Co je analýza v reálném čase v prostředcích infrastruktury?
V posledních několika desetiletích jsme viděli posun paradigmatu ve způsobu, jakým přistupujeme k informacím a spotřebováváme je, protože uživatelé se používali k datům, která jsou interaktivní, na vyžádání a přístupná všem. Tento posun využívá velké objemy dat, streamování příjmu dat a indexované vyhledávání založené na klíčových slovech. Všichni společně tvoří zjednodušené uživatelské prostředí. Díky analýzám v reálném čase v Microsoft Fabric umožňujeme organizacím soustředit se a škálovat analytické řešení a zároveň demokratizovat data pro potřeby občanského datového vědce až k pokročilému datovému inženýrovi. Analýza v reálném čase se stala zásadní v mnoha scénářích v podnikovém světě, jako je kybernetická bezpečnost, sledování prostředků a správa, prediktivní údržba, optimalizace dodavatelského řetězce, zkušenosti zákazníků, řízení spotřeby, řízení zásob, kontrola kvality, monitorování životního prostředí, správa vozového parku a bezpečnost.
Jak? Analýza v reálném čase snižuje složitost a zjednodušuje integraci dat. Získejte rychlý přístup k přehledům dat pomocí pouhých několika sekund zřizování, automatického streamování dat, indexování a dělení pro libovolný zdroj nebo formát dat a generování dotazů a vizualizací na vyžádání. Tento uživatelský proces je zjednodušený a zachovává výkonné analytické funkce. Analýzy v reálném čase umožňují soustředit se na analytická řešení tím, že vertikálně navyšují kapacitu služby s rostoucími potřebami dat a dotazů.
Analýza v reálném čase je plně spravovaná platforma pro analýzu velkých objemů dat optimalizovaná pro streamování a data časových řad. Využívá dotazovací jazyk a modul s výjimečným výkonem pro vyhledávání strukturovaných, částečně strukturovaných a nestrukturovaných dat. Analýza v reálném čase je plně integrovaná s celou sadou produktů Fabric pro načítání dat, transformaci dat a pokročilé scénáře vizualizace.
Co dělá analýzu v reálném čase jedinečnou?
- Zachytávání, transformace a směrování událostí v reálném čase do různých cílů, včetně vlastních aplikací.
- Snadno ingestovat nebo načítat data z libovolného zdroje v libovolném formátu dat.
- Spouštět analytické dotazy přímo na nezpracovaná data , aniž byste museli vytvářet složité datové modely nebo vytvářet skriptování pro transformaci dat.
- Importujte data s výchozím streamováním, které poskytuje vysoký výkon, nízkou latenci a analýzu dat s vysokou aktuálností.
- Importovaná data procházejí výchozím dělením – dělením na základě času i hodnoty hash a ve výchozím nastavení indexováním.
- Pracujte s univerzálními datovými strukturami , včetně strukturovaných dotazů, částečně strukturovaných nebo volných textů.
- Dotazování nezpracovaných dat bez transformace s vysokým výkonem a neuvěřitelně nízkou dobou odezvy při použití široké škály dostupných operátorů
- Spravujte neomezené množství dat od gigabajtů po petabajty s neomezeným škálováním na souběžné dotazy a souběžné uživatele.
- Integrované automatické škálování upravuje prostředky tak, aby odpovídaly faktorům úloh, jako je mezipaměť, paměť, využití procesoru a příjem dat, optimalizace výkonu a minimalizace nákladů.
- Bezproblémová integrace s jinými prostředími a položkami v Microsoft Fabric.
Kdy použít analýzu v reálném čase?
Pokud některá z těchto otázek popisuje vaše potřeby dat, je pro vás analýza v reálném čase správným řešením:
- Potřebuji k dotazování vysokou aktuálnost příjmu dat?
- Chci transformovat streamovaná data?
- Mám službu, která potřebuje přístup k datům s nízkou latencí dotazů (v řádu sekund)?
- Musím hledat nebo přistupovat k datům v různých formátech, jako jsou strukturovaná data, částečně strukturovaná data (včetně složitých dat, jako jsou JSON nebo jiná pole), nebo nestrukturovaná data (například volný text)?
- Chci mít možnost dotazovat se na velké objemy dat?
- Mají data časovou komponentu, která může těžit ze struktury databáze optimalizované pro časové řady?
- Chci, aby bylo možné vytvářet ad hoc dotazy na libovolné pole nebo řádek bez předchozí optimalizace?
Typy odvětví, která využívají analýzu dat v analýzách v reálném čase, se liší. Například: finance, doprava a logistika, inteligentní města, inteligentní budovy, výrobní operace, automobilový průmysl a olej a plyn.
Scénáře
Marketing
Jako marketingový specialista implementovaný novou kampaň vám analýza v reálném čase umožňuje analyzovat okamžitý dopad vaší kampaně na prodej, inventář a logistiku. Do databáze KQL můžete streamovat velké objemy dat prostřednictvím Eventstreamu s latencí několika sekund a pak pomocí sady dotazů KQL analyzovat výkon vaší kampaně a vizualizovat zjištění v sestavě Power BI, která je možné sdílet. Tyto přehledy můžete použít k okamžité úpravě různých aspektů kampaně a snadnému zobrazení efektu v reálném čase. Přístup k databázi KQL můžete také udělit různým týmům ve vaší společnosti, jako jsou finanční a produkční týmy, analyzovat streamovaná data a odpovídajícím způsobem upravovat náklady a produkci produktu.
Prodej
Jako obchodní analytik pracující v globálním maloobchodním řetězci zodpovídáte za analýzu příchozích dat a předávání přehledů klíčovým zúčastněným stranám ve vaší firmě. Data můžete shromažďovat a ukládat z různých zdrojů, jako jsou výrobci, přepravci, dodavatelé a různé formáty, jako jsou strukturovaná, částečně strukturovaná a nestrukturovaná data. Všechna tato užitečná data se zaznamenávají v databázi KQL a poskytují škálovatelné řešení pro rostoucí data, která můžou obsahovat miliardy záznamů, které je možné uchovávat po celé roky, abyste mohli zadávat dotazy a porovnávat se streamovanými daty. K provádění analýzy časových řad můžete použít nejen sadu dotazů KQL, ale můžete také vytvářet sestavy Power BI vizualizující geoprostorovou analýzu pevnin a námořních tras, rychle zjišťovat anomálie a spolupracovat s projektovými manažery na řídicích panelech, aby se lépe rozhodovalo obchodní rozhodnutí.
Jak pracovat v analýze v reálném čase?
Mezi hlavní položky dostupné v analýzách v reálném čase patří:
- Eventstream pro zachytávání, transformaci a směrování událostí v reálném čase do různých cílů bez kódu
- Databáze KQL pro ukládání a správu dat. K datům načteným do databáze KQL je možné přistupovat ve OneLake a jsou vystavená dalším prostředím Infrastruktury.
- Sada dotazů KQL pro spouštění dotazů, zobrazení a přizpůsobení výsledků dotazu na data. Sada dotazů KQL umožňuje ukládat dotazy pro budoucí použití, exportovat a sdílet dotazy s ostatními a obsahuje možnost vygenerovat sestavu Power BI.
Podívejte se, jak tyto položky spolupracují v komplexním scénáři spotřeby a analýzy streamovaných dat: Kurz analýzy v reálném čase – Úvod
Integrace s jinými prostředími
- Vytvořte cloudová připojení služby Event Hubs pro streamování dat do analýzy v reálném čase.
- K datům ve OneLake přistupuje analýza v reálném čase několika způsoby:
- Data z OneLake se dají dotazovat z analýzy v reálném čase jako zástupce.
- Data z OneLake je možné načíst do analýzy v reálném čase.
- Data načtená do analýzy v reálném čase se ve OneLake projeví jako jedna logická kopie.
- Data načtená do analýzy v reálném čase se dají použít jako podkladová data pro vizualizaci v sestavě Power BI.
- Data načtená do analýzy v reálném čase je možné použít k analýze v poznámkových blocích Sparku v Datoví technici.
- Aktivujte události načítání dat ve službě Data Factory pomocí kanálů.
- Aktivujte události načítání dat pomocí toků dat.
Související obsah
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro