스트리밍 데이터의 자동화

스트리밍 데이터셋이나 스트림 기반 객체를 감시하면 새 데이터가 온톨로지에 들어온 뒤 수초 수준으로 효과를 실행하는 자동화를 구성할 수 있습니다. 원시 스트림을 직접 감시하는 경로와 객체를 감시하는 경로는 지원 조건과 처리량 제한이 다릅니다.

스트림 기반 객체

대규모 연속 데이터에는 스트림 기반 객체를 감시하는 경로를 사용할 수 있습니다. 이 감시 경로에는 원시 스트림 직접 감시의 초당 200개 레코드 제한이 없습니다. 이벤트별 객체 수와 실행 시간 같은 자동화 한도는 별도로 확인합니다.

스트림 기반 객체에 사용할 조건 선택

Objects modified 조건에서 스트림 기반 객체 유형을 선택하면 평가 주기가 해당 경로에 맞게 표시됩니다.

스트림 기반 객체를 선택한 뒤 표시되는 평가 주기

스트림 기반 객체의 실시간 감시는 Objects modified in set만 지원합니다. Objects added와 Objects removed에는 스케줄 감시를 사용하거나 배치 기반 객체 유형을 사용해야 합니다.

이 경로에서는 감시할 속성을 따로 지정할 수 없으며 모든 변경을 처리합니다. 상태를 유지하는 판단이 필요하면 감시 집합의 조건과 후속 온톨로지 상태 처리를 함께 구성합니다. 예를 들어 연속 거래의 의심 패턴을 감시하는 업무에 사용할 수 있습니다.

스트리밍 데이터셋을 직접 선택하는 경로의 처리량은 초당 200개 레코드 이하여야 합니다. Stream 조건을 선택하고 데이터셋을 검색한 뒤 액션이나 Logic 등 효과를 구성합니다.

객체를 거치지 않고 원시 스트림을 선택하는 조건

바이너리 열을 효과 입력으로 사용하면 Automate가 내용을 디코딩합니다. 예를 들어 eyJIZWxsbyI6ICJXb3JsZCEifQ==는 다음 문자열로 전달합니다.

{"Hello": "World!"}

이 예의 입력은 디코딩된 문자열이며 JSON 객체로 자동 변환했다고 가정하지 않습니다.

Queue effect executions를 사용하면 이벤트를 발동 순서대로 처리할 수 있습니다. 순서가 중요하거나 후속 시스템의 동시 처리량과 충돌을 제한할 때 사용합니다. 온도 센서 스트림에서 특정 값 초과를 감지하는 경보도 이러한 구성의 예입니다.

시계열 조건은 스트리밍 경보의 설정을 사용하여 낮은 지연 시간으로 평가할 수 있습니다.