集成的目的是通常以复杂的方式连接应用程序、数据、服务和设备。 通过集成，组织可以将工作流整合在一起，使其一致且可缩放。 企业以快速、高效和自动化的方式连接应用程序、数据和流程。
连接可以在本地、云和边缘系统之间运行。 它们可以将企业、合作伙伴、第三方和旧技术结合在一起。
对于数据，集成提供了以多种格式从多个源收集和处理信息的解决方案。
要集成应用程序，有时可直接进行 API 调用。 但有时技术需要通过消息或事件进行异步通信。 所有集成流程都需要编排，编排是一种定义和运行工作流逻辑的直接方式。
Azure 提供了广泛的集成工具和功能，包括以下服务：
- Azure API 管理。 安全地发布 API 供内部和外部开发人员在连接到后端系统时使用。
- Azure 逻辑应用。 创建工作流以连接云中和本地的数百个服务。
- Azure 服务总线。 连接本地和基于云的应用程序和服务，以实现高度安全的消息传送工作流。
- Azure 事件网格。 连接受支持的 Azure 和第三方服务，同时简化基于事件的应用开发。
- Azure Functions。 使用事件驱动的无服务器计算平台简化复杂的编排问题。
- Azure 数据工厂。 可视化集成数据源以加速数据转换并支持企业工作流。
有关 Azure 集成服务的详细信息，请参阅集成服务。
Apache®、Apache NiFi® 和 NiFi® 是 Apache Software Foundation 在美国和/或其他国家/地区的商标或注册商标。 使用这些标记并不暗示获得 Apache Software Foundation 的认可。
Azure 上的集成简介
如果你不熟悉集成，最好从 Microsoft Learn 入手。 此免费的联机平台为各种产品和服务提供视频、教程和实践性培训。
可通过以下资源了解集成的核心概念：
- 设计数据集成
- Dynamics 365 解决方案的集成设计
- 与 Finance and Operations 应用的数据集成
- 检查 IoT 解决方案的业务集成
- 与 Azure 数据工厂或 Azure Synapse 管道进行数据集成
- 探索事件网格集成
- 在 Azure 中构建 API 集成
实现生产的路径
了解了集成的基础知识之后，下一步就是设计解决方案。
设计模式
要探索可纳入设计的模式，请查阅以下领域的资源。
混合系统
- [用于分析的分层数据] [用于分析的分层数据]：使用 Azure Stack Hub 收集、处理、存储和分发本地和远程数据。
- 跨云缩放（本地数据）：了解可跨 Azure 和 Azure Stack Hub 并使用单个本地数据源的混合应用，这是某些组织的合规性要求。
- 使用流量管理器进行跨云缩放：使用 Azure 流量管理器通过将本地应用连接到公有云资源来进行扩展。
微服务体系结构
- Azure Cosmos DB 的事务性发件箱模式：实现事务性发件箱模式以实现服务之间的可靠消息传递。
- Azure 逻辑应用的本地数据网关：将用 Java 编写的 Spring 微服务连接到本地数据。
- 确定微服务边界：在设计应用程序时从域模型中派生微服务。
- 为微服务设计服务间通信：使用服务网格使微服务之间的通信高效且可靠。
无服务器解决方案
使用低成本的无服务器 Azure 服务实时共享位置：设置实时消息传递服务以共享实时位置。
大型机迁移
- 将 IBM 大型机和中型消息队列与 Azure 集成：使用数据优先技术，该技术为 IBM 大型机和中型消息队列提供了一种与 Azure 服务一起使用的方法。
- [使用 Raincode 编译器将大型机应用程序重新托管到 Azure][使用 Raincode 编译器将大型机应用程序重构到 Azure]：使用 Raincode COBOL 编译器在不更改代码的情况下实现大型机旧应用程序现代化。
- 大型机对 Azure 数据库的访问：允许 IBM 大型机和中型应用程序访问远程 Azure 数据库。
服务选择器
以下资源还有助于设计应用程序。 除了提供有关集成机制或流程的一般信息外，每篇文章还介绍了如何选择最能满足对该领域需求的 Azure 服务。
- 异步消息传递选项：了解各种类型的消息以及参与消息传递基础结构的实体。
- 在虚拟网络对等互连和 VPN 网关之间进行选择：探索在 Azure 中连接虚拟网络的两种方式。
- 提取、转换和加载 (ETL)：了解如何以多种格式收集来自多个源的数据，然后对其进行转换和存储。
特定实现
若要了解特定于方案的体系结构，请参阅以下领域的解决方案。
AI
- 使用机器学习预测能源和电力需求：预测能源产品和服务的需求高峰。
- 远程患者监视解决方案：远程监视患者并分析医疗设备生成的大量数据。
- 能源供应优化：提供 Pyomo 和 CBC 等外部工具来解决大规模数值优化问题。
- 基于 AI 的客流量检测：通过检测客流量来分析零售店的访客流量。
- 质量保证：通过使用分析和机器学习来预测问题，在装配线上实现质量保证。
电子商务
- 实现 .NET 应用程序现代化：将零售企业的旧版 .NET 应用程序迁移到 Azure。
- 自定义业务流程：自动化工作流并连接到旧版航空公司系统。
- 使用 Azure APIM 迁移 Web 应用：实现电子商务公司基于浏览器的旧软件堆栈现代化。
Finance
- Azure 中的 SWIFT Alliance Connect Virtual：请参阅有关使用 Alliance Connect Virtual 组件与 SWIFT 网络建立连接的系列文章。
- 银行云转型的模式和实现：应用实现银行系统云转型的模式。
内部业务解决方案
- Azure 上的 Elastic Workplace Search：使用 Workplace Search 从众多异构来源捕获信息并使其可搜索。
- Power Automate 大规模部署：使用中心辐射型模型部署 Power Automate 父流和子流。
- 业务线扩展：持续从旧系统中检索数据并使其在 Power BI 中可用。
建筑、工程和施工 (AEC)
Azure 数字孪生生成器：使用来自 Autodesk Forge 的建筑信息建模数据来自动创建 Azure 数字孪生基础数据集。
Analytics
地理空间数据处理和分析：使大量地理空间数据可用于分析。
医疗保健
健康状况数据联盟：在健康状况联盟成员之间共享数据。
高性能计算
HPC 风险分析模板：在风险分析应用程序中使用 Azure CycleCloud 将本地 TIBCO GridServer 计算扩展到 Azure。
最佳实践
这些资源可以帮助根据当前建议的最佳做法对设计进行抽查：
Azure 事件中心和 Functions 可以在无服务器体系结构中协同工作，以近乎实时地处理大量数据。 有关如何最大限度地提高此体系结构的性能、复原能力、安全性、可观察性和缩放的指导，请参阅以下文章：
许多集成解决方案使用逻辑应用来实现业务流程。 有关使用此服务生成可靠体系结构的最佳做法，请参阅 Azure 逻辑应用的业务连续性和灾难恢复。
要检查逻辑应用实现是否符合 Azure 安全基准 2.0 版，请参阅逻辑应用的 Azure 安全基线。
有关使用 Apache NiFi 在 Azure 上处理和分发数据的一般信息和指南，请参阅 Azure 上的 Apache NiFi。
基线实现套件
这些参考体系结构为各种方案提供基线实现：
- 受监管行业的数据分析工作负载：运行考虑到法规要求的数据分析工作负载。
- 使用集成服务环境 (ISE) 从 Azure 逻辑应用访问 Azure 虚拟网络：生成在 ISE 中运行的逻辑应用并访问受保护的资源。
- 向外部用户发布内部 API：整合 API，然后将它们公开给外部用户。
- Azure 上的基本企业集成：编排对企业后端系统的同步调用。
- 使用消息代理和事件的企业集成：使用队列和事件编排对企业后端系统的异步调用。
- 企业商业智能：将数据从本地 SQL Server 数据库移动到 Azure Synapse Analytics 并转换数据以进行分析。
- Web 和移动前端：向 Web 用户提供第三方数据。
- 与逻辑应用和 SQL Server 的数据集成：自动执行为响应 API 调用而执行的数据集成任务。
操作指南
部署工作负载是一个重要的里程碑。 在集成流程运行后，重点可以转向运营。 以下材料提供建议和参考信息，以帮助继续满足客户和法规要求：
- [用于诊断的自动化 Jupyter Notebooks][用于诊断的自动化 Jupyter Notebooks]：在 Jupyter Notebooks 中编写可以重用、测试和自动执行的故障排除指南和诊断步骤。
- 关于 Azure 逻辑应用中的连接器：了解如何利用逻辑应用提供的数百个连接器。
- Azure 逻辑应用的 Azure Policy 法规合规性控制：使逻辑应用符合法规标准。
与集成保持同步
Azure 集成会不断改进。 要了解最新动态，请参阅 Azure 更新。
其他资源
以下资源为特定场景提供了实用的建议和信息。