編輯

共用方式為


使用 Azure 服務匯流排和 Azure 資料總管即時分析資料

Azure 服務匯流排
Azure 資料總管
Azure App Service
Azure SQL Database
Azure Cosmos DB

解決方案構想

本文說明解決方案概念。 您的雲端架構師可以使用本指南,協助視覺化此架構的一般實作的主要元件。 以本文為起點,設計符合您工作負載具體要求的完善解決方案。

本文說明如何使用 Azure 資料總管和 Azure 服務匯流排,透過近乎即時的分析來增強現有的訊息代理程序架構。 其適用於 IT 系統管理員、雲端架構設計人員,以及作業和監視小組。

架構

此圖顯示實作近乎即時分析的架構。

下載此架構的 Visio 檔案

Grafana 標誌是 Raintank, Inc., dba Grafana Labs 的商標。 使用此標記時不會隱含任何背書。

此圖顯示兩個數據路徑。 主要路徑是以實線和方塊 1 到 5 表示,是從各種來源擷取數據到服務總線,其中由串流分析作業處理,並儲存在 SQL 資料庫中。 第二個路徑,以虛線和方塊表示,會顯示從服務總線流向 Azure 數據總管叢集的數據,您可以在其中透過 Kusto 查詢語言 (KQL) 查詢和分析數據。

服務匯流排 可用來實作交易式應用程式的佇列型負載撫平模式。

Azure 數據總管可用來近乎即時地執行分析,並透過 API 或直接查詢來公開數據,例如 Power BI、Azure Managed Grafana 或 Azure 數據總管儀錶板。

資料流程

架構中的數據源是現有的在線事務處理 (OLTP) 應用程式。 服務匯流排 可用來以異步方式相應放大應用程式。

  1. 裝載於 Azure App 服務的 OLTP 應用程式會將資料傳送至 服務匯流排。

  2. 從 服務匯流排 向兩個方向的數據流:

    1. 在現有的 OLTP 應用程式流程中,它會觸發函式應用程式,將數據儲存在 Azure SQL 資料庫、Azure Cosmos DB 或類似的操作資料庫。

    2. 在近乎即時的分析流程中,它會觸發協調流程。

  3. 協調流程會將數據傳送至 Azure 數據總管,以進行近乎即時的分析。 流程可以使用下列其中一項:

    • 函式應用程式,使用SDK以微批次傳送數據,或使用 Azure 數據總管針對串流擷取設定時 所提供的受控串流擷取支援。
    • 輪詢服務,例如裝載在 Azure Kubernetes Service (AKS) 或 Azure VM 上的應用程式,以微批次將數據傳送至 Azure 數據總管。 此選項不需要設定 Azure 數據總管串流擷取。
  4. Azure 資料總管會使用 架構對應更新原則來處理數據,並透過 API、SDK 或連接器提供資料以供互動式分析或報告使用。 或者,Azure 數據總管也可以從其他數據源內嵌或參考數據,例如 SQL 資料庫 或 Azure Data Lake Storage。

  5. Azure 數據總管儀錶板、Power BI 和 Azure 受控 Grafana 等應用程式、自定義服務或報告服務,可以近乎即時地查詢 Azure 數據總管中的數據。

元件

  • App Service 可讓您以您選擇的程式設計語言來建置及裝載 Web 應用程式、行動後端和 RESTful API,而不需要管理基礎結構。
  • 服務匯流排 提供可靠的雲端傳訊即服務。
  • SQL 資料庫 是專為雲端建置的完全受控 SQL 資料庫。 它提供自動更新、布建、調整和備份。
  • Azure Cosmos DB 是全域散發的多模型資料庫,適用於任何規模的應用程式。
  • Azure Functions 是事件驅動的無伺服器計算平台。 透過 Functions,您可以在雲端大規模部署及運作,並使用觸發程式和系結來整合服務。
  • AKS 是高可用性、高度安全且完全受控的 Kubernetes 服務,適用於應用程式和微服務工作負載。
  • Azure 資料總 管是快速、完全受控且高度可調整的數據分析服務,可即時分析從應用程式、網站、IoT 裝置等串流而來的大量數據。
  • Data Lake Storage 建置在 Azure Blob 儲存體 上,可提供可大幅調整的 Data Lake 功能。
  • Power BI 可協助您將數據轉換成連貫、可視化的沉浸式互動式深入解析。
  • Azure 受控 Grafana 是完全受控的服務,可讓您部署 Grafana ,而不需要花時間進行設定。

案例詳細資料

即時分析是在產生數據以取得系統目前狀態的深入解析時立即分析數據的程式。 組織越來越採用即時分析,以取得競爭優勢。 近乎即時分析是即時分析的變體,可在產生數據幾秒或幾分鐘內提供深入解析。

這些程式可讓組織更快取得見解、做出更好的決策,並更有效率地回應變更的條件。 近乎即時的分析可以套用至各種領域,例如電子商務、醫療保健、製造和金融。 例如,電子商務公司可以使用近乎即時的分析來監視客戶行為、優化定價和個人化建議。

許多組織在現有解決方案中實作近乎即時的分析。 此解決方案概念示範如何將近乎即時的分析新增至以訊息代理程序為基礎的現有架構,以及屬於操作 OLTP 應用程式的一部分。

OLTP 代表在線事務處理。 這是一種數據處理類型,可管理交易導向的應用程式,通常是在實時環境中進行數據輸入和擷取交易。 OLTP 系統的設計目的是處理自然界經常財務的小型快速交易,例如銀行交易或信用卡購買。

潛在使用案例

以下是一些使用案例,說明近乎即時分析的優點:

  • 醫療保健提供者可以追蹤患者結果、偵測異常狀況,以及改善護理品質。
  • 製造公司可以優化生產、減少浪費,並防止停機。
  • 金融機構可以監視交易、偵測詐騙、管理風險,並確保遵守法規。
  • 商務公司可以監視營銷活動,並取得支援促銷的見解。
  • 公司可以監視、優化、分析和預測供應鏈。

參與者

本文由 Microsoft 維護。 原始投稿人如下。

主要作者:

其他投稿人:

若要查看非公開的 LinkedIn 設定檔,請登入 LinkedIn。

下一步