Data Connections は、Azure サブスクリプション内の承認されたストレージ リソースへの PlayStream およびテレメトリ データの継続的、ほぼリアルタイムでの取り込みを可能にします。この機能は、Azure Blob Storage、Azure Data Explorer (ADX)、Microsoft Fabric KQL データベース、および Amazon Web Services S3 で動作します。これは、5 分未満のデータ取り込みレイテンシで、ストレージ アカウント内のデータを制御できます。アーキテクチャはバッチ処理用に設計されており、より高いスループット、より低いストレージ コスト、およびより高い柔軟性で Blob Storage の Parquet ファイルをサポートします。データ配信の失敗に備えて、組み込みの自動再試行メカニズムがデータが正常に配信されることを保証するのに役立ちます。
PlayFab の Game Manager ポータルまたはスケーラブルな API を使用して、イベント取り込みのために Data Connections を使い始めることができます。
ADX、Blob、または Fabric KQL のいずれも使用できますが、これらのオプションには異なる潜在的な使用ケースがあります。ML モデリングとバッチ処理に Synapse を使用している場合は Blob を好む可能性があります。一方、ADX は、アドホック分析、クエリ実行、およびライブ サービスのリアルタイム デバッグをサポートします。
なぜ必要なのか? Data Connections は、PlayFab が現在サポートしている Event Export および Export to S3 機能を置き換えます。これにより、オフライン処理のためにサポートされている形式でより高速なエクスポートが可能になります。データが取り込まれて配信されるストレージ アカウントを提供します。つまり、保存時の暗号化、ライフサイクル管理、およびネットワーク アクセスを制御できます。ストレージ コストは全体的な Azure アカウントの請求に集中的に含まれているため、請求が簡素化されます。
Azure Blob Data Connection データは Parquet blob 形式ですぐに利用可能です。Parquet は、効率的なデータ ストレージと取得のために設計された列指向のデータ ファイル形式です。これは、複雑なデータをバルクで処理するために強化されたパフォーマンスで効率的なデータ圧縮とエンコード スキームを提供し、低レイテンシ、高スループット、低コストのデータ ストレージをもたらします。バッチと対話型ワークロードの両方の共通の交換形式として設計されています。これにより、Blob Storage はオフライン処理およびコスト最適化された分析とレポート (保存されたファイルに対するアドホック クエリを含む) に適しています。
Azure Data Explorer Data Connection Data Connections を使用すると、Azure Data Explorer にエクスポートしてデータのほぼリアルタイムでの取り込みと配布を行うことができます。Azure Data Explorer は、数秒で数百万のレコードをクエリでき、貴重な洞察を得て、迅速かつ効率的に情報に基づいた意思決定を行うことができます。
より最適化されたコストとデータ制御のために、Event Sampling と共に Data Connections を利用できます。サンプリングでは、受信したいイベント データの割合を構成できます。
Microsoft Fabric KQL database Data Connection PlayFab の Data Connections を使用してゲーム イベントを Real-Time Analytics (RTA) データベースに送信し、Power BI でほぼリアルタイムの洞察を生成したり、Microsoft Fabric ワークスペースで KQL クエリを実行したりできます。
Amazon AWS S3 Data Connection (プレビュー) AWS S3 Data Connection は、PlayFab のテレメトリおよびイベント データを独自の Amazon S3 バケットに直接ストリーミングする安全でスケーラブルな方法を提供します。信頼性と高スループット ワークロード向けに設計されており、堅牢なパイプラインを使用してゲーム データを検証、転送し、オープンな分析対応形式で着地させます。独自の AWS ストレージと IAM ロールを使用することで、データ ガバナンス、暗号化、アクセス ポリシー、ライフサイクル管理、およびコストの可視性を制御できます。これにより、AWS 環境での BI レポート、機械学習、大規模データ処理などの下流ワークフローも可能になります。 