你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

实时处理以最低的延迟对实时捕获的数据流进行处理，以生成实时（或近乎实时）报告或自动响应。 例如，实时监视解决方案可以使用传感器数据来检测车流量。 可以使用此数据动态更新地图以显示交通堵塞情况，或自动启动堵塞车道或其他交通管理系统。

实时处理定义为处理无约束输入数据流，处理时要求延迟极短——以毫秒或秒计。 此传入数据通常以非结构化或半结构化格式（例如 JSON）传送，其处理要求与批处理相同，但周转时间更短，可支持实时使用。

处理的数据通常写入已针对分析和可视进行优化的分析数据存储。 还可以将处理的数据直接引入分析和报告层，以用于分析、商业智能和实时仪表板可视化。

实时处理解决方案的最大难题之一是实时引入、处理和存储消息，尤其是消息量很大时。 执行处理时不能阻塞引入管道。 数据存储必须支持大量写入。 另一个难题是快速处理数据，例如，实时生成警报，或者在实时（或近乎实时）仪表板中显示数据。

实时处理体系结构包含以下逻辑组件。

实时消息引入。 该体系结构必须提供一种方法来捕获和存储流处理使用方使用的实时消息。 在简单的场合中，可将此服务实施为简单的数据存储，以便将新消息放入其中的某个文件夹。 但是，解决方案通常需要一个充当消息缓冲区的消息中转站，例如 Azure 事件中心。 消息中转站应支持横向扩展处理和可靠传递。

流处理。 捕获实时消息后，解决方案必须通过筛选、聚合以及准备用于分析的数据来处理消息。

分析数据存储。 许多大数据解决方案会先准备用于分析的数据，然后以结构化格式提供已处理的数据供分析工具查询。

分析和报告。 大多数大数据解决方案的目的是通过分析和报告提供对数据的见解。

建议对 Azure 中的实时处理解决方案选择以下技术。

有关详细信息，请参阅实时消息引入。

有关详细信息，请参阅数据存储。

有关详细信息，请参阅流处理。

有关详细信息，请参阅分析数据存储。

有关详细信息，请参阅分析和报告。

在单纯的实时解决方案中，大多数处理业务流程由消息引入和流处理组件管理。 但是，在结合批处理与实时处理的 lambda 体系结构中，可能需要使用 Azure 数据工厂或 Apache Oozie 和 Sqoop 等业务流程框架来管理捕获的实时数据的批处理工作流。

本文由 Microsoft 维护， 它最初是由以下贡献者撰写的。

主要作者：