Sie lesen gerade die Dokumentation zu Apigee Edge.
Apigee X-Dokumentation aufrufen. info
Am Dienstag, dem 19. Februar 2019, haben wir mit der Veröffentlichung einer Betaversion von Analytics für Apigee Edge for Public Cloud begonnen.
Neue Features und Updates
Im Folgenden finden Sie die neuen Funktionen und Updates in dieser Version.
Betaversion von asynchronen benutzerdefinierten Analytics-Berichten
Bisher konnten Sie benutzerdefinierte Analytics-Berichte nur synchron ausführen. Bei einem synchronen Bericht führen Sie die Berichtsanfrage aus und die Anfrage wird blockiert, bis der Analyseserver eine Antwort sendet. Da jedoch ein Bericht möglicherweise eine große Datenmenge verarbeiten muss (z. B. Hunderte Gigabyte), kann ein synchroner Bericht aufgrund einer Zeitüberschreitung fehlschlagen.
In dieser Betaversion wird die asynchrone Ausführung benutzerdefinierter Berichte unterstützt. Bei einem asynchronen Bericht (Beta) stellen Sie eine Berichtsanfrage und rufen die Ergebnisse zu einem späteren Zeitpunkt ab. Einige Situationen, in denen die asynchrone Abfrageverarbeitung eine gute Alternative darstellt, sind:
- Analysieren und Erstellen von Berichten, die große Zeitintervalle umfassen.
- Analysieren von Daten mit einer Vielzahl von Gruppierungsdimensionen und anderen Einschränkungen, die die Abfrage komplexer machen
- Verwalten von Abfragen, wenn Sie feststellen, dass die Datenmengen für einige Nutzer oder Organisationen erheblich gestiegen sind.
Sie können einen benutzerdefinierten Bericht asynchron über die Edge-Benutzeroberfläche oder mit der Edge API ausführen. Sie können auch einen Monetarisierungsbericht asynchron ausführen, wie hier beschrieben.
Betaversion des Exports von Analysedaten
Apigee Analytics erfasst und analysiert ein breites Spektrum an Daten, die durch Ihre APIs fließen, und bietet Visualisierungstools, einschließlich interaktiver Dashboards, benutzerdefinierter Berichte und anderer Tools, die Trends in der API-Proxy-Leistung erkennen.
Sie können diese Analysedaten jetzt aus Apigee Analytics in ein eigenes Datenrepository wie Google Cloud Storage oder BigQuery exportieren. Anschließend können Sie die leistungsstarken Abfrage- und Machine Learning-Funktionen von Google Cloud BigQuery und TensorFlow nutzen, um Ihre eigenen Daten zu analysieren.
Weitere Informationen finden Sie unter Daten aus Analytics exportieren (Beta).