Dataflöden jämfört med dataflödesdiagram i Azure IoT Operations

Azure IoT Operations finns två sätt att bearbeta och dirigera data: dataflöden och dataflödesdiagram. Båda använder delad infrastruktur, såsom ändpunkter, profiler samt käll- och destinationskonfiguration. De skiljer sig dock åt i pipelineform, transformkapacitet och endpoint-stöd.

Vad är dataflöden?

Ett dataflöde är en enkel, linjär pipeline som flyttar data från en källa till ett mål med valfria transformeringar. Omvandlingssteget kör tre åtgärder i fast ordning: berika, filtrera och mappa. Du konfigurerar ett dataflöde med hjälp av webbgränssnittet för driftsmiljön, Azure CLI eller Azure Resource Manager mallar.

Dataflöden är allmänt tillgängliga och stöder alla slutpunktstyper.

Vad är dataflödesdiagram?

Ett dataflödesdiagram är en sammansättningsbar, grafbaserad pipeline som ansluter flera transformeringar i valfri topologi som du definierar. Du kan kedja, förgrena och sammanfoga bearbetningssteg. Varje transform är en förbyggd processorenhet, såsom karta, filter, gren, fönster, throttle eller enrichment, som du konfigurerar med regler. Du konfigurerar ett dataflödesdiagram med hjälp av webbgränssnittet för driftsmiljön, Azure CLI eller Azure Resource Manager mallar.

Dataflödesdiagram stöder MQTT-, Kafka- och OpenTelemetry-slutpunkter.

Jämförelse

Feature Dataflöden Dataflödesdiagram
Rörledningsform Fasta: berika, filtrera, mappa Flexibel: vilken som helst graftopologi
Förvandlar Mappa, filtrera, berika Mappa, filtrera, gren, sammanfoga, fönster (aggregering), berika
Förgrena och sammanfoga Stöds ej Förgrena baserat på villkor, slå samman med konkatenera
Tidsbaserad aggregering Stöds ej Tumlade fönster med genomsnitt, min, max, antal
Slutpunktsstöd (källa) MQTT, Kafka MQTT, Kafka
Slutpunktsstöd (mål) MQTT, Kafka, ADLS, Fabric, ADX, lokal lagring, OpenTelemetry MQTT, Kafka, OpenTelemetry
Ämnen om dynamiska destinationer ${inputTopic} (genomströmning av källämne) $metadata.topic + ${outputTopic} (innehållsbaserad routning)
Skema Om källa och transformation Vid nodanslutningar
Disk-persistence Stöds Stöds

Delad infrastruktur

Dataflöden och dataflödesdiagram har gemensamt:

  • Slutpunkter: Båda använder DataflowEndpoint resurser för att ansluta till MQTT-koordinatorer, Kafka, lagring och andra tjänster. Se Förbereda slutpunkter.
  • Profiler: Båda refererar till en DataflowProfile för skalning och instanskonfiguration. Se Hantera dataflödesprofiler.
  • Källkonfiguration: Båda stöder samma alternativ för källslutpunkter (standardmäklare, tillgång, anpassad slutpunkt) och konfiguration av datakälla (ämne). Se Konfigurera en källa.
  • Målkonfiguration: Båda stöder statiska och dynamiska målämnen. Se Konfigurera ett mål.
  • Diskpersistence: Båda stöder requestDiskPersistence för att överleva omstarter. Se Konfigurera diskbeständighet.

När du ska använda vilken

Använd dataflöden när:

  • Du behöver en enkel käll-till-destination-pipeline med grundläggande transformationer.
  • Du behöver skicka data till lagringsenheter (ADLS, Fabric, ADX, lokal lagring).
  • Du vill ha en allmänt tillgänglig, produktionsklar lösning.

Använd dataflödesdiagram när:

  • Du behöver förgrena meddelanden till olika bearbetningsvägar baserat på villkor.
  • Du behöver tidsbaserad aggregering (tumbling windows).
  • Du behöver flera kedjade transformer i en anpassad topologi.
  • Du arbetar endast med MQTT-, Kafka- eller OpenTelemetri-endpoints.

För nya projekt som använder stödda endpoint-typer, använd dataflödesgrafer. Dataflöden stöds fortfarande fullt ut för alla scenarier och de stöder alla typer av slutpunkter.

Relaterat innehåll

  • Last updated on