Bu örnek senaryo, genel RSS haber akışlarından gelen belgelerin yığın alımı ve neredeyse gerçek zamanlı analizler için bir işlem hattı açıklar. Metin çevirisi, yüz tanıma ve yaklaşım algılamasına dayalı yararlı Öngörüler sağlamak için Azure bilişsel Hizmetler 'i kullanır. Özellikle, görüntü ve doğal dil işleme adımları Azure Service Busdayalı bir mesajlaşma ardışık düzeninde birbirine bağlanır. İşlem hattının çıktısı, öngörüleri veya Analizi içeren bir bildirimdir.
Bu senaryo, İngilizce, Rusçave Almanya haber akışları IÇIN örnekler içerir, ancak diğer RSS akışlarına ve diğer dillere kolayca genişletebilirsiniz. Dağıtım kolaylığı için veri toplama, işleme ve analizler tamamen Azure hizmetlerine dayalıdır.
Olası kullanım örnekleri
Bu senaryo RSS akışlarının işlenmesini temel alırken, şunlar için gereken her türlü belge, Web sitesi veya makaleyle ilgilidir:
- Metni tercih ettiğiniz bir dile çevirin.
- Dijital içerikte anahtar tümceleri, varlıkları ve Kullanıcı yaklaşımını bulun.
- Dijital makaleyle ilişkili görüntülerde nesneleri, metinleri ve çizgileri tespit edin.
- Dijital içerikle ilişkili görüntülerde cinsiyetler ve yaş bazında kişileri tespit edin.
Mimari
Veriler çözüm üzerinden şu şekilde akar:
Bir RSS haber akışı, bir belge veya makaleden veri alan Oluşturucu olarak davranır. Örneğin, veriler genellikle bir başlık, Haberler öğesinin özgün gövdesinin Özeti ve bazen görüntüler içerir.
bir oluşturucu veya alım işlemi, makaleyi ve ilişkili görüntüleri bir Azure Cosmos DB koleksiyonunaekler.
bir bildirim, Cosmos DB makale metnini ve azure Blob Depolama (varsa) makale görüntülerini depolayan azure işlevlerinde bir alma işlevini tetikler. Daha sonra makale sonraki kuyruğa geçirilir.
Bir çeviri işlevi, kuyruk olayı tarafından tetiklenir. Azure bilişsel hizmetler 'in, dili algılamak, gerekirse çevirmek ve gövdeden ve başlıktaki varlık, anahtar ifadeleri ve varlıkları toplamak için metin ÇEVIRME API 'sini kullanır. Ardından, makaleyi sonraki kuyruğa geçirir.
Sıraya alınan makaleden bir Algıla işlevi tetiklenir. İlişkili görüntüde nesneleri, çizgileri ve yazılı sözcükleri algılamak için görüntü işleme hizmetini kullanır, ardından makaleyi sonraki kuyruğa geçirir.
Sıradaki makaleden bir yüz işlevi tetiklenir. İlişkili görüntüde cinsiyet ve yaş için yüzeyleri algılamak üzere Azure yüz tanıma API'si hizmetini kullanır ve ardından makaleyi sonraki kuyruğa geçirir.
Tüm işlevler tamamlandığında, bildir işlevi tetiklenir. Makale için işlenen kayıtları yükler ve istediğiniz sonuçları tarar. Bulunursa içerik işaretlenir ve seçtiğiniz sisteme bir bildirim gönderilir.
her işleme adımında, işlevi sonuçları Azure Cosmos DB yazar. Sonuç olarak, veriler istenen şekilde kullanılabilir. Örneğin, iş süreçlerini geliştirmek, yeni müşterileri bulmak veya müşteri memnuniyeti sorunlarını belirlemek için kullanabilirsiniz.
Bileşenler
Bu örnekte, aşağıdaki Azure bileşenleri listesi kullanılır.
Azure Depolama , bir makaleyle ilişkili ham görüntü ve video dosyalarını tutmak için kullanılır. Azure App Service ile ikincil bir depolama hesabı oluşturulur ve Azure Işlev kodu ve günlüklerini barındırmak için kullanılır.
Azure Cosmos DB makale metnini, görüntüsünü ve video izleme bilgilerini barındırır. Bilişsel hizmetler adımlarının sonuçları da burada depolanır.
Azure işlevleri , kuyruk iletilerine yanıt vermek ve gelen içeriği dönüştürmek için kullanılan işlev kodunu yürütür. Azure App Service , işlev kodunu barındırır ve kayıtları seri olarak işler. Bu senaryo beş işlev içerir: alma, dönüştürme, nesne algılama, yüz ve bildirim.
azure Service Bus , işlevleri tarafından kullanılan azure Service Bus sıralarını barındırır.
Azure bilişsel hizmetler, Görüntü İşleme hizmeti, Yüz Tanıma API'sive metin makine ÇEVIRISI hizmeti 'nin uygulamalarına göre işlem hattı için AI sağlar.
Azure Application Insights , sorunları tanılamanıza ve uygulamanızın işlevlerini anlamanıza yardımcı olmak için analiz sağlar.
Alternatifler
Sıra bildirimini ve Azure işlevlerini temel alan bir model kullanmak yerine, bu veri akışı için bir konu başlığı ve abonelik modelini kullanabilirsiniz. Azure Service Bus konuları , bu örnekte yapılan seri işlemenin aksine, makalenin çeşitli kısımlarını paralel olarak işlemek için kullanılabilir. Daha fazla bilgi için kuyrukları ve konularıkarşılaştırın.
işlev kodunu uygulamak için Azure Logic Apps kullanın ve redlock algoritması (Azure Cosmos DB kısmi belge güncelleştirmelerinidestekleene kadar paralel işleme için gereklidir) tarafından sağlanarak kayıt düzeyinde kilitleme uygulayın. Daha fazla bilgi için, işlevleri karşılaştırın ve Logic Apps.
Bu mimariyi, mevcut Azure hizmetleri yerine özelleştirilmiş AI bileşenlerini kullanarak uygulayın. Örneğin, bu örnekte toplanan genel kişilerin sayısı, cinsiyet ve Yaş verilerinin aksine bir görüntüdeki belirli kişileri algılayan özelleştirilmiş bir model kullanarak işlem hattını genişletin. Özelleştirilmiş makine öğrenimi veya AI modellerini bu mimariyle birlikte kullanmak için modelleri Azure Işlevleri 'nden çağrılabilmesi için Restaal uç noktaları olarak derleyin.
RSS akışları yerine farklı bir giriş mekanizması kullanın. Azure Cosmos DB ve Azure Depolama beslemeye yönelik birden çok oluşturucuları veya giriş işlemini kullanın.
Azure bilişsel arama , görüntülerden, bloblardan ve diğer yapılandırılmamış veri kaynaklarından metin ayıklamak için de kullanılabilen Azure Search bir AI özelliğidir.
Dikkat edilmesi gerekenler
Kolaylık olması için bu örnek senaryo, Azure bilişsel hizmetler 'deki kullanılabilir API 'Leri ve hizmetleri kullanır. Örneğin, resimlerdeki metinler Metin Analizi API'sikullanılarak analiz edilebilir. Bu senaryodaki hedef dilin Ingilizce olduğu varsayılır, ancak girişi desteklenen herhangi bir dilledeğiştirebilirsiniz.
Ölçeklenebilirlik
Azure Işlevleri ölçeklendirme, kullandığınız barındırma planına bağlıdır. Bu çözüm, gerekli olduğunda işlem gücünün işlevlerine otomatik olarak ayrıldığı bir Tüketim planıolduğunu varsayar. Yalnızca işlevleriniz çalışırken ödeyin. Başka bir seçenek de ayrılmış bir plankullanmaktır, bu da farklı miktarda kaynak ayırmak için katmanlar arasında ölçeklendirme yapmanıza olanak sağlar.
Azure Cosmos DB, anahtar, yeterli sayıda bölüm anahtarıarasında iş yükünüzü kabaca eşit olarak dağıtmaktır. Bir kapsayıcının depolayabileceği toplam veri miktarına veya bir kapsayıcının destekleyebileceği toplam üretilen iş miktarına yönelik bir sınır yoktur.
Yönetim ve günlüğe kaydetme
bu çözüm, performans ve günlüğe kaydetme bilgilerini toplamak için Application Insights kullanır. bu dağıtım için gereken diğer hizmetlerle aynı kaynak grubundaki dağıtımla birlikte Application Insights bir örneği oluşturulur.
Çözüm tarafından oluşturulan günlükleri görüntülemek için:
Azure Portal gidin ve dağıtım için oluşturulan kaynak grubuna gidin.
Application Insights örneğini seçin.
Application Insights bölümünde Investigate\Search adresine gidin ve verileri arayın.
Güvenlik
Azure Cosmos DB, Microsoft tarafından sağlanan C# SDK 'sı aracılığıyla güvenli bir bağlantı ve paylaşılan erişim imzası kullanır. Başka dışarıdan bakan yüzey alanı yok. Azure Cosmos DB için en iyi güvenlik uygulamaları hakkında daha fazla bilgi edinin.
Fiyatlandırma
Azure Cosmos DB güçlü, ancak bu dağıtımda en büyük maliyetli bir değer doğurur. Belirtilen Azure Işlevleri kodunu yeniden düzenleyerek başka bir depolama çözümü kullanabilirsiniz.
Azure Işlevleri için fiyatlandırma, içinde çalıştığı plana göre farklılık gösterir.
Senaryoyu dağıtma
Not
Mevcut bir Azure hesabınız olmalıdır. Azure aboneliğiniz yoksa başlamadan önce ücretsiz bir hesap oluşturun.
bu senaryonun tüm kodları GitHub deposunda mevcuttur. Bu depo, bu demo için işlem hattını besleyebilir Oluşturucu uygulamasını oluşturmak için kullanılan kaynak kodunu içerir.
Sonraki adımlar
- Azure 'da analitik veri deposu seçme
- Azure 'da veri analizi teknolojisini seçme
- Azure 'da büyük veri depolama teknolojisini seçme
- Azure Blob Depolama'ya giriş
- Azure Cosmos DB'ye hoş geldiniz
- Azure İşlevleri’ne giriş
İlgili kaynaklar
Ek analiz mimarileri: