Azure EventHubs快速入门和使用心得

Azure Event Hubs（事件中心）是一个大数据流式数据摄取服务平台，每秒接受数百万事件;

　　EventHubs 是一个有数据保留期限的缓冲区，类似分布式日志；可缩放的关键在于【分区消费模型】，每分区独立存储数据，被后端独立消费。随着时间推移，事件会逐渐老化，所以分区不会 full.

发送到Eventhub 中的数据可以被 readl-time analytics provider 和后端batch/storage adapters 处理和存储。

为什么要使用EventHubs？

从EventHubs中及时获取、探索数据 相当简单，EventHubs 提供了低延迟的分布式流式处理平台（低延迟、无缝集成Azure内外的数据和分析服务）

EventHubs代表“event管道”的前门，一般被定义为事件摄取器：在事件发布者和事件消费者之间起解耦作用的组件或服务。

特性

• Paas 上全托管
• 支持实时和批处理
• 可缩放
• 丰富的生态

本文主要记录两个重要知识点：Partition， EventHubs Capture

Azure上创建EventHubs命名空间之后，新增EventHubs时要关注以上配置。

Partition Consumer Model

为支持摄取、存储、 实时处理流式数据，EventHub是建立在分区消费模型之上，提高了可用性和并发度;

① 水平扩展事件处理能力，提供了Queue和topic等流式结构不具备的特性（某分区节点下线，其余分区可继续提供 发送和接受能力）

② 可让多进程并发处理流式数据， 并可自行控制处理速度。

③ 支持批量发送事件， 单批次发送不超过1M事件

【是否启用分区】取决于开发者在【数据一致性和可用性之间的平衡思考】

 If high availability is most important, do not specify a partition key; in that case events are sent to partitions using the round-robin model described previously.

 In many cases, using a partition key is a good choice if event ordering is important. 　　　　著名的CAP定理。

EventHubs Capture

Azure EventHubs Capture 是把数据加载到Azure中最快捷的方式，可在使用 EventHubs Capture时 指定 Azure Blob storage account 或者 Azure Data Lake Store account存储数据。

捕获时机： 最上面Capture配置图， 捕获时机支持2种策略：time window 和 size window，  每个分区满足任一策略则触发该分区的捕获动作。

// 文件路径如下，包含命名空间、捕获分区，每个文件以秒命名
{Namespace}/{EventHub}/{PartitionId}/{Year}/{Month}/{Day}/{Hour}/{Minute}/{Second}

Azure EventHubs Capture 开始工作之后，在没有数据的情况下默认会写入空文件，这给后端消费程序提供了稳定的流量预期， 当然也可在创建EventHubs 配置勾选【Do not emit empty files when no events occur during the Capture time window<】

捕获文件格式： avro 是一种简洁快速，携带丰富数据结构的二进制格式

 捕获的文件可使用Azure Storage Explorer查看， 注意这里要使用账号登陆Azure中国区， 后面就是 Azure Storage Account的事宜。