最近看了一些Azure上面做大資料分析和機器學習模型的框架和工具，感覺挺好的，已經形成了一個閉環，可以非常快捷的建立機器學習的應用。這裡通過一個虛構的例子，簡單列舉一下相關的幾個技術。有興趣的可以閱讀微軟的官方文件詳細瞭解。

Azure Machine Learning Workbench & Experimental

我訓練出來了一個很厲害的分類模型，給我一段時間的股價，我能告訴你明天股票是漲是跌。但是怎麼我怎麼才能用它呢？一個自然的想法是我要建立一個RESTful的Web App，接受輸入資料，傳遞給模型做predict，拿到輸出返回。於是噩夢來了，從模型到Web App，這裡面的工作量不小，並且我不感興趣，我感興趣的只是預測股票明天走勢的服務。這裡就需要用到Azure Machine Learning Workbench & Experimental了。只需要一點程式碼，它就可以幫我們捕捉模型的輸入和輸出，並且建立符合Swagger規範的Web App。Web App的執行使用了docker技術，支援cluster。具體請參考：https://docs.microsoft.com/en-us/azure/machine-learning/preview/

Azure Event Hubs

機器學習模型的Web App有了，但是我需要給它喂資料它才能出結果啊。對於股票來說，每天有大量的交易資料產生，怎麼處理它們呢？首先需要用到的是Azure Event Hubs。每個股票建立一個Event Hub，有了交易資料進來就放到對應的股票的Event Hub。至於後面怎麼處理，就不需要關心了，解耦了後續的邏輯。事實上，Event Hub可以自動把資料儲存在資料庫，Azure Blob，Azure Data Lake等地方，只需要在Azure Portal上面動動滑鼠。詳情：https://docs.microsoft.com/en-us/azure/event-hubs/

Azure Stream Analytics

交易資料不能直接給模型，還需要ETL，需要按照Time Window做Aggregation，Azure Stream Analytics可以不需要程式設計，就可以直接從Azure Event Hubs抓取資料，然後用類似SQL的語法分析和處理資料（並且提供了Time Windows）的支援，然後再輸出到另一個Azure Event Hubs。注意輸出到Azure Event Hubs也不需要程式設計，在Azure Portal上面動動滑鼠就可以了。詳情：https://docs.microsoft.com/en-us/azure/stream-analytics/

Azure Functions

說了這麼多，還是沒有調到我的機器學習Web App啊，別急，Azure Functions來了。Azure Functions實現了Serverless的概念，寫一段code，不用管它在哪裡執行，設定好Trigger和輸入，Trigger發生了，這段code就回被執行。Trigger可以是HTTP Request，也可以是Azure Event Hubs上的Event。輸出同樣也支援很多種類，甚至是簡訊。那麼我寫一個Azure Function，從Azure Stream Analytics的Event Hub接收資料，呼叫人工智慧Web App，結果再輸出到Event Hub或者資料庫。這樣所有的技術都粘合起來了：Data -> Azure Event Hubs -> Azure Stream Analytics -> Azure Function -> Machine Learning Web App。詳情：https://docs.microsoft.com/en-us/azure/azure-functions/

BUT？

這一套流程，有一部分和Apache的一系列框架和工具很接近。如果想用Apache系列的產品，實際上Azure也是支援的，即Azure對於部分功能，提供了兩個產品線的支援。

AND？

如果想嘗試上文提到的這些技術，可以申請一個免費的Azure賬戶，不過需要注意的是，註冊賬戶的時候，地區不能選擇中國。