理数据。输入数据由 Raspberry Pi 联机模拟器生成。流分析作业使用流分析查询语言对数据进行转换，以便筛选所涉及的温度大于 27° 的消息。然后，作业将生成的输出事件写入到 Blob 存储的一个文件中。

开始之前

如果没有 Azure 订阅，请创建一个免费帐户。
本快速入门需要 Azure PowerShell 模块。运行 Get-Module -ListAvailable Az 即可找到在本地计算机上安装的版本。如果需要进行安装或升级，请参阅安装 Azure PowerShell 模块。
某些 IoT 中心操作不受 Azure PowerShell 支持，必须使用 Azure CLI 2.0.70（或更高版本）和 Azure CLI 的 IoT 扩展来完成它们。安装 Azure CLI，并使用 az extension add --name azure-iot 来安装 IoT 扩展。

使用 Connect-AzAccount 命令登录到 Azure 订阅，然后在弹出的浏览器中输入 Azure 凭据：

# Connect to your Azure account
Connect-AzAccount

如果有多个订阅，请运行以下 cmdlet，选择要用于本快速入门的订阅。请确保将 <your subscription name> 替换为订阅的名称：

# List all available subscriptions.
Get-AzSubscription

# Select the Azure subscription you want to use to create the resource group and resources.
Get-AzSubscription -SubscriptionName "<your subscription name>" | Select-AzSubscription

创建资源组

使用 New-AzResourceGroup 创建 Azure 资源组。资源组是在其中部署和管理 Azure 资源的逻辑容器。

$resourceGroup = "StreamAnalyticsRG"
$location = "WestUS2"
New-AzResourceGroup `
    -Name $resourceGroup `
    -Location $location

对输入数据进行准备

在定义流分析作业之前，请对已配置为作业输入的数据进行准备。

以下 Azure CLI 代码块有多个命令来准备作业所需的输入数据。查看以下部分来了解代码。

在 PowerShell 窗口中运行 az login 命令，以便登录到 Azure 帐户。

当你成功登录后，Azure CLI 会返回订阅的列表。复制用于本快速入门的订阅，然后运行 az account set 命令以选择该订阅。选择在上一部分使用 PowerShell 选择的订阅。确保将 <your subscription name> 替换为订阅的名称。
```
az login

az account set --subscription "<your subscription>"
```
使用 az iot hub create 命令创建 IoT 中心。此示例创建名为 MyASAIoTHub 的 IoT 中心。由于 IoT 中心名称是唯一的，因此需使用你自己的 IoT 中心名称。将 SKU 设置为 F1 即可使用免费层，前提是它在订阅中可用。否则，请选择下一个最低的层。
```
az iot hub create --name "MyASAIoTHub" --resource-group $resourceGroup --sku S1
```
创建 IoT 中心以后，请使用 az iot hub connection-string show 命令获取 IoT 中心连接字符串。复制整个连接字符串并进行保存。在将 IoT 中心作为输入添加到流分析作业时，需要使用它。
```
az iot hub connection-string show --resource-group $resourceGroup --hub-name "MyASAIoTHub"
```
使用 az iot hub device-identity create 命令将设备添加到 IoT 中心。此示例创建名为 MyASAIoTDevice 的设备。
```
az iot hub device-identity create --resource-group $resourceGroup --hub-name "MyASAIoTHub" --device-id "MyASAIoTDevice"
```

使用 az iot hub device-identity connection-string show 命令获取设备连接字符串。复制整个连接字符串并将其保存。这样，在创建 Raspberry Pi 模拟器时，就可以使用该字符串。

az iot hub device-identity connection-string show --resource-group $resourceGroup --hub-name "MyASAIoTHub" --device-id "MyASAIoTDevice" --output table

输出示例：

HostName=MyASAIoTHub.azure-devices.net;DeviceId=MyASAIoTDevice;SharedAccessKey=a2mnUsg52+NIgYudxYYUNXI67r0JmNubmfVafojG8=

创建 Blob 存储

以下 Azure PowerShell 代码块使用命令来创建用于作业输出的 Blob 存储。查看介绍代码的部分。

使用 New-AzStorageAccount cmdlet 创建标准的常规用途存储帐户。本示例创建一个名为 myasaquickstartstorage 的存储帐户，该帐户默认启用本地冗余存储 (LRS) 和 Blob 加密。
检索存储帐户上下文 $storageAccount.Context，该上下文定义要使用的存储帐户。使用存储帐户时，请引用上下文而不是重复提供凭据。
使用 New-AzStorageContainer 创建存储容器。

复制代码所输出的存储密钥，然后保存该密钥，以便稍后创建流式处理作业的输出。

$storageAccountName = "myasaquickstartstorage"
$storageAccount = New-AzStorageAccount `
  -ResourceGroupName $resourceGroup `
  -Name $storageAccountName `
  -Location $location `
  -SkuName Standard_LRS `
  -Kind Storage

$ctx = $storageAccount.Context
$containerName = "container1"

New-AzStorageContainer `
  -Name $containerName `
  -Context $ctx

$storageAccountKey = (Get-AzStorageAccountKey `
  -ResourceGroupName $resourceGroup `
  -Name $storageAccountName).Value[0]

Write-Host "The <storage account key> placeholder needs to be replaced in your output json files with this key value:"
Write-Host $storageAccountKey -ForegroundColor Cyan

创建流分析作业

请使用 New-AzStreamAnalyticsJob cmdlet 创建流分析作业。此 cmdlet 使用作业名称、资源组名称、位置和 SKU 名称作为参数。作业名称可以是用于标识作业的任何友好名称，但只能包含字母数字字符、连字符和下划线，且其长度必须介于 3 到 63 个字符之间。

运行 New-AzStreamAnalyticsJob cmdlet。

$jobName = "MyStreamingJob"
New-AzStreamAnalyticsJob `
  -ResourceGroupName $resourceGroup `
  -Name $jobName `
  -Location centralus `
  -SkuName Standard

配置作业输入

使用 New-AzStreamAnalyticsInput cmdlet 将输入添加到作业。此 cmdlet 使用作业名称、作业输入名称、资源组名称和作业输入定义作为参数。作业输入定义是一个 JSON 文件，其中包含配置作业的输入所需的属性。在此示例中，需将 Blob 存储创建为输入。

在本地计算机上创建名为 JobInputDefinition.json 的文件，并向其添加以下 JSON 数据。

重要

将 accesspolicykey 替换为在上一部分保存的 IoT 中心设备连接字符串的 SharedAccessKey 部分。
如果为 IoT 中心使用了其他名称，请更新 iotHubNamespace 的值。

{
    "properties": {
        "type": "Stream",
        "datasource": {
            "type": "Microsoft.Devices/IotHubs",
            "properties": {
                "iotHubNamespace": "MyASAIoTHub",
                "sharedAccessPolicyName": "iothubowner",
                "sharedAccessPolicyKey": "accesspolicykey",
                "endpoint": "messages/events",
                "consumerGroupName": "$Default"
                }
        },
        "compression": {
            "type": "None"
        },
        "serialization": {
            "type": "Json",
            "properties": {
                "encoding": "UTF8"
            }
        }
    },
    "name": "IoTHubInput",
    "type": "Microsoft.StreamAnalytics/streamingjobs/inputs"
}

将 $jobInputDefinitionFile PowerShell 变量设置为存储作业输入定义 JSON 文件的路径。

$jobInputDefinitionFile = "C:\JobInputDefinition.json"

接下来，运行 New-AzStreamAnalyticsInput cmdlet，为流分析作业创建 Azure IoT 中心输入。

$jobInputName = "IoTHubInput"
New-AzStreamAnalyticsInput `
  -ResourceGroupName $resourceGroup `
  -JobName $jobName `
  -File $jobInputDefinitionFile `
  -Name $jobInputName

配置作业输出

使用 New-AzStreamAnalyticsOutput cmdlet 将输出添加到作业。此 cmdlet 使用作业名称、作业输出名称、资源组名称和作业输出定义作为参数。作业输出定义是一个 JSON 文件，其中包含配置作业的输出所需的属性。此示例使用 Blob 存储作为输出。

在本地计算机上创建名为 JobOutputDefinition.json 的文件，并向其添加以下 JSON 数据。

重要

将 accountKey 的值替换为存储帐户的访问密钥，该密钥是存储在 $storageAccountKey 值中的值。

{
    "properties": {
        "datasource": {
            "type": "Microsoft.Storage/Blob",
            "properties": {
                "storageAccounts": [
                    {
                      "accountName": "asaquickstartstorage",
                      "accountKey": "<storage account key>"
                    }
                ],
                "container": "container1",
                "pathPattern": "output/",
                "dateFormat": "yyyy/MM/dd",
                "timeFormat": "HH"
            }
        },
        "serialization": {
            "type": "Json",
            "properties": {
                "encoding": "UTF8",
                "format": "LineSeparated"
            }
        }
    },
    "name": "BlobOutput",
    "type": "Microsoft.StreamAnalytics/streamingjobs/outputs"
}

将 $jobOutputDefinitionFile PowerShell 变量设置为存储作业输出定义 JSON 文件的路径。

$jobOutputDefinitionFile = "C:\JobOutputDefinition.json"

接下来，运行 New-AzStreamAnalyticsOutput cmdlet，为流分析作业创建 Azure Blob 存储输出。

$jobOutputName = "BlobOutput"

New-AzStreamAnalyticsOutput `
  -ResourceGroupName $resourceGroup `
  -JobName $jobName `
  -File $jobOutputDefinitionFile `
  -Name $jobOutputName

定义转换查询

使用 New-AzStreamAnalyticsTransformation cmdlet 将转换添加到作业。此 cmdlet 使用作业名称、作业转换名称、资源组名称和作业转换定义作为参数。在本地计算机上创建名为 JobTransformationDefinition.json 的文件，并向其添加以下 JSON 数据。此 JSON 文件包含一个查询参数，用于定义转换查询：

{
    "name":"MyTransformation",
    "type":"Microsoft.StreamAnalytics/streamingjobs/transformations",
    "properties":{
        "streamingUnits":1,
        "script":null,
        "query":"SELECT * INTO BlobOutput FROM IoTHubInput WHERE Temperature > 27"
    }
}

接下来运行 New-AzStreamAnalyticsTransformation cmdlet。

$jobTransformationName = "MyJobTransformation"
$jobTransformationDefinitionFile = "C:\JobTransformationDefinition.json"
New-AzStreamAnalyticsTransformation `
    -ResourceGroupName $resourceGroup `
    -JobName $jobName `
    -Query "SELECT * INTO BlobOutput FROM IoTHubInput WHERE Temperature > 27" `
    -StreamingUnit 1 `
    -Name $jobTransformationName

运行 IoT 模拟器

打开 Raspberry Pi Azure IoT 联机模拟器。
将第 15 行的占位符替换为在上一部分保存的整个 Azure IoT 中心设备连接字符串。
单击 “运行” 。输出会显示传感器数据和发送到 IoT 中心的消息。

启动流分析作业并检查输出

请使用 Start-AzStreamAnalyticsJob cmdlet 启动作业。此 cmdlet 使用作业名称、资源组名称、输出启动模式和启动时间作为参数。 OutputStartMode 接受的值为 JobStartTime、CustomTime 或 LastOutputEventTime。若要详细了解每个值是指什么，请参阅 PowerShell 文档中的参数部分。

以下 cmdlet 在运行以后会返回 True 作为输出（如果作业启动）。在存储容器中，创建的输出文件夹包含已转换的数据。

Start-AzStreamAnalyticsJob `
  -ResourceGroupName $resourceGroup `
  -Name $jobName `
  -OutputStartMode 'JobStartTime'

清理资源

若不再需要资源组、流式处理作业以及所有相关资源，请将其删除。删除作业可避免对作业使用的流单元进行计费。如果计划在将来使用该作业，可以跳过删除它的操作，暂时只需停止该作业。如果不打算继续使用该作业，请运行以下 cmdlet，删除本快速入门创建的所有资源：

Remove-AzResourceGroup `
  -Name $resourceGroup

后续步骤

在本快速入门中，你使用 PowerShell 部署了一个简单的流分析作业。也可通过 Azure 门户和 Visual Studio 部署流分析作业。

若要了解如何配置其他输入源并执行实时检测，请继续阅读以下文章：

使用 Azure 流分析实时检测欺诈行为

通过

快速入门：使用 Azure PowerShell 创建流分析作业

开始之前

创建资源组

对输入数据进行准备

创建 Blob 存储

创建流分析作业

配置作业输入

配置作业输出

定义转换查询

运行 IoT 模拟器

启动流分析作业并检查输出

清理资源

后续步骤

反馈

其他资源

通过

快速入门：使用 Azure PowerShell 创建流分析作业

开始之前

登录 Azure

创建资源组

对输入数据进行准备

创建 Blob 存储

创建流分析作业

配置作业输入

配置作业输出

定义转换查询

运行 IoT 模拟器

启动流分析作业并检查输出

清理资源

后续步骤

反馈

其他资源