Azure Stream Analytics az IoT Edge segítségévelAzure Stream Analytics on IoT Edge

Az Azure Stream Analytics (ASA) az IoT Edge-ben lehetővé teszi a fejlesztők számára, hogy IoT-eszközökre telepíti központilag közel valós idejű elemzési intelligenciát bárhol is tartózkodjanak, hogy azok oldhatja fel a teljes mértékben kihasználhatók a eszköz által létrehozott adatokat.Azure Stream Analytics (ASA) on IoT Edge empowers developers to deploy near-real-time analytical intelligence closer to IoT devices so that they can unlock the full value of device-generated data. Az Azure Stream Analytics közel valós idejű, a rugalmasság, a sávszélesség- és megfelelőségi hatékony felhasználása lett tervezve.Azure Stream Analytics is designed for low latency, resiliency, efficient use of bandwidth, and compliance. A vállalatok mostantól közel az ipari műveletek ellenőrzési logika üzembe, és kiegészíti a felhőben végzett Big Data-elemzés.Enterprises can now deploy control logic close to the industrial operations and complement Big Data analytics done in the cloud.

Az Azure Stream Analytics az IoT Edge-en belül futtatja a Azure IoT Edge keretrendszer.Azure Stream Analytics on IoT Edge runs within the Azure IoT Edge framework. A feladat az ASA létrehozása után telepítheti és kezelheti az IoT Hub használatával.Once the job is created in ASA, you can deploy and manage it using IoT Hub.

ForgatókönyvekScenarios

IoT Edge összeállítás áttekintő jellegű diagramja

  • Közel valós idejű parancs és vezérlés: Például a biztonsági rendszerek gyártási válaszolnia kell a működési adatok ultramagas alacsony késleltetéssel.Low-latency command and control: For example, manufacturing safety systems must respond to operational data with ultra-low latency. Az ASA az IoT Edge-ben az adatok közel valós időben, és adja ki a parancsokat, ha egy gép leállítása vagy riasztások aktiválása a rendellenességek észlelését, érzékelő elemezheti.With ASA on IoT Edge, you can analyze sensor data in near real-time, and issue commands when you detect anomalies to stop a machine or trigger alerts.
  • A felhővel való kapcsolat korlátozott: Mission kritikus rendszerek, például a távoli adatbányászati berendezések, csatlakoztatott hajó vagy offshore részletes elemzések kibontásáról, elemezheti és reagálni, hogy az adatok akkor is felhőkapcsolatra időszakos kell.Limited connectivity to the cloud: Mission critical systems, such as remote mining equipment, connected vessels, or offshore drilling, need to analyze and react to data even when cloud connectivity is intermittent. Az ASA a streaming logika futtat függetlenül a hálózati kapcsolatot, és Ön kiválaszthatja, mit küld a felhő további feldolgozás vagy tárolás.With ASA, your streaming logic runs independently of the network connectivity and you can choose what you send to the cloud for further processing or storage.
  • Korlátozott sávszélesség: Hajtóművek által előállított adatok mennyisége, vagy lehet, hogy a csatlakoztatott autók rendkívül nagy méretűek, hogy kell-e előre feldolgozott, mielőtt elküldené a felhőben vagy szűrt adatok.Limited bandwidth: The volume of data produced by jet engines or connected cars can be so large that data must be filtered or pre-processed before sending it to the cloud. ASA használatával szűrheti vagy összesítheti az adatokat, amelyek a felhőbe kell küldeni.Using ASA, you can filter or aggregate the data that needs to be sent to the cloud.
  • Megfelelőségi: A jogszabályoknak való megfelelőség helyileg anonimizált vagy összesített előtt a felhőbe küldött adatokra lehet szükség.Compliance: Regulatory compliance may require some data to be locally anonymized or aggregated before being sent to the cloud.

Az Azure Stream Analytics Edge-feladatokEdge jobs in Azure Stream Analytics

Mi az "él" feladatot?What is an "edge" job?

ASA Edge-feladatok futtatása üzembe helyezett tárolók Azure IoT Edge-eszközök.ASA Edge jobs run in containers deployed to Azure IoT Edge devices. Ezek a következők két részből áll:They are composed of two parts:

  1. Feladatdefiníció felelős felhő tartozik: felhasználók definiálása bemeneti, kimeneti, lekérdezési és egyéb beállítások (üzemen kívüli események, stb.) a felhőben.A cloud part that is responsible for job definition: users define inputs, output, query, and other settings (out of order events, etc.) in the cloud.
  2. A modul futtatása az IoT-eszközökön.A module running on your IoT devices. Az ASA-motort tartalmaz, és a feladat definíciója fogad a felhő.It contains the ASA engine and receives the job definition from the cloud.

ASA az IoT Hub telepítéséhez edge-feladatok (ök) höz használ.ASA uses IoT Hub to deploy edge jobs to device(s). További információ a üzemelő IoT Edge-példány látható itt.More information about IoT Edge deployment can be seen here.

Az Azure Stream Analytics Edge-feladat

Telepítési utasításokInstallation instructions

A magas szintű lépéseket a következő táblázat ismerteti.The high-level steps are described in the following table. További információkat is megtudhat az alábbi szakaszokban található.More details are given in the following sections.

LépésStep MegjegyzésekNotes
11 Storage-tároló létrehozásaCreate a storage container Storage-tárolók segítségével a feladatdefiníció mentése ha azok elérhetők az IoT-eszközök által.Storage containers are used to save your job definition where they can be accessed by your IoT devices.
Használhat bármely meglévő storage-tárolóba.You can reuse any existing storage container.
22 Edge ASA-feladatok létrehozásaCreate an ASA edge job Hozzon létre egy új feladatot, válassza ki Edge , üzemeltetési környezet.Create a new job, select Edge as hosting environment.
Ezek a feladatok létrehozott és kezelt a felhőből, és futtassa a saját IoT Edge-eszközökön.These jobs are created/managed from the cloud, and run on your own IoT Edge devices.
33 A az eszközt az IoT Edge-környezet beállításaSetup your IoT Edge environment on your device(s) Utasítások Windows vagy Linux.Instructions for Windows or Linux.
44 Az IoT Edge-eszközt az ASA telepítéseDeploy ASA on your IoT Edge device(s) A korábban létrehozott tároló ASA-feladat definíciója exportálja.ASA job definition is exported to the storage container created earlier.

Követheti részletes oktatóanyag üzembe helyezéséhez az első ASA-feladat az IoT Edge-ben.You can follow this step-by-step tutorial to deploy your first ASA job on IoT Edge. Az alábbi videó segítenek megérteni a folyamat egy Stream Analytics-feladat futtatása az IoT edge-eszközön:The following video should help you understand the process to run a Stream Analytics job on an IoT edge device:

Storage-tároló létrehozásaCreate a storage container

Egy storage-tárolóba szükség ahhoz, hogy exportálja az ASA összeállított lekérdezést, és a feladat konfigurációját.A storage container is required in order to export the ASA compiled query and the job configuration. A lekérdezés konfigurálása az ASA Docker-rendszerkép szolgál.It is used to configure the ASA Docker image with your specific query.

  1. Hajtsa végre a ezek az utasítások a storage-fiók létrehozása az Azure Portalról.Follow these instructions to create a storage account from the Azure portal. Beállíthatja, hogy a fiók használatához az ASA az összes alapértelmezett beállításokat.You can keep all default options to use this account with ASA.
  2. Az újonnan létrehozott tárfiók hozzon létre egy blob storage-tároló:In the newly created storage account, create a blob storage container:
    1. Kattintson a Blobok, majd + tároló.Click on Blobs, then + Container.
    2. Adjon meg egy nevet, és tartsa meg a tárolót, privát.Enter a name and keep the container as Private.

ASA Edge-feladatok létrehozásaCreate an ASA Edge job

Megjegyzés

Ebben az oktatóanyagban az ASA-feladat létrehozása az Azure portal használatával foglalkozik.This tutorial focuses on ASA job creation using Azure portal. Emellett ASA Edge-feladatok létrehozása a Visual Studio beépülő modul használatávalYou can also use Visual Studio plugin to create an ASA Edge job

  1. Az Azure Portalról hozzon létre egy új "Stream Analytics-feladat".From the Azure portal, create a new "Stream Analytics job". Hozzon létre egy új ASA feladatot a közvetlen hivatkozás.Direct link to create a new ASA job here.

  2. A létrehozás képernyőn válassza ki a Edge , üzemeltetési környezet (lásd a következő képen látható)In the creation screen, select Edge as hosting environment (see the following picture)

    Stream Analytics-feladat létrehozása az Edge-ben

  3. Feladat definíciójaJob Definition

    1. Adja meg a bemeneti Stream(s) .Define Input Stream(s). Adja meg a feladat egy vagy több bemeneti streamekhez.Define one or several input streams for your job.
    2. Adja meg a referenciaadatok (nem kötelező).Define Reference data (optional).
    3. Adja meg a kimeneti Stream(s) .Define Output Stream(s). Adja meg a feladat egy vagy több kimeneti adatfolyamokat.Define one or several outputs streams for your job.
    4. Lekérdezés meghatározása.Define query. Adja meg az ASA-lekérdezést a felhőben, a beágyazott-szerkesztő használatával.Define the ASA query in the cloud using the inline editor. A fordítóprogram automatikusan ellenőrzi a szintaxist, az ASA edge engedélyezve van.The compiler automatically checks the syntax enabled for ASA edge. A lekérdezés teszteléséhez a mintaadatok feltöltése.You can also test your query by uploading sample data.
  4. Állítsa be a storage-tároló információkat a IoT Edge-beállítások menü.Set the storage container information in the IoT Edge settings menu.

  5. Nem kötelező beállítások megadásaSet optional settings

    1. Események rendezése.Event ordering. A portálon konfigurálhatja a soron kívüli out házirend.You can configure out-of-order policy in the portal. Dokumentáció áll rendelkezésre Itt.Documentation is available here.
    2. Területi beállítás.Locale. Állítsa be a internalization formátumban.Set the internalization format.

Megjegyzés

Központi telepítés létrehozásakor a ASA exportálja a feladat definíciója egy storage-tárolóba.When a deployment is created, ASA exports the job definition to a storage container. Ezt a feladatdefiníciót változatlan marad, a központi telepítés időtartam alatt.This job definition remain the same during the duration of a deployment. Következtében ha azt szeretné, frissítheti a feladatokat az Edge-ben futó, szüksége a feladat az ASA szerkesztése és az IoT Hub hozhatók létre új központi telepítést.As a consequence, if you want to update a job running on the edge, you need to edit the job in ASA, and then create a new deployment in IoT Hub.

Az eszközt az IoT Edge környezet beállításaSet up your IoT Edge environment on your device(s)

Edge-feladatok is üzembe helyezhetők az Azure IoT Edge-es eszközökön.Edge jobs can be deployed on devices running Azure IoT Edge. Ehhez kövesse az alábbi lépéseket kell:For this, you need to follow these steps:

  • Hozzon létre egy Iot hubot.Create an Iot Hub.
  • Telepítse a Docker és az IoT Edge-futtatókörnyezet a peremhálózati eszközökre.Install Docker and IoT Edge runtime on your edge devices.
  • Állítsa be az eszközöket, mint IoT Edge-eszközök az IoT hubon.Set your devices as IoT Edge devices in IoT Hub.

Az IoT Edge dokumentációja ismerteti ezeket a lépéseket Windows vagy Linux.These steps are described in the IoT Edge documentation for Windows or Linux.

Az IoT Edge (ök) höz ASA központi telepítéseDeployment ASA on your IoT Edge device(s)

Az üzemelő példány ASA hozzáadásaAdd ASA to your deployment
  • Az Azure Portalon nyissa meg az IoT Hub, lépjen a IoT Edge , majd kattintson a, amelyekre az üzembe helyezés kívánt eszközt.In the Azure portal, open IoT Hub, navigate to IoT Edge and click on the device you want to target for this deployment.
  • Válassza ki modulok beállítása, majd + Hozzáadás válassza Azure Stream Analytics modul.Select Set modules, then select + Add and choose Azure Stream Analytics Module.
  • Válassza ki az előfizetést és az ASA Edge-feladat, amelyet Ön hozott létre.Select the subscription and the ASA Edge job that you created. Kattintson a Mentés gombra.Click Save. A központi telepítésben ASA-modul hozzáadásaAdd ASA module in your deployment

Megjegyzés

Ezzel a lépéssel ASA mappát hoz létre a "EdgeJobs" a tároló neve (Ha még nem létezik már).During this step, ASA creates a folder named "EdgeJobs" in the storage container (if it does not exist already). Minden egyes üzemelő példányhoz egy új almappát a "EdgeJobs" mappában jön létre.For each deployment, a new subfolder is created in the "EdgeJobs" folder. Ha a feladat az IoT Edge-eszközökre telepíti központilag, ASA egy közös hozzáférésű jogosultságkód (SAS) a feladat definícióját fájlt hoz létre.When you deploy your job to IoT Edge devices, ASA creates a shared access signature (SAS) for the job definition file. A SAS-kulcsát biztonságosan átkerülnek a ikereszközök használata az IoT Edge-eszközökön.The SAS key is securely transmitted to the IoT Edge devices using device twin. Ez a kulcs lejáratának napjától létrehozása a három év meghatározva.The expiration of this key is three years from the day of its creation. Amikor frissítette az IoT Edge-feladatok, SAS változik, de nem módosítja a rendszerkép verziószámát.When you update an IoT Edge job, the SAS will change, but the image version will not change. Egyszer, frissítése, kövesse a telepítési munkafolyamat és a egy frissítési értesítés az eszköz be van jelentkezve.Once you Update, follow the deployment workflow, and an update notification is logged on the device.

IoT Edge-telepítések kapcsolatos további információkért lásd: ezt oldal.For more information about IoT Edge deployments, see to this page.

Útvonalak beállításaConfigure routes

IoT Edge lehetővé teszi a deklaratív irányíthatja a modulok között, és modulok és az IoT Hub közötti üzenetek.IoT Edge provides a way to declaratively route messages between modules, and between modules and IoT Hub. A teljes szintaxis leírása Itt.The full syntax is described here. Lépések bemeneteit és kimeneteit létrehozott az ASA-feladat neve útválasztáshoz használható Végpontokként.Names of the inputs and outputs created in the ASA job can be used as endpoints for routing.

PéldaExample
{
    "routes": {
        "sensorToAsa":   "FROM /messages/modules/tempSensor/* INTO BrokeredEndpoint(\"/modules/ASA/inputs/temperature\")",
        "alertsToCloud": "FROM /messages/modules/ASA/* INTO $upstream",
        "alertsToReset": "FROM /messages/modules/ASA/* INTO BrokeredEndpoint(\"/modules/tempSensor/inputs/control\")"
    }
}

Ez a példa bemutatja a forgatókönyvhöz az alábbi ábrán bemutatott az útvonalakat.This example shows the routes for the scenario described in the following picture. Edge-feladatok nevű tartalmaz "ASA", nevű bemeneti "hőmérséklet"és a egy nevű kimeneti"riasztás".It contains an edge job called "ASA", with an input named "temperature" and an output named "alert". Példa diagram üzenet-útválasztásaDiagram example of message routing

Ebben a példában a következő útvonalakat határozza meg:This example defines the following routes:

  • Az összes üzenetet a tempSensor nevű modul küldendő ASA a nevű bemeneti hőmérséklet,Every message from the tempSensor is sent to the module named ASA to the input named temperature,
  • Az összes kimenetének ASA modul érkeznek az eszközön (felső$), csatolt IoT hubhozAll outputs of ASA module are sent to the IoT Hub linked to this device ($upstream),
  • Az összes kimenetének ASA modul érkeznek a vezérlő végpontját a tempSensor.All outputs of ASA module are sent to the control endpoint of the tempSensor.

Technikai információTechnical information

Felhőalapú feladat képest az IoT Edge-feladatok aktuális korlátozásokCurrent limitations for IoT Edge jobs compared to cloud jobs

A cél, hogy a paritásos IoT Edge-feladatok és a felhőbeli feladatok között.The goal is to have parity between IoT Edge jobs and cloud jobs. A legtöbb SQL-lekérdezési nyelvi funkciók támogatottak, mind a felhőbeli, mind az IoT Edge ugyanazt a logikát futtatását engedélyezi.Most SQL query language features are supported, enabling to run the same logic on both cloud and IoT Edge. Azonban a következő funkciók még nem támogatottak az edge-feladatok:However the following features are not yet supported for edge jobs:

  • Felhasználó által definiált függvények (UDF) a JavaScript.User-defined functions (UDF) in JavaScript. Az UDF érhetők el a C# IoT Edge-feladatok (előzetes verzió).UDF are available in C# for IoT Edge jobs (preview).
  • Felhasználó által definiált összesítések (UDA).User-defined aggregates (UDA).
  • Az Azure Machine Learning-függvényekAzure ML functions
  • Legfeljebb 14 összesítést használó egyetlen lépésben.Using more than 14 aggregates in a single step.
  • Bemeneti/kimeneti AVRO formátum.AVRO format for input/output. Jelenleg csak a fürt megosztott kötetei szolgáltatás és a JSON támogatott.At this time, only CSV and JSON are supported.
  • A következő SQL-operátorok:The following SQL operators:
    • A PARTÍCIÓ SZERINTPARTITION BY
    • GetMetadataPropertyValueGetMetadataPropertyValue

Modul és a hardverkövetelményeketRuntime and hardware requirements

Az ASA (IoT Edge) futtatásához, eszközök, amelyek futtathatók kell Azure IoT Edge.To run ASA on IoT Edge, you need devices that can run Azure IoT Edge.

ASA és az Azure IoT Edge használata Docker tárolókat a hordozható megoldást kínál, amely több gazdagép operációs rendszert (Windows, Linux) futtat.ASA and Azure IoT Edge use Docker containers to provide a portable solution that runs on multiple host operating systems (Windows, Linux).

Az IoT Edge-ben ASA vált elérhetővé, Windows és Linux-rendszerképeket, x86-64-vagy ARM (Advanced RISC gépek) architektúrák.ASA on IoT Edge is made available as Windows and Linux images, running on both x86-64 or ARM (Advanced RISC Machines) architectures.

Bemenet és kimenetInput and output

Bemeneti és kimeneti adatfolyamInput and Output Streams

ASA Edge-feladatok az IoT Edge-eszközökön futó más modulok kérheti bemeneteit és kimeneteit.ASA Edge jobs can get inputs and outputs from other modules running on IoT Edge devices. Csatlakozhat a kezdő és a modulokról, beállíthatja az útválasztási konfigurációja üzembe helyezéskor.To connect from and to specific modules, you can set the routing configuration at deployment time. További információ a leírt az IoT Edge-modul összeállítás dokumentációja.More information is described on the IoT Edge module composition documentation.

A bemenetek és kimenetek CSV- és JSON formátumok használata támogatott.For both inputs and outputs, CSV and JSON formats are supported.

Minden bemeneti és kimeneti adatfolyamba hoz létre az ASA-feladat, a kapcsolódó végpont a telepített modul jön létre.For each input and output stream you create in your ASA job, a corresponding endpoint is created on your deployed module. Ezeket a végpontokat az útvonalakat a központi telepítés is használható.These endpoints can be used in the routes of your deployment.

Jelenleg a, az egyetlen támogatott vstup datového proudu és a stream kimenettípusok Edge hubot.At present, the only supported stream input and stream output types are Edge Hub. Támogatja a bemeneti fájl hivatkozástípus hivatkozhat.Reference input supports reference file type. Más kimenetek elérhető, felhőalapú feladat használatával aktiválásához.Other outputs can be reached using a cloud job downstream. Például egy Edge-ben futó Stream Analytics-feladat kimeneti küld, amely ezután küldhetnek kimenetet az IoT hubhoz Edge hubot.For example, a Stream Analytics job hosted in Edge sends output to Edge Hub, which can then send output to IoT Hub. Egy második a felhőben Azure Stream Analytics-feladat használhatja a Power bi-ban vagy egy másik kimeneti típus az IoT Hub és a kimeneti bemenetet.You can use a second cloud hosted Azure Stream Analytics job with input from IoT Hub and output to Power BI or another output type.

ReferenciaadatReference data

Referenciaadatok (más néven egy keresési táblázat) egy olyan véges adatokat, amely statikus vagy lassan jellegű módosítása.Reference data (also known as a lookup table) is a finite data set that is static or slow changing in nature. A keresés végrehajtásához vagy korrelációját, ha az adatfolyamban szolgál.It is used to perform a lookup or to correlate with your data stream. Győződjön meg arról, hogy az Azure Stream Analytics-feladat a referenciaadatok, az általában használhat egy referencia-adatok CSATLAKOZZON a lekérdezésben.To make use of reference data in your Azure Stream Analytics job, you will generally use a Reference Data JOIN in your query. További információkért lásd: a a referenciaadatok a Stream Analytics keresések.For more information, see the Using reference data for lookups in Stream Analytics.

Csak a helyi referenciaadatok használata támogatott.Only local reference data is supported. Amikor egy feladat IoT Edge-eszköz üzembe, referenciaadatok betölti a felhasználó által megadott elérési útról.When a job is deployed to IoT Edge device, it loads reference data from the user defined file path.

Létrehoz egy feladatot az Edge-ben a referenciaadatok:To create a job with reference data on Edge:

  1. Hozzon létre egy új bemeneti a feladatnak.Create a new input for your job.

  2. Válasszon referenciaadatok , a forrástípus.Choose Reference data as the Source Type.

  3. Rendelkezik egy referencia-adatfájl készen áll az eszközön.Have a reference data file ready on the device. Az egy Windows-tárolók helyezze a referencia-adatfájl a helyi meghajtón, és megoszthatja a helyi meghajtón a Docker-tárolót.For a Windows container, put the reference data file on the local drive and share the local drive with the Docker container. Linux-tárolók hozzon létre egy Docker-kötetet, és töltse fel az adatok fájlt a köteten.For a Linux container, create a Docker volume and populate the data file to the volume.

  4. Állítsa be a fájl elérési útját.Set the file path. A Windows gazda operációs rendszer és Windows-tárolót használja az abszolút elérési út: E:\<PathToFile>\v1.csv.For Windows Host OS and Windows container, use the absolute path: E:\<PathToFile>\v1.csv. Egy Windows-gazda operációs rendszer- és Linux-tárolót vagy a Linux operációs rendszer és a Linux-tárolót, használja a mennyiségi programban az elérési út: <VolumeName>/file1.txt.For a Windows Host OS and Linux container or a Linux OS and Linux container, use the path in the volume: <VolumeName>/file1.txt.

Az Azure Stream Analytics-feladat az IoT Edge-ben új referenciaadat-bemenetek

A referenciaadatok IoT Edge-frissítés központi telepítés által aktiválódik.The reference data on IoT Edge update is triggered by a deployment. Aktivált, miután az ASA-modul a futó feladat leállítása nélkül választja ki a frissített adatokat.Once triggered, the ASA module picks the updated data without stopping the running job.

A referenciaadatok frissítése két módja van:There are two ways to update the reference data:

  • Frissítés referencia adatelérési útvonalán az ASA-feladat az Azure Portalról.Update reference data path in your ASA job from Azure portal.
  • Az IoT Edge üzemelő példány frissítése.Update the IoT Edge deployment.

Licenc és a harmadik felekkel kapcsolatos közleményekLicense and third-party notices

Az Azure Stream Analytics modul képinformációkAzure Stream Analytics module image information

A fájlverzió-információkat a 2019-06-27 volt utoljára frissítve:This version information was last updated on 2019-06-27:

  • Kép: asaedge.azurecr.io/public/azure-stream-analytics/azureiotedge:1.0.3-linux-amd64Image: asaedge.azurecr.io/public/azure-stream-analytics/azureiotedge:1.0.3-linux-amd64

    • alaplemezkép: microsoft/dotnet:2.1.6-runtime-alpine3.7base image: microsoft/dotnet:2.1.6-runtime-alpine3.7
    • platform:platform:
      • architektúra: amd64architecture: amd64
      • az operációs rendszer: linuxos: linux
  • Kép: asaedge.azurecr.io/public/azure-stream-analytics/azureiotedge:1.0.3-linux-arm32v7Image: asaedge.azurecr.io/public/azure-stream-analytics/azureiotedge:1.0.3-linux-arm32v7

    • alaplemezkép: microsoft/dotnet:2.1.6-runtime-bionic-arm32v7base image: microsoft/dotnet:2.1.6-runtime-bionic-arm32v7
    • platform:platform:
      • architektúra: armarchitecture: arm
      • az operációs rendszer: linuxos: linux
  • Kép: asaedge.azurecr.io/public/azure-stream-analytics/azureiotedge:1.0.3-windows-amd64Image: asaedge.azurecr.io/public/azure-stream-analytics/azureiotedge:1.0.3-windows-amd64

    • alaplemezkép: microsoft/dotnet:2.1.6-runtime-nanoserver-1809base image: microsoft/dotnet:2.1.6-runtime-nanoserver-1809
    • platform:platform:
      • architektúra: amd64architecture: amd64
      • az operációs rendszer: windowsos: windows

SegítségkérésGet help

További segítségre van szüksége, próbálja meg a Azure Stream Analytics-fórumon.For further assistance, try the Azure Stream Analytics forum.

További lépésekNext steps