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。