Сценарий потоковой передачи данных

Служба приложений
Управление API
Реестр контейнеров
Кэш для Redis
Cosmos DB

Концепция решения Solution Idea

Если вы хотите ознакомиться с этой статьей, дополнительные сведения, сведения о реализации, рекомендации по ценам или примеры кода, сообщите нам о них.If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

Используйте AKS для простого приема & обработки потока данных в режиме реального времени с миллионами точек данных, собираемых с помощью датчиков.Use AKS to easily ingest & process a real-time data stream with millions of data points collected via sensors. Быстрый анализ и вычисления для быстрого создания ценных сведений в сложных сценариях.Perform fast analysis and computations to develop insights into complex scenarios quickly.

ArchitectureArchitecture

Схема архитектуры . Скачайте SVG этой архитектуры.Architecture Diagram Download an SVG of this architecture.

Поток данныхData Flow

  1. Данные датчика создаются и передаются в поток управления API Azure.Sensor data is generated and streamed to Azure API Management.
  2. Кластер AKS запускает микрослужбу, развернутую в виде контейнеров, расположенных за сеткой службы.AKS cluster runs microservice that are deployed as containers behind a service mesh. Контейнеры создаются с помощью процесса DevOps и хранятся в реестре контейнеров Azure.Containers are built using a DevOps process and stored in Azure Container Registry.
  3. Служба приема хранит данные в Azure Cosmos DBIngest service stores data in a Azure Cosmos DB
  4. В асинхронном режиме служба анализа получает данные и отправляет их в поток Apache Kafka и Azure HDInsight.Asynchronously, the Analysis service receives the data and streams it to Apache Kafka and Azure HDInsight.
  5. Специалисты по обработке и анализу данных могут анализировать большие объемы данных для использования в моделях машинного обучения с помощью Splunk.Data scientists can analyze the large big data for use in machine learning models using Splunk.
  6. Данные обрабатываются службой обработки, которая сохраняет результаты в базе данных Azure для PostgreSQL и кэширует их в кэше Azure для Redis.Data is processed by the processing service which stores the result in Azure Database for PostgreSQL and caches the data in an Azure Cache for Redis.
  7. Веб-приложение, работающее в службе приложений Azure, используется для визуализации результатов.A web app running in Azure App Service is used to visualize the results.