串流分析中的無程式碼串流處理

無程式碼編輯器可讓您輕鬆地開發串流分析作業，以使用拖放功能處理即時串流資料，而不需撰寫單行程式碼。 體驗會提供畫布，可讓您連線到輸入來源，以快速查看串流資料。 然後，您可以在寫入目的地之前加以轉換。

使用無程式碼編輯器，您可以輕鬆地：

• 修改輸入結構描述。
• 執行資料準備作業，例如聯結和篩選。
• 為群組依據作業處理時間範圍彙總 (輪轉、跳動和工作階段視窗) 等進階案例。

在建立和執行您的串流分析作業之後，您可以輕鬆地操作生產工作負載。 使用正確的內建計量集進行監視和疑難排解。 串流分析作業在執行時會根據定價模式計費。

必要條件

在使用無程式碼編輯器開發串流分析作業之前，您必須符合這些需求：

• 串流分析作業的串流輸入來源和目標目的地資源必須可公開存取，且不能位於 Azure 虛擬網路中。
• 您必須具備存取串流輸入和輸出資源所需的權限。
• 您必須維護建立和修改 Azure 串流分析資源的權限。

Azure 串流分析作業

串流分析作業是根據三個主要元件建置的：串流輸入、轉換和輸出。 您可以具有任意數量的元件，包括多個輸入、具有多個轉換的平行分支，以及多個輸出。 如需詳細資訊，請參閱 Azure 串流分析文件。

若要存取無程式碼編輯器來建置串流分析作業，有兩種方法：

1. 透過串流分析入口網站 (預覽)：建立串流分析工作，然後在 [概觀] 頁面的 [開始使用] 索引標籤中選取無程式碼編輯器，或在左側面板中選取 [無程式碼編輯器]。

   

2. 透過 Azure 事件中樞入口網站：開啟事件中樞執行個體。 選取 [處理資料]，然後選取任何預先定義的範本。

   

   預先定義的範本可協助您開發和執行工作，以解決各種案例，包括：

   • 使用 Power BI 資料集來建置即時儀表板
   • 從 Delta Lake 格式的事件中樞擷取資料 (預覽)
   • 篩選並擷取至 Azure Synapse SQL
   • 在 Azure Data Lake Storage Gen2 中，以 Parquet 格式擷取事件中樞資料
   • 將 Azure Cosmos DB 中的資料具體化
   • 篩選並擷取至 Azure Data Lake Storage Gen2
   • 擴充資料並內嵌至事件中樞
   • 將資料轉換並儲存到 Azure SQL 資料庫
   • 篩選並內嵌至 Azure Data Explorer

下列螢幕擷取畫面顯示已完成的串流分析作業。 其會醒目提示您在製作時可用的所有區段。

1. 功能區：在功能區上，區段會遵循傳統分析程式的順序：事件中樞做為輸入（也稱為數據源）、轉換（串流擷取、轉換和載入作業）、輸出、儲存進度的按鈕，以及啟動作業的按鈕。
2. 圖表檢視：這是串流分析作業的圖形表示法，從輸入到作業再到輸出。
3. 側邊窗格：根據您已在圖表檢視中選取的元件，您會看到可修改輸入、轉換或輸出的設定。
4. 資料預覽、製作錯誤、執行階段記錄和計量的索引標籤：針對每個圖格，資料預覽會顯示該步驟的結果 (即時表示輸入；隨選表示轉換和輸出)。 本節也會概括您在開發作業時，可能在該作業中具有的任何撰寫錯誤或警告。 選取每個錯誤或警告會選取該轉換。 其也提供作業計量，讓您監視執行中作業的健康情況。

串流資料輸入

無程式碼編輯器支援從三種類型的資源串流資料輸入：

• Azure 事件中樞
• Azure IoT 中樞
• Azure Data Lake Storage Gen2

如需串流資料輸入的詳細資訊，請參閱將資料作為輸入串流處理至串流分析中。

Azure 事件中樞作為串流輸入

Azure 事件中樞是一個巨量資料串流平台與事件擷取服務。 它每秒可接收和處理數百萬個事件。 傳送至事件中樞的資料可以透過任何即時分析提供者或批次/儲存體配接器來轉換和儲存。

若要將事件中樞設定為作業的輸入，請選取 [事件中樞] 圖示。 圖格會出現在圖表檢視中，包括其設定和連線的側邊窗格。

當您在無程式碼編輯器中連線到事件中樞時，建議您建立新的取用者群組 (此為預設選項)。 此方法有助於防止事件中樞達到並行讀取器的限制。 若要深入了解取用者群組，以及您是否應該選取現有的取用者群組或建立新的群組，請參閱取用者群組。

如果您的事件中樞位於基本層中，您只能使用現有的 $Default 取用者群組。 如果您的事件中樞位於標準層或進階層中，您可以建立新的取用者群組。

當您要連線至事件中樞時，如果您選取 [受控識別] 作為驗證模式，則會將 Azure 事件中樞資料擁有者角色授與串流分析工作的受控識別。 若要深入了解事件中樞的受控識別，請參閱使用受控識別從 Azure 串流分析作業存取事件中樞。

受控識別可排除使用者型驗證方法的限制。 這些限制包含由於密碼變更或使用者權杖每 90 天會到期而發生的重新驗證需求。

在設定事件中樞詳細資料並選取 [連線] 之後，您可以使用 [+ 新增欄位] 手動新增欄位 (若您知道欄位名稱)。 若要改為根據內送郵件的範例自動偵測欄位和資料類型，請選取 [自動偵測欄位]。 選取齒輪符號可讓您在需要時編輯認證。

串流分析工作偵測到欄位時，您會在清單中看到這些欄位。 您也會在圖表檢視下方的 [資料預覽] 資料表中看到內送訊息的即時預覽。

修改輸入資料

您可以編輯欄位名稱，或是移除欄位或變更資料類型，或是變更事件時間 (標示為事件時間：若為日期時間類型欄位則為 TIMESTAMP BY 子句)，方法是選取每個欄位旁的三點符號。 您也可以展開、選取和編輯來自內送郵件的任何巢狀欄位，如下圖所示。

可用的資料類型如下︰

• DateTime：ISO 格式的日期和時間欄位。
• Float：十進位數。
• Int：整數。
• Record：具有多筆記錄的巢狀物件。
• String：文字。

Azure IoT 中樞作為串流輸入

Azure IoT 中樞是託管於雲端中的受控服務，可做為 IoT 應用程式及其附加裝置之間進行通訊的中央訊息中樞。 傳送至 IoT 中樞的 IoT 裝置資料可用作串流分析作業的輸入。

若要將 IoT 中樞新增為作業的串流輸入，請從功能區選取 [輸入] 底下的 [IoT 中樞]。 然後在右側面板中填入所需的資訊，以將 IoT 中樞連線至您的作業。 若要深入了解每個欄位的詳細資料，請參閱將資料從 IoT 中樞串流至串流分析作業。

Azure Data Lake Storage Gen2 作為串流輸入

Azure Data Lake Storage Gen2 (ADLS Gen2) 是雲端式企業資料湖解決方案。 其設計目的是以任何格式儲存大量資料，並協助處理巨量資料分析工作負載。 儲存在 ADLS Gen2 中的資料可由串流分析處理為資料流。 若要深入了解這種類型的輸入，請參閱將 ADLS Gen2 的資料串流至串流分析作業

若要將 ADLS Gen2 新增為作業的串流輸入，請從功能區選取 [輸入] 底下的 [ADLS Gen2]。 然後在右側面板中填入所需的資訊，以將 ADLS Gen2 連線至您的作業。 若要深入了解每個欄位的詳細資料，請參閱將資料從 ADLS Gen2 串流至串流分析作業

參考資料輸入

參考資料是靜態的，或是隨著時間緩慢變更。 其通常用來擴充傳入資料流程，並在您的作業中執行查閱。 例如，您可能會將資料流輸入聯結至參考資料，非常類似執行 SQL 聯結來查詢靜態值。 如需參考資料輸入的詳細資訊，請參閱使用參考資料在串流分析中進行查閱。

無程式碼編輯器現在支援兩個參考資料來源：

• Azure Data Lake Storage Gen2
• Azure SQL Database

Azure Data Lake Storage Gen2 做為參考資料

參考資料會依 Blob 名稱中指定日期/時間組合的遞增順序，以 Blob 序列的形式建立模型。 您只能使用比序列中最後一個 Blob 指定日期/時間更大的日期/時間，將 Blob 新增到序列的尾端。 Blob 定義於輸入設定中。

首先，在功能區的 [輸入] 區段底下，選取 [參考 ADLS Gen2]。 若要查看每個欄位的詳細資料，請在使用參考資料在串流分析中進行查閱中參閱關於 Azure Blob 儲存體的一節。

然後，上傳 JSON 陣列檔案。 將會偵測檔案中的欄位。 使用此參考資料透過事件中樞的串流輸入資料執行轉換。

Azure SQL Database 做為參考資料

您可以使用 Azure SQL Database 做為您無程式碼編輯器中串流分析作業的參考資料。 如需詳細資訊，請在使用參考資料在串流分析中進行查閱中參閱關於 SQL Database 的一節。

若要將 SQL Database 設定為參考資料輸入，請選取功能區上 [輸入] 區段底下的 [參考SQL Database]。 然後填入資訊以連線您的參考資料庫，然後選取包含您所需資料行的資料表。 您也可以手動編輯 SQL 查詢，藉此從資料表擷取參考資料。

轉換

串流資料轉換原本就與批次資料轉換不同。 幾乎所有串流資料都有時間元件，這會影響任何涉及的資料準備工作。

若要將串流資料轉換新增至您的作業，請在功能區的 [作業] 區段底下為該轉換選取轉換符號。 個別的圖格將會置放在圖表檢視中。 加以選取之後，您會看到側邊窗格，供該轉換設定圖格。

篩選器

使用篩選轉換，根據輸入中的欄位值篩選事件。 轉換會保留符合所選條件的值，取決於資料類型 (數位或文字)。

管理欄位

管理欄位轉換可讓您從輸入或另一個轉換新增、移除或重新命名內送欄位。 側邊窗格上的設定可讓您選擇新增一個欄位，方法是選取 [新增欄位] 或一次新增所有欄位。

您也可以使用 [內建函式] 來新增欄位，以彙總上游的資料。 目前，我們支援的內建函式是 [字串函式]、[日期和時間函式]、[數學函式] 中的一些函式。 若要深入了解這些函式的定義，請參閱內建函式 (Azure 串流分析)。

彙總

每次在一段時間內發生新事件時，您可以使用彙總轉換來計算彙總 (Sum、Minimum、Maximum 或 Average)。 此作業也可讓您根據資料中的其他維度來篩選或配量彙總。 您可以在相同的轉換中具有一或多個彙總。

若要新增彙總，請選取轉換符號。 然後連線輸入、選取彙總、新增任何篩選條件或配量維度，然後選取將計算彙總的時段。 在此範例中，我們會依車輛來自的那一州計算過去 10 秒的通行費總和。

若要將另一個彙總新增至相同的轉換，請選取 [新增彙總函式]。 請記住，篩選條件或配量會套用至轉換中的所有彙總。

聯結

使用聯結轉換，根據您選取的欄位組，結合來自兩個輸入的事件。 如果您未選取欄位組，則聯結預設會根據時間。 預設值是讓此轉換與批次轉換不同的項目。

如同一般聯結，您會有聯結邏輯選項：

• 內部聯結：只包含來自這兩個資料表與欄位組符合的記錄。 在此範例中，這是車牌比對這兩個輸入的位置。
• 左方外部聯結：包含來自左方 (第一個) 資料表的所有記錄，而且只包含來自第二個資料列且符合欄位組的記錄。 如果沒有相符項目，則來自第二個輸入的欄位會是空白的。

若要選取聯結的類型，請在側邊窗格上選取慣用類型的符號。

最後，選取您想要計算聯結的期間。 在此範例中，聯結會查看過去 10 秒。 請記住，期間越長，輸出的頻率越低，而您將用於轉換的處理資源就越多。

依預設，包含來自這兩個資料表的所有欄位。 輸出中的左前置詞 (第一個節點) 和右前置詞 (第二個節點)，可協助您區分來源。

分組依據

使用群組依據轉換來計算特定時間範圍內所有事件的彙總。 您可以依一或多個欄位中的值進行分組。 其就像彙總轉換一樣，但提供更多選項進行彙總。 其也包含更複雜的時間範圍選項。 也像彙總一樣，您可以為每個轉換新增多個彙總。

轉換中可用的彙總如下：

• 平均值
• Count
• 最大值
• 最低
• Percentile (連續和離散)
• 標準差
• Sum
• Variance

若要設定轉換：

1. 選取您慣用的彙總。
2. 選取您要彙總的欄位。
3. 如果您想要取得另一個維度或類別的彙總計算，請選取選擇性的群組依據欄位。 例如，狀態。
4. 為時間範圍選取您的函式。

若要將另一個彙總新增至相同的轉換，請選取 [新增彙總函式]。 請記住，[群組依據] 欄位和視窗化函式會套用至轉換中的所有彙總。

系統會顯示時間範圍的結束時間戳記，做為轉換輸出的一部分以供參考。 如需串流分析作業所支援時間範圍的詳細資訊，請參閱視窗化函式 (Azure 串流分析)。

Union

使用聯合轉換來連接兩個或以上輸入，將具有共用欄位 (名稱與資料類型相同) 的事件新增到一個資料表中。 不相符的欄位將會卸除，且不會包含在輸出中。

展開陣列

使用 [展開陣列] 轉換針對陣列內的每個值建立新的資料列。

串流輸出

無程式碼拖放體驗目前支援數種輸出接收，來儲存已處理的即時資料。

Azure Data Lake Storage Gen2

Data Lake Storage Gen2 讓 Azure 儲存體成為在 Azure 上打造企業 Data Lake 的基礎。 其旨在服務數 PB 的資訊，同時維持數百 GB 的輸送量。 其可讓您輕鬆地管理大量資料。 若要將大量非結構化資料儲存於雲端，Azure Blob 儲存體提供具有成本效益且可擴充的解決方案。

在功能區的 [輸出] 區段下，選取 [ADLS Gen2] 做為串流分析作業的輸出。 然後選取您要在其中傳送作業輸出的容器。 如需串流分析作業的 Azure Data Lake Gen2 輸出詳細資訊，請參閱 Azure 串流分析的 Blob 儲存體和 Azure Data Lake Gen2 輸出。

當您連線到 Azure Data Lake Storage Gen2 時，如果您選取 [受控識別] 做為驗證模式，則會將儲存體 Blob 資料參與者角色授與串流分析作業的受控識別。 若要深入了解適用於 Azure Data Lake Storage Gen2 的受控識別，請參閱使用受控識別向 Azure Blob 儲存體驗證 Azure 串流分析作業。

受控識別可排除使用者型驗證方法的限制。 這些限制包含由於密碼變更或使用者權杖每 90 天會到期而發生的重新驗證需求。

正好一次傳遞 (預覽) 支援 ADLS Gen2，因為沒有任何程式碼編輯器輸出。 您可以在 ADLS Gen2 組態的 [寫入模式] 區段中加以啟用。 如需此功能的詳細資訊，請參閱 Azure Data Lake Gen2 中的正好一次傳遞 (預覽)

寫入 Delta Lake 資料表 (預覽) 支援 ADLS Gen2，因為沒有任何程式碼編輯器輸出。 您可以在 ADLS Gen2 組態中的 [序列化] 區段中存取此選項。 如需此功能的詳細資訊，請參閱寫入至 Delta Lake 資料表。

Azure Synapse Analytics

Azure 串流分析作業可以將輸出傳送至 Azure Synapse Analytics 中的專用 SQL 集區資料表，且每秒可以處理最多 200 MB 的輸送量速率。 串流分析針對報告和儀表板等工作負載，支援需求最高的即時分析和最忙碌路徑資料處理需求。

在功能區的 [輸出] 區段下，選取 [Synapse] 做為串流分析作業的輸出。 然後選取您要在其中傳送作業輸出的 SQL 集區資料表。 如需串流分析作業的 Azure Synapse 輸出詳細資訊，請參閱 Azure 串流分析的 Azure Synapse Analytics 輸出。

Azure Cosmos DB

Azure Cosmos DB 是全域散發的資料庫服務，在全球各地提供無限的彈性調整。 其也透過無從驗證結構描述資料模型提供豐富查詢和自動索引。

在功能區的 [輸出] 區段下，選取 [CosmosDB] 做為串流分析作業的輸出。 如需串流分析作業的 Azure Cosmos DB 輸出詳細資訊，請參閱 Azure 串流分析的 Azure Cosmos DB 輸出。

當您連線到 Azure Cosmos DB 時，如果您選取 [受控識別] 做為驗證模式，則會將參與者角色授與串流分析作業的受控識別。 若要深入了解 Azure Cosmos DB 的受控識別，請參閱使用受控識別從 Azure 串流分析作業存取 Azure Cosmos DB (預覽)。

無程式碼編輯器的 Azure Cosmos DB 輸出也支援受控識別驗證方法，其優點與上述 ADLS Gen2 輸出相同。

Azure SQL Database

Azure SQL Database 是完全受控的平台即服務 (PaaS) 資料庫引擎，可協助您為 Azure 中的應用程式和解決方案建立高可用性和高效能的資料儲存層。 您可以使用無程式碼編輯器來設定 Azure 串流分析作業，將已處理的資料寫入 SQL Database 中的現有資料表。

若要將 Azure SQL Database 設定為輸出，請選取功能區上 [輸出] 區段底下的 [SQL Database]。 然後填入連線 SQL 資料庫所需的資訊，並選取您要寫入資料的資料表。

如需串流分析作業的 Azure SQL Database 輸出詳細資訊，請參閱 Azure 串流分析的 Azure SQL Database 輸出。

事件中樞

隨著即時資料傳入 ASA，無程式碼編輯器可以轉換、擴充資料，然後也會將資料輸出至另一個事件中樞。 當您設定 Azure 串流分析工作時，可以選擇 [事件中樞] 輸出。

若要將事件中樞設定為輸出，請在功能區的 [輸出] 區段底下選取 [事件中樞]。 然後填入所需的資訊，以連接您想要寫入資料的事件中樞。

如需串流分析作業的事件中樞輸出詳細資訊，請參閱 Azure 串流分析的事件中樞輸出。

Azure 資料總管

Azure 資料總管是一個完全受控、高效能的巨量資料分析平台，可讓您輕鬆地分析大量資料。 您也可以使用無程式碼編輯器，以 Azure 資料總管做為 Azure 串流分析作業的輸出。

若要將 Azure Data Explorer 設定為輸出，請在功能區的 [輸出] 區段底下選取 [Azure 資料總管]。 然後填入連線 Azure 資料總管資料庫所需的資訊，並指定您要寫入資料的資料表。

如需串流分析作業的 Azure 資料總管輸出相關詳細資訊，請參閱 Azure 串流分析的 Azure 資料總管輸出 (預覽)。

Power BI

Power BI 為您的資料分析結果提供完整的視覺效果體驗。 使用 Power BI 輸出至串流分析，處理過的串流資料會寫入 Power BI 串流資料集，然後可用來建置近即時的 Power BI 儀表板。 若要深入了解如何建置近即時的儀表板，請參閱使用從串流分析無程式碼編輯器產生的 Power BI 資料集建置即時儀表板。

若要將 Power BI 設定為輸出，請選取功能區上 [輸出] 區段底下的 [Power BI]。 然後填入必要的資訊以連線 Power BI 工作區，並提供您要寫入資料的串流資料集和資料表名稱。 若要深入了解每個欄位的詳細資料，請參閱串流分析的 Power BI 輸出。

資料預覽、撰寫錯誤、執行階段記錄和計量

無程式碼拖放體驗會提供工具，協助您針對串流資料撰寫、疑難排解和評估分析管線的效能。

輸入的即時資料預覽

當您連線至事件中樞等輸入來源，並在圖表檢視中選取其圖格 ([資料預覽] 索引標籤) 時，若下列所有情況都成立，您就會取得內送資料的即時預覽：

• 正在推送資料。
• 已正確設定輸入。
• 已新增欄位。

如下列螢幕擷取畫面所示，如果您想要查看或向下切入到特定項目，您可以暫停預覽 (1)。 或者，如果完成，您可以再次將其啟動。

您也可以查看特定記錄 (資料表中的「資料格」) 的詳細資料，方法是選取該記錄，然後選取 [顯示/隱藏詳細資料] (2)。 螢幕擷取畫面顯示記錄中巢狀物件的詳細檢視。

轉換和輸出的靜態預覽

在圖表檢視中新增並設定任何步驟之後，您可以選取 [取得靜態預覽] 來測試其行為。

完成之後，串流分析作業會評估所有轉換和輸出，以確定其已正確設定。 串流分析接著會在靜態資料預覽中顯示結果，如下圖所示。

您可以選取 [重新整理靜態預覽] (1) 來重新整理預覽。 當您重新整理預覽時，串流分析作業會從輸入取得新的資料，並評估所有轉換。 然後，其會再次傳送輸出，連同您可能已執行的任何更新。 [顯示/隱藏詳細資料] 選項 (2) 也可用。

撰寫錯誤

如果您有任何撰寫錯誤或警告，[撰寫錯誤] 索引標籤就會列出這些錯誤或警告，如下列螢幕擷取畫面所示。 清單包含錯誤或警告的詳細資料、卡片類型 (輸入、轉換或輸出)、錯誤層級，以及錯誤或警告的描述。

執行階段記錄

當作業執行時，執行階段記錄會出現在警告、錯誤或資訊層級。 當您想要編輯串流分析作業拓撲或設定以進行疑難排解時，這些記錄很有用。 強烈建議您開啟診斷記錄，並將其傳送至 [設定] 中的 Log Analytics 工作區，以深入解析您執行中的作業來進行偵錯。

在下列螢幕擷取畫面範例中，使用者使用了與作業輸出欄位不相符的資料表結構描述來設定 SQL Database 輸出。

計量

如果作業正在執行，您可以在 [計量] 索引標籤上監視作業的健康情況。預設顯示的四個計量是 [Watermark 延遲]、[輸入事件]、[待處理輸入事件] 和 [Output 事件]。 您可以使用這些計量來了解事件是否流入及流出作業，且沒有任何輸入待處理項目。

您可以從清單中選取更多計量。 若要深入了解所有計量，請參閱 Azure 串流分析作業計量。

啟動串流分析作業

您可以在建立作業時隨時儲存作業。 設定作業的串流輸入、轉換和串流輸出之後，您就可以啟動作業。

您可以設定這些選項：

• 輸出開始時間：當啟動作業時，您會選取作業開始建立輸出的時間。
  • 現在：這個選項可讓輸出事件資料流的起點與作業啟動的時間相同。
  • 自訂：您可以選擇輸出的起點。
  • 上次停止時：當作業先前已啟動，但已手動停止或失敗時，就可以使用此選項。 當您選擇此選項時，最後一個輸出時間將用來重新啟動作業，因此不會遺失任何資料。
• 串流單位：串流單位 (SU) 代表在執行時指派給作業的計算和記憶體數量。 如果您不確定要選擇多少 SU，建議您從 3 開始，並視需要進行調整。
• 輸出資料錯誤處理：僅在串流分析作業所產生的輸出事件不符合目標接收器的結構描述時，才適用輸出資料錯誤處理原則。 您可以選擇 [重試] 或 [卸除] 來設定此原則。 如需詳細資訊，請參閱 Azure 串流分析輸出錯誤原則。
• 開始：此按鈕會啟動串流分析作業。

Azure 事件中樞入口網站中的串流分析作業清單

若要查看您在串流分析入口網站使用無程式碼拖放功能體驗建立的所有串流分析作業清單，請選取 [處理資料]>[串流分析作業]。

以下是 [串流分析作業] 索引標籤的元素：

• 篩選：您可以依作業名稱篩選清單。
• 重新整理：目前清單本身不會自動重新整理。 使用 [重新整理] 按鈕來重新整理清單並查看最新狀態。
• 作業名稱：此區域中的名稱是您建立作業的第一個步驟中所提供的名稱。 您無法編輯此名稱。 選取作業名稱，以無程式碼拖放功能體驗開啟作業，您可以在其中停止作業、編輯作業，然後再次啟動作業。
• 狀態：此區域會顯示作業狀態。 選取清單頂端的 [重新整理]，以查看最新狀態。
• 串流單位：此區域會顯示啟動作業時選取的串流單位數目。
• 輸出浮水印：此區域會提供作業所產生資料的有效性指標。 時間戳記之前的所有事件都已完成計算。
• 作業監視：選取 [開啟計量] 以查看與此串流分析作業相關的計量。 如需可用來監視串流分析作業的計量詳細資訊，請參閱 Azure 串流分析作業計量。
• 作業：啟動、停止或刪除作業。

下一步

了解如何使用無程式碼編輯器，利用預先定義的範本來處理常見案例：

• Azure Stream Analytics 介紹
• 使用 Azure 入口網站監視串流分析工作
• 了解 Azure 串流分析的輸入
• 來自串流分析的輸出