説明

ボックス 1: はい
Azure Stream Analytics SQL の新しい拡張機能を使用して、データを再シャッフルするときにストリームのパーティション数を指定できるようになりました。
結果は、同じパーティション スキームを持つストリームになります。以下の例を参照してください。
WITH step1 AS (SELECT * FROM [input1] PARTITION BY DeviceID INTO 10)、
step2 AS (SELECT * FROM [input2] PARTITION BY DeviceID INTO 10)
SELECT * INTO [出力] FROM step1 PARTITION BY DeviceID UNION step2 PARTITION BY DeviceID 注: Azure Stream Analytics SQL の新しい拡張機能には、PARTITION BY ステートメントを使用して再シャッフルを実行するときにストリームのパーティション数を指定できるキーワード INTO が含まれています。
ボックス 2: はい
明示的に再パーティション化された 2 つのデータ ストリームを結合する場合、これらのストリームは同じパーティション キーとパーティション カウントを持つ必要があります。
ボックス 3: はい
10 パーティション x 6 SU = 60 SU であれば問題ありません。
注: Azure Stream Analytics のスケール単位であるストリーミング ユニット (SU) 数は、ジョブで使用できる物理リソースの数がパーティション分割されたフローに適合できるように調整する必要があることに注意してください。一般に、各パーティションに割り当てるには 6 つの SU が適切な数です。ジョブに割り当てられたリソースが不十分な場合、システムはジョブに利益をもたらす場合にのみ再パーティションを適用します。
参照：
https://azure.microsoft.com/en-in/blog/maximize-throughput-with-repartitioning-in-azure-stream-analytics/

タンブリング ウィンドウの自己依存性プロパティ
前のウィンドウが正常に完了するまでトリガーが次のウィンドウに進まないシナリオでは、自己依存関係を構築します。過去 1 時間以内のそれ自体の以前の実行の成功に依存する自己依存性トリガーには、次のコードに示されているプロパティがあります。
コード例:
"名前": "DemoSelfDependency",
"プロパティ"： {
"runtimeState": "開始済み",
「パイプライン」: {
"パイプライン参照": {
"referenceName": "デモ",
"type": "パイプライン参照"
}
}、
"type": "タンブリングウィンドウトリガー",
"typeProperties": {
"頻度": "時間",
「間隔」: 1、
"startTime": "2018-10-04T00:00:00Z",
"遅延": "00:01:00",
"maxConcurrency": 50、
"再試行ポリシー": {
「秒間隔」: 30
}、
"依存": [
{
"type": "SelfDependencyTumbleWindowTriggerReference",
"サイズ": "01:00:00",
"オフセット": "-01:00:00"
}
】
}
}
}

説明
ジョブには高同時実行性クラスターが必要です。
標準クラスターは単一ユーザーに推奨されます。Standard は、任意の言語で開発されたワークロードを実行できます。
Python、R、Scala、SQL。
高同時実行クラスターは、管理されたクラウド リソースです。高同時実行クラスターの主な利点は、Apache Spark ネイティブのきめ細かい共有を提供して、リソース使用率を最大化し、クエリ待機時間を最小限に抑えられることです。
参照：
https://docs.azuredatabricks.net/clusters/configure.html