19.06.25 - Примечания к выпуску Apigee Edge для публичного облака

Вы просматриваете документацию Apigee Edge .
Перейти к документации Apigee X.
info

Во вторник, 25 июня 2019 года, мы начали выпуск новой версии Analytics для Apigee Edge для публичного облака.

Новые функции и обновления

Ниже перечислены новые функции и обновления в этом выпуске.

Публичный выпуск асинхронных пользовательских аналитических отчетов

До сих пор аналитические пользовательские отчёты можно было запускать только синхронно . Для синхронного отчёта вы запускаете запрос на отчёт, который блокируется до получения ответа от сервера аналитики. Однако, поскольку отчёт может потребовать обработки большого объёма данных (например, сотен гигабайт), синхронный отчёт может завершиться сбоем из-за тайм-аута.

В этом выпуске добавлена ​​поддержка асинхронного запуска пользовательских отчётов. Для асинхронного отчёта вы отправляете запрос на отчёт и получаете результаты позднее. Вот несколько ситуаций, когда асинхронная обработка запросов может быть хорошей альтернативой:

  • Анализ и создание отчетов, охватывающих большие временные интервалы.
  • Анализ данных с различными параметрами группировки и другими ограничениями, которые усложняют запрос.
  • Управление запросами, когда вы обнаруживаете, что объемы данных значительно увеличились для некоторых пользователей или организаций.

Вы можете запустить пользовательский отчёт асинхронно из пользовательского интерфейса Edge или с помощью Edge API . Вы также можете запустить отчёт о монетизации асинхронно, как описано в разделе «Управление отчётами» .

Публичный выпуск экспорта аналитических данных

Apigee Analytics собирает и анализирует широкий спектр данных, проходящих через ваши API, и предоставляет инструменты визуализации, включая интерактивные панели мониторинга, настраиваемые отчеты и другие инструменты, выявляющие тенденции в производительности прокси-серверов API.

Теперь вы можете экспортировать эти аналитические данные из Apigee Analytics в собственное хранилище данных, например, Google Cloud Storage или BigQuery. Затем вы сможете воспользоваться мощными возможностями обработки запросов и машинного обучения, предоставляемыми Google Cloud BigQuery и TensorFlow, для проведения собственного анализа данных.

Подробнее см. в разделе Экспорт данных из Analytics .