scenari di Azure Functions

Spesso si creano sistemi che reagiscono a una serie di eventi critici. Sia che si stia creando un'API Web, rispondendo alle modifiche del database o elaborando flussi di eventi o messaggi, è possibile usare Azure Functions per implementare questi sistemi.

In molti casi una funzione si integra con una serie di servizi cloud per offrire implementazioni complete e avanzate. L'elenco seguente mostra scenari comuni (ma non esaustivi) per Azure Functions.

Selezionare il linguaggio di sviluppo nella parte superiore dell'articolo.

Elaborare caricamenti di file

È possibile usare le funzioni in diversi modi per elaborare i file in o in un contenitore di archiviazione BLOB. Per altre informazioni sulle opzioni per l'attivazione in un contenitore BLOB, vedere Uso di BLOB nella documentazione sulle procedure consigliate.

Ad esempio, in una soluzione di vendita al dettaglio, un sistema partner può inviare informazioni sul catalogo prodotti come file nell'archivio BLOB. È possibile usare una funzione attivata da BLOB per convalidare, trasformare ed elaborare i file nel sistema principale durante il caricamento.

Le esercitazioni seguenti usano un trigger BLOB (basato su Griglia di eventi) per elaborare i file in un contenitore BLOB:

[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();
        }
    }
}

Elaborazione di flussi ed eventi in tempo reale

Le applicazioni cloud, i dispositivi IoT e i dispositivi di rete generano e raccolgono una grande quantità di dati di telemetria. La soluzione Funzioni di Azure può elaborare tali dati near real-time come percorso di dati ad accesso frequente, quindi archiviarli in Azure Cosmos DB per l'utilizzo in un dashboard analitico.

Le funzioni possono anche usare trigger di eventi a bassa latenza come Griglia di eventi e output in tempo reale come SignalR per elaborare dati quasi in tempo reale.

[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);
}

Machine Learning e intelligenza artificiale

Azure Functions fornisce risorse di calcolo serverless che si integrano con l'intelligenza artificiale e i servizi di Azure per semplificare la creazione di applicazioni intelligenti ospitate nel cloud. È possibile usare il modello di programmazione funzioni per creare e ospitare server MCP (Remote Model Content Protocol) e implementare vari strumenti di intelligenza artificiale. Per altre informazioni, vedere Strumenti e server MCP.

L'estensione di associazione Azure OpenAI consente di integrare funzionalità e comportamenti di intelligenza artificiale del servizio Azure OpenAI, come la generazione aumentata dal recupero (RAG), nelle esecuzioni del codice della funzione. Per altre informazioni, vedere Generazione aumentata tramite recupero.

Una funzione può anche chiamare un modello TensorFlow o Strumenti Foundry per elaborare e classificare un flusso di immagini.

Per altre informazioni, vedere Usare strumenti e modelli di intelligenza artificiale in Azure Functions.

Eseguire attività pianificate

Funzioni consente di eseguire il codice in base a una pianificazione Cron definita dall'utente.

Vedere Creare una funzione nel portale di Azure in esecuzione in base a una pianificazione.

Ad esempio, è possibile analizzare un database clienti dei servizi finanziari per individuare voci duplicate ogni 15 minuti per evitare che più comunicazioni vengano eseguite allo stesso cliente.

Per esempi, vedere questi frammenti di codice:

[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
}

Creare un'API Web scalabile

Una funzione attivata da HTTP definisce un endpoint HTTP. Questi endpoint eseguono il codice della funzione che può connettersi ad altri servizi direttamente, oppure usando estensioni di binding. È possibile comporre gli endpoint in un'API basata sul Web.

È anche possibile usare un endpoint di funzione attivato da HTTP come integrazione di webhook, ad esempio GitHub webhook. In questo modo, è possibile creare funzioni che elaborano i dati da eventi GitHub. Per ulteriori informazioni, vedere Monitorare gli eventi di GitHub usando un webhook con Azure Functions.

Per esempi, vedere questi frammenti di codice:

[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();
}

Creare un flusso di lavoro serverless

Le funzioni spesso fungono da componente di calcolo in una topologia serverless di flusso di lavoro, come ad esempio un flusso di lavoro di Logic Apps. È anche possibile creare orchestrazioni a esecuzione prolungata usando l'estensione Durable Functions. Per altre informazioni, vedere panoramica di Durable Functions.

Rispondere alle modifiche di database

Alcuni processi devono registrare, controllare o eseguire altre operazioni quando vengono modificati i dati archiviati. I trigger di Funzioni consentono di ricevere una notifica di eventuali modifiche ai dati per al fine di inizializzare un'operazione di questo tipo.

Creare sistemi di messaggistica affidabili

È possibile usare Funzioni con Azure servizi di messaggistica per creare soluzioni di messaggistica avanzate basate su eventi.

Ad esempio, è possibile usare i trigger nelle code Azure Storage come modo per concatenare una serie di esecuzioni di funzioni. In alternativa, usare code e trigger del bus di servizio per un sistema di ordinamento online.

Questi articoli illustrano come scrivere l'output in una coda di archiviazione:

Questi articoli illustrano come eseguire l'attivazione da una coda o un argomento del bus di servizio di Azure.

Passaggi successivi