Öffentliche Vorschau: Azure Monitor Pipeline-Datenumwandlungen

Öffentliche Vorschau: Azure Monitor Pipeline-Datenumwandlungen

Azure Monitor Pipeline-Datentransformationen sind jetzt als öffentliche Vorschau verfügbar! Diese Funktion ermöglicht es Benutzern, Telemetriedaten zu formen, bevor sie in Azure Monitor aufgenommen werden, und hilft ihnen, die Kosten für die Aufnahme zu kontrollieren, die Datenqualität zu verbessern und Analysen im großen Maßstab zu vereinfachen.
Die in die Azure Monitor-Pipeline für Edge- und Multi-Cloud-Umgebungen integrierten Transformationen ermöglichen es, Datentypen wie Syslog und CEF vor dem Ingestion zu filtern, zu aggregieren, zu standardisieren und umzuformen. Die automatische Schemastandardisierung und die integrierten Validierungsleitfäden gewährleisten die kontinuierliche Kompatibilität mit Standardtabellen, sodass Benutzer Transformationen ohne Unterbrechung des Datenflusses anwenden können.
Zu den Transformationen gehören auch vorgefertigte KQL-Vorlagen für gängige Szenarien sowie erweiterte Filterung und Aggregation, um Rauschen zu reduzieren, das Ingestion-Volumen zu verringern und hochfrequente Daten in aussagekräftigen Zeitfenstern zusammenzufassen Die Datenumwandlungen in der Azure Monitor-Pipeline liefern sauberere Daten und schnellere Erkenntnisse für große Datenmengen und komplexe Telemetrieumgebungen.

Allgemein verfügbar: Claude Opus 4.6 jetzt auf Azure Databricks verfügbar
Azure Databricks unterstützt jetzt Anthropic Claude Opus 4.6 durch Mosaic AI Model Serving. Claude Opus 4.6 ist das fortschrittlichste Modell von Anthropic und bietet modernste Leistung bei agentenbasierter Kodierung, komplexem Denken und Wissensarbeit. Das Modell verfügt über erweiterte Kodierungsfähigkeiten mit verbesserten Planungs-, Code-Review- und Debugging-Fähigkeiten, die es ihm ermöglichen, zuverlässig in großen Codebasen zu arbeiten und lang laufende agenturische Workflows zu unterstützen.
Claude Opus 4.6 ist ideal für Entwickler, die KI-Agenten entwickeln, für Unternehmen, die eine erweiterte Codeunterstützung benötigen, und für Teams, die mit komplexen Analyse- und Forschungsabläufen arbeiten. Das Modell läuft jetzt sicher in der Azure Databricks-Umgebung und ist sowohl über Pay-per-Token- als auch über Provisioning-Throughput-Optionen zugänglich.