Azure EventHub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。