Scenarier för Azure Functions

Ofta skapar du system som reagerar på en rad kritiska händelser. Oavsett om du skapar ett webb-API, svarar på databasändringar eller bearbetar händelseströmmar eller meddelanden kan du använda Azure Functions för att implementera dessa system.

I många fall integreras en funktion med en matris med molntjänster för att tillhandahålla funktionsrika implementeringar. I följande lista visas vanliga (men inte på något sätt uttömmande) scenarier för Azure Functions.

Välj ditt utvecklingsspråk överst i artikeln.

Bearbeta filuppladdningar

Du kan använda funktioner på flera sätt för att bearbeta filer in i eller ut ur en bloblagringscontainer. För att lära dig mer om alternativ för att trigga på en blobcontainer, se Arbeta med blobar i dokumentationen om bästa praxis.

I en detaljhandelslösning kan till exempel ett partnersystem skicka produktkataloginformation som filer till bloblagring. Du kan använda en blobutlöst funktion för att verifiera, transformera och bearbeta filerna till huvudsystemet när du laddar upp dem.

Diagram för en filuppladdningsprocess med hjälp av Azure Functions.

Följande handledningar använder en Azure Blob-utlösare (baserad på Azure Event Grid) för att bearbeta filer i en blob-behållare:

Du kan till exempel använda Blob-utlösaren med en händelseprenumeration på blobcontainrar:

[FunctionName("ProcessCatalogData")]
public static async Task Run([BlobTrigger("catalog-uploads/{name}", Source = BlobTriggerSource.EventGrid, Connection = "<NAMED_STORAGE_CONNECTION>")] Stream myCatalogData, string name, ILogger log)
{
    log.LogInformation($"C# Blob trigger function Processed blob\n Name:{name} \n Size: {myCatalogData.Length} Bytes");

    using (var reader = new StreamReader(myCatalogData))
    {
        var catalogEntry = await reader.ReadLineAsync();
        while(catalogEntry !=null)
        {
            // Process the catalog entry
            // ...

            catalogEntry = await reader.ReadLineAsync();
        }
    }
}

Realtidsström och händelsebearbetning

Molnprogram, IoT-enheter och nätverksenheter genererar och samlar in en stor mängd kunddata. Azure Functions kan bearbeta dessa data nästan i realtid som frekvent sökväg och sedan lagra dem i Azure Cosmos DB för användning på en instrumentpanel för analys.

Dina funktioner kan också använda händelseutlösare med låg latens, till exempel Event Grid, och realtidsutdata som SignalR för att bearbeta data nästan i realtid.

Diagram för en realtidsströmprocess med hjälp av Azure Functions.

Du kan till exempel använda trigger för händelsehubbar för att läsa från en händelsehubb och utdatabindningen för att skriva till en händelsehubb efter att ha delat upp och transformerat händelserna:

[FunctionName("ProcessorFunction")]
public static async Task Run(
    [EventHubTrigger(
        "%Input_EH_Name%",
        Connection = "InputEventHubConnectionSetting",
        ConsumerGroup = "%Input_EH_ConsumerGroup%")] EventData[] inputMessages,
    [EventHub(
        "%Output_EH_Name%",
        Connection = "OutputEventHubConnectionSetting")] IAsyncCollector<SensorDataRecord> outputMessages,
    PartitionContext partitionContext,
    ILogger log)
{
    var debatcher = new Debatcher(log);
    var debatchedMessages = await debatcher.Debatch(inputMessages, partitionContext.PartitionId);

    var xformer = new Transformer(log);
    await xformer.Transform(debatchedMessages, partitionContext.PartitionId, outputMessages);
}

Bygg AI-aktiverade appar

Använd Azure Functions för att göra data och API:er tillgängliga för AI-klienter och för att lägga till AI-resonemang i händelsedrivna applikationer.

Gör dina data och API:er tillgängliga för AI

AI-klienter och agenter behöver verktyg som ger kontrollerad åtkomst till affärsdata, API:er och applikationslogik. Du kan använda Azure Functions för att bygga och hosta fjärrservrar för Model Context Protocol (MCP) som exponerar dessa funktioner som verktyg. Functions tillhandahåller hanterad hosting, autentisering, nätverk, övervakning och skalning för din MCP-server.

Till exempel kan du exponera produktlager, kundkontodata eller ett befintligt affärs-API som verktyg som en AI-kund kan upptäcka och anropa.

Diagram som visar en AI-klient som anropar en fjärr-MCP-server som hostas av Azure Functions, vilket ger kontrollerad åtkomst till affärs-API:er och data.

Lägg till AI-resonemang i affärshändelser

Vissa affärshändelser kräver att man resonerar innan din applikation kan avgöra vad som ska göras härnäst. Azure Functions hostade färdigheter låter dig definiera AI-drivet arbete i Markdown och starta det från scheman, HTTP-förfrågningar, kömeddelanden, lagringsändringar och andra händelser. Den hostade färdigheten kan anropa verktyg och tjänster innan de returnerar ett resultat eller utför en åtgärd.

Till exempel kan en hostad färdighet klassificera ett inkommande klagomål och skicka det till rätt kö. För mer komplext arbete kan ett dynamiskt arbetsflöde skapa en hållbar plan i flera steg som kör uppgifter parallellt, väntar på yttre förhållanden och återupptas efter att arbetet startat om.

Diagram som visar händelser, meddelanden och scheman som startar en hostad färdighet på Azure Functions, som använder en Foundry-modell och kan anropa verktyg, API:er, kopplingar och åtgärder.

Köra schemalagda aktiviteter

Med Functions kan du köra koden baserat på ett cron-schema som du definierar.

Mer information finns i Skapa en funktion i Azure portalen som körs enligt ett schema.

Du kan till exempel analysera en kunddatabas för finansiella tjänster för duplicerade poster var 15:e minut för att undvika att flera meddelanden skickas till samma kund.

Diagram över en schemalagd aktivitet där en funktion rensar en databas var 15:e minut och deduplicerar poster baserat på affärslogik.

Exempel finns i följande kodfragment:

[FunctionName("TimerTriggerCSharp")]
public static void Run([TimerTrigger("0 */15 * * * *")]TimerInfo myTimer, ILogger log)
{
    if (myTimer.IsPastDue)
    {
        log.LogInformation("Timer is running late!");
    }
    log.LogInformation($"C# Timer trigger function executed at: {DateTime.Now}");

    // Perform the database deduplication
}

Tänk på det här exemplet:

Tänk på det här exemplet:

Tänk på det här exemplet:

Tänk på det här exemplet:

Tänk på det här exemplet:

Skapa ett skalbart webb-API

En HTTP-utlöst funktion definierar en HTTP-slutpunkt. Dessa slutpunkter kör funktionskod som kan ansluta till andra tjänster direkt eller med hjälp av bindningstillägg. Du kan skapa slutpunkterna i ett webbaserat API.

Du kan också använda en HTTP-utlöst funktionsslutpunkt som en webhookintegrering, till exempel GitHub webhooks. På så sätt kan du skapa funktioner som bearbetar data från GitHub händelser. Mer information finns i Azure Functions HTTP-utlösare.

Diagram för bearbetning av en HTTP-begäran med hjälp av Azure Functions.

Exempel finns i följande kodfragment:

[FunctionName("InsertName")]
public static async Task<IActionResult> Run(
    [HttpTrigger(AuthorizationLevel.Function, "post")] HttpRequest req,
    [CosmosDB(
        databaseName: "my-database",
        collectionName: "my-container",
        ConnectionStringSetting = "CosmosDbConnectionString")]IAsyncCollector<dynamic> documentsOut,
    ILogger log)
{
    string requestBody = await new StreamReader(req.Body).ReadToEndAsync();
    dynamic data = JsonConvert.DeserializeObject(requestBody);
    string name = data?.name;

    if (name == null)
    {
        return new BadRequestObjectResult("Please pass a name in the request body json");
    }

    // Add a JSON document to the output container.
    await documentsOut.AddAsync(new
    {
        // create a random ID
        id = System.Guid.NewGuid().ToString(),
        name = name
    });

    return new OkResult();
}

Skapa ett serverlöst arbetsflöde

Funktioner fungerar ofta som beräkningskomponent i en serverlös arbetsflödestopologi, till exempel ett Logic Apps-arbetsflöde. Du kan också skapa långvariga orkestreringar med hjälp av tillägget Durable Functions. Mer information finns i Durable Functions översikt.

En kombinationsdiagram över en serie specifika serverlösa arbetsflöden med hjälp av Azure Functions.

Tänk på följande exempel:

Svara på databasändringar

Vissa processer måste logga, granska eller utföra andra åtgärder när lagrade data ändras. Funktionsutlösare är ett bra sätt att meddelas om dataändringar för att initiera en sådan åtgärd.

Diagram över en funktion som används för att svara på databasändringar.

Tänk på följande exempel:

Skapa tillförlitliga meddelandesystem

Du kan använda Functions med Azure meddelandetjänster för att skapa avancerade händelsedrivna meddelandelösningar.

Till exempel kan du använda utlösare på köer i Azure Storage som ett sätt att länka samman en serie funktionskörningar. Eller använd Service Bus-köer och utlösare för ett onlinebeställningssystem.

Diagram av Azure Functions i ett tillförlitligt meddelandesystem.

De här artiklarna visar hur du skriver utdata till en lagringskö:

De här artiklarna beskriver hur man kan skapa en trigger från en kö eller ett ämne i Azure Service Bus.

Nästa steg

Komma igång med Azure Functions

  • Uppdaterades senast