Auf dieser Seite finden Sie Links zu Beispielcode und technischen Referenzleitfäden für gängige Dataflow-Anwendungsfälle. Verwenden Sie diese Ressourcen, um Ihre Kenntnisse zu erweitern, Best Practices zu ermitteln und Beispielcode zum Erstellen der benötigten Features zu nutzen.
Die hier aufgeführten Referenzmuster sind codeorientiert und sollen Sie schnell zu einer Implementierung führen. Weitere Informationen zu Dataflow-Lösungen finden Sie in der Liste der technischen Dataflow-Referenzleitfäden.
Allgemeine Analyse
| Lösung | Beschreibung | Links |
|---|---|---|
| Dashboard für die Echtzeitanalyse von Websites erstellen | Sie erstellen ein Dashboard mit Echtzeitmesswerten, mit denen Sie die Leistung von Incentives oder Tests auf Ihrer Website bestimmen können. |
Beispielcode: Realtime Analytics using Dataflow and Memorystore Übersichtsvideo: Level Up - Real-time analytics using Dataflow and Memorystore |
| Pipeline zum Transkribieren und Analysieren von Sprachdateien erstellen | Verwenden Sie Dataflow, um hochgeladene Sprachdateien zu transkribieren und zu analysieren, und speichern Sie diese Daten zur Verwendung in Visualisierungen in BigQuery. |
Beispielcode: Speech Analysis Framework |
Loganalyse
| Lösung | Beschreibung | Links |
|---|---|---|
| Pipeline zum Erfassen von Dialogflow-Interaktionen erstellen | Mit Dataflow eine Pipeline erstellen, um Dialogflow-Interaktionen für weitere Analysen zu erfassen und zu speichern |
Beispielcode: Dialogflow log parser |
Mustererkennung
| Lösung | Beschreibung | Links |
|---|---|---|
| Objekte in Videoclips erkennen | In dieser Lösung erfahren Sie, wie Sie mit Dataflow und der Video Intelligence API eine Lösung zur Echtzeitanalyse von Videoclips für das Objekt-Tracking erstellen, damit Sie große Mengen unstrukturierter Daten nahezu in Echtzeit analysieren können. |
Beispielcode: Video Analytics Solution Using Dataflow and the Video Intelligence API Apache Beam |
| Personenidentifizierbare Informationen in Ihrer intelligenten Analysepipeline anonymisieren (de-identifizieren) und neu identifizieren | In diesen Lösungen wird gezeigt, wie Sie mit Dataflow, Schutz sensibler Daten, BigQuery und Pub/Sub personenidentifizierbare Informationen in einem Beispiel-Dataset de-identifizieren und neu identifizieren. | Technische Referenzleitfäden: Beispielcode: Migrate Sensitive Data in BigQuery Using Dataflow and Cloud Data Loss Prevention |
Vorausschauende Prognose
| Lösung | Beschreibung | Links |
|---|---|---|
| Mechanische Ausfälle mit einer Vision-Analytics-Pipeline vorhersagen | Diese Lösung führt Sie durch das Erstellen einer Dataflow-Pipeline, mit der sich Informationen aus umfangreichen Bilddateien ableiten lassen, die in einem Cloud Storage-Bucket gespeichert sind. Eine automatisierte visuelle Prüfung kann dabei helfen, Produktionsziele zu erreichen, z. B. die Verbesserung von Prozessen der Qualitätskontrolle oder die Überwachung der Sicherheit von Arbeitern, und gleichzeitig die Kosten zu senken. |
Beispielcode: Vision Analytics Solution Using Dataflow and Cloud Vision API |