Nano Hash - криптовалюты, майнинг, программирование

C # Функция Azure - триггер CosmosDB и анализ данных документа

Я работаю над функцией Azure, которая запускается на триггере CosmosDB. Microsoft создала этот пример https://docs.microsoft.com/en-us/azure/azure-functions/functions-create-cosmos-db-triggered-function, который отлично работает в отношении триггера.

Теперь я спрашиваю себя, как беспрепятственно проанализировать возвращенный документ. Данные, которые я получаю от функции триггера, взяты из класса Microsoft.Azure.Documents.Document (IReadOnlyList<Document> documents).

Любая хорошая идея о том, как анализировать эти данные в объекты Json или сопоставимые?

Спасибо!

azure azure-cosmosdb triggers
26.03.2020

  • возможно, вы уже сможете сделать это прямо из коробки, заменив <Document> на <YourClass> 26.03.2020
  • к сожалению, нет ... он позволяет только класс <Document> ... 28.03.2020

Ответы:


1

Document можно десериализовать до любого типа, например:

foreach (Document document in documents)
{
    MyClass myClass = JsonConvert.DeserializeObject<MyClass(document.ToString());
}

Вы также можете прочитать любое из его свойств:

foreach (Document document in documents)
{
    string myPropertyValue = document.GetPropertyValue<string>("myProperty);
}
27.03.2020
  • Отлично, думаю, вот как это должно быть сделано. Интересно, что не многие люди сталкиваются с этой проблемой, так как я мало что нашел в этом. На самом деле это отличная отправная точка, которую я нашел очень (слишком) поздно: tpeczek.com/2019/01/azure-functions-20-extensibility.html 28.03.2020
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..