Fonctionnalités d’évaluation Azure Stream AnalyticsAzure Stream Analytics preview features

Cet article résume toutes les fonctionnalités actuellement en préversion pour Azure Stream Analytics.This article summarizes all the features currently in preview for Azure Stream Analytics. L’utilisation de fonctionnalités en préversion dans un environnement de production n’est pas recommandée.Using preview features in a production environment isn't recommended.

Préversions publiquesPublic previews

Les fonctionnalités suivantes sont disponibles en préversion publique.The following features are in public preview. Vous pouvez tirer parti de ces fonctionnalités aujourd’hui, mais ne les utilisez pas dans votre environnement de production.You can take advantage of these features today, but don't use them in your production environment.

S’authentifier auprès de la sortie SQL Database avec des identités managées (préversion)Authenticate to SQL Database output with managed identities (preview)

Azure Stream Analytics prend en charge l’authentification des identités managées pour les récepteurs de sortie Azure SQL Database.Azure Stream Analytics supports Managed Identity authentication for Azure SQL Database output sinks. Les identités managées n’ont pas les limitations des méthodes d’authentification basée sur l’utilisateur, comme la réauthentification obligatoire après un changement de mot de passe.Managed identities eliminate the limitations of user-based authentication methods, like the need to reauthenticate due to password changes.

Scoring haute performance en temps réel avec des modèles ML personnalisés gérés par Azure Machine LearningReal-time high performance scoring with custom ML models managed by Azure Machine Learning

Azure Stream Analytics prend en charge le scoring en temps réel haute performance en tirant parti de modèles Machine Learning préentraînés personnalisés, gérés par Azure Machine Learning et hébergés dans Azure Kubernetes Service (AKS) ou Azure Container Instances (ACI), suivant un flux de travail pour lequel il n’est pas nécessaire d’écrire du code.Azure Stream Analytics supports high-performance, real-time scoring by leveraging custom pre-trained Machine Learning models managed by Azure Machine Learning, and hosted in Azure Kubernetes Service (AKS) or Azure Container Instances (ACI), using a workflow that does not require you to write code. Inscrivez-vous pour accéder à la préversion.Sign up for preview

Désérialiseurs personnalisés C#C# custom de-serializers

Les développeurs peuvent exploiter toute la puissance d’Azure Stream Analytics pour traiter des données Protobuf, XML ou dans un format personnalisé.Developers can leverage the power of Azure Stream Analytics to process data in Protobuf, XML, or any custom format. Il est possible d’implémenter des désérialiseurs personnalisés en C#, qui permettent de désérialiser des événements reçus par Azure Stream Analytics.You can implement custom de-serializers in C#, which can then be used to de-serialize events received by Azure Stream Analytics.

Extensibilité avec du code personnalisé C#Extensibility with C# custom code

Les développeurs qui créent des modules Stream Analytics dans le cloud ou sur IoT Edge peuvent écrire ou réutiliser des fonctions C# personnalisées et les appeler directement dans la requête grâce à des fonctions définies par l’utilisateur.Developers creating Stream Analytics modules in the cloud or on IoT Edge can write or reuse custom C# functions and invoke them directly in the query through user-defined functions.

Déboguer les étapes de requêtes dans Visual StudioDebug query steps in Visual Studio

Vous pouvez afficher un aperçu de l’ensemble de lignes intermédiaire sur un diagramme de données lorsque vous effectuez des tests locaux dans les outils Azure Stream Analytics pour Visual Studio.You can easily preview the intermediate row set on a data diagram when doing local testing in Azure Stream Analytics tools for Visual Studio.

Tests de données actives dans Visual StudioLive data testing in Visual Studio

Visual Studio Tools pour Azure Stream Analytics améliore la fonctionnalité de test en local qui vous permet de tester vos requêtes sur les flux d’événements en direct, à partir de sources cloud, telles que Event Hub ou IoT hub.Visual Studio tools for Azure Stream Analytics enhance the local testing feature that allows you to test you queries against live event streams from cloud sources such as Event Hub or IoT hub. Découvrez comment Tester les données actives localement à l’aide d’Azure Stream Analytics Tools pour Visual Studio.Learn how to Test live data locally using Azure Stream Analytics tools for Visual Studio.

Visual Studio Code pour Azure Stream AnalyticsVisual Studio Code for Azure Stream Analytics

Les travaux Azure Stream Analytics peuvent être créés dans Visual Studio Code.Azure Stream Analytics jobs can be authored in Visual Studio Code. Consultez notre tutoriel de prise en main de Visual Studio Code.See our VS Code getting started tutorial.

Tests locaux avec des données actives dans Visual Studio CodeLocal testing with live data in Visual Studio Code

Vous pouvez tester vos requêtes sur des données actives sur votre ordinateur local avant de soumettre le travail sur Azure.You can test your queries against live data on your local machine before submitting the job to Azure. Chaque itération de test prend moins de deux à trois secondes en moyenne, ce qui se traduit par un processus de développement très efficace.Each testing iteration takes less than two to three seconds on average, resulting in a very efficient development process.

Autres préversionsOther previews

Les fonctionnalités suivantes sont également disponibles sur demande en préversion.The following features are also available in preview on request.

Prise en charge pour Azure StackSupport for Azure Stack

Cette fonctionnalité est activée sur le runtime Azure IoT Edge, tire parti de fonctionnalités Azure Stack personnalisées, comme la prise en charge native pour les entrées et les sorties locales s’exécutant sur Azure Stack (par exemple Event Hubs, IoT Hub, Stockage Blob).This feature enabled on the Azure IoT Edge runtime, leverages custom Azure Stack features, such as native support for local inputs and outputs running on Azure Stack (for example Event Hubs, IoT Hub, Blob Storage). Cette nouvelle intégration vous permet de créer des architectures hybrides qui peuvent analyser vos données à proximité de l’endroit où elles sont générées, en réduisant la latence et en optimisant les insights.This new integration enables you to build hybrid architectures that can analyze your data close to where it is generated, lowering latency and maximizing insights. Cette fonctionnalité permet de créer des architectures hybrides capables d’analyser les données à proximité de l’endroit où elles sont générées, ce qui réduit la latence et optimise les insights.This feature enables you to build hybrid architectures that can analyze your data close to where it is generated, lowering latency and maximizing insights. Il est nécessaire de s’inscrire pour accéder à cette préversion.You must sign up for this preview.