Hvad er realtidsintelligens?

Realtidsintelligens er en effektiv tjeneste, der gør det muligt for alle i din organisation at udtrække indsigt og visualisere deres data i bevægelse. Det tilbyder en end-to-end løsning til scenarier, hvor du skal reagere på begivenheder, efterhånden som de sker, behandle kontinuerligt flydende data eller analysere logfiler. Uanset om det drejer sig om gigabyte eller petabyte, konvergerer alle organisationsdata i bevægelse i realtidshubben. Det forbinder problemfrit tidsbaserede data fra forskellige kilder ved hjælp af connectors uden kode, hvilket muliggør øjeblikkelig visuel indsigt, geospatial analyse og udløserbaserede reaktioner, der alle er en del af et datakatalog for hele organisationen.

Når du sømløst forbinder enhver datastrøm, bliver hele den cloud-baserede løsning tilgængelig. Real-Time Intelligence håndterer dataindtagelse, transformation, lagring, modellering, analyse, visualisering, sporing, AI og handlinger i realtid. Dine data forbliver beskyttet, styret og integreret på tværs af din organisation og passer problemfrit sammen med alle Fabric-tilbud. Realtidsintelligens transformerer dine data til en dynamisk ressource, der kan handles på, og som styrer værdi på tværs af hele organisationen.

Kan realtidsintelligens hjælpe mig?

Real-Time Intelligence kan bruges til dataanalyse, øjeblikkelig visuel indsigt, centralisering af data i gang for en organisation, handlinger på data, effektiv forespørgsel, transformation, modellering og lagring af store mængder strukturerede eller ustrukturerede data. Uanset om du har brug for at evaluere data fra IoT-systemer, systemlogge, fritekst, semistrukturerede data eller bidrage med data til forbrug for andre i din organisation, giver realtidsintelligens en alsidig løsning.

Selvom det kaldes "realtid", behøver dine data ikke at flyde med høje hastigheder og mængder. Real-Time Intelligence giver dig løsninger, der reagerer på begivenheder, mens de sker, i stedet for løsninger, der følger en tidsplan. Real-Time Intelligence-komponenterne er bygget på betroede, kerne-Microsoft services, og sammen udvider de de samlede Fabric kapaciteter til at levere løsninger, der reagerer øjeblikkeligt på dataændringer.

Realtidsintelligensapps spænder over en lang række forretningsscenarier, f.eks. bilindustrien, produktion, IoT, registrering af svindel, administration af forretningshandlinger og registrering af uregelmæssigheder. Du kan også bruge Real-Time Intelligence til AI og agentiske applikationsscenarier, såsom realtids overvågning af indholdssikkerhed og agenttelemetri til generative apps, hvor sikkerhedssignaler og samtalebegivenheder streames og analyseres for øjeblikkelig handling.

Hvordan gør jeg bruge realtidsintelligens?

Real-Time Intelligence i Microsoft Fabric tilbyder kapaciteter, der i kombination muliggør skabelsen af Real-Time Intelligence-løsninger til støtte for forretnings- og ingeniørprocesser.

diagram over arkitekturen i Real-Time Intelligence i Microsoft Fabric.

  • Realtidshubben fungerer som et centraliseret katalog i din organisation. Det gør det nemt at finde, tilføje, udforske og dele streamingdata. Ved at forbinde til mange forskellige datakilder kan du få indsigt på tværs af hele din organisation. Det er vigtigt, at denne hub sikrer, at data ikke kun er tilgængelige, men også tilgængelige for alle, hvilket fremmer hurtig beslutningstagning og informeret handling. Deling af streamingdata fra forskellige kilder giver mulighed for at opbygge omfattende business intelligence på tværs af din organisation.

  • Når du har valgt en stream fra din organisation eller oprettet forbindelse til eksterne eller interne kilder, kan du bruge værktøjerne til dataforbrug i Realtidsintelligens til at udforske dine data. Disse værktøjer lader dig udforske dine data visuelt og dykke dybere ned i specifikke detaljer. Du kan få adgang til data, der er nye for dig, og nemt forstå datastrukturen, mønstre, uregelmæssigheder, prognoser for mængder og datahastigheder. Derfor kan du handle eller træffe intelligente beslutninger baseret på dataene. Real-Time dashboards er udstyret med utraditionelle interaktioner, der forenkler processen med at forstå data og gør dem tilgængelige for alle, der ønsker at træffe beslutninger baseret på data i bevægelse ved hjælp af visuelle værktøjer, naturligt sprog og Copilot.

  • Disse indsigter kan omsættes til handlinger med Fabric Activator, når du opsætter alarmer fra forskellige dele af Fabric for at reagere på datamønstre eller betingelser i realtid.

Hvordan gør jeg interagere med komponenterne i realtidsintelligens?

Find streamingdata

Realtidshubben bruges til at finde og administrere dine streamingdata. Hubhændelser i realtid er et katalog over data i bevægelse og indeholder:

  • Datastrømme: Alle datastrømme, der aktivt kører i Fabric, som du har adgang til.

  • Microsoft kilder: Find nemt streamingkilder, du har, og konfigurer hurtigt indlæsning af disse kilder i Fabric. Change Data Capture (CDC) kilder sporer og strømmer ændringer foretaget i dine databaser i realtid, for eksempel: Azure Event Hubs, Azure IoT Hub, Azure SQL DB CDC, Azure Cosmos DB CDC, PostgreSQL DB CDC.

  • Fabric events: Hændelsesdrevne funktioner understøtter realtidsnotifikationer og databehandling. Du kan overvåge og reagere på begivenheder, herunder Fabric Workspace Item-begivenheder og Azure Blob Storage-begivenheder. Disse hændelser kan bruges til at udløse andre handlinger eller arbejdsprocesser, f.eks. aktivering af en pipeline eller afsendelse af en meddelelse via mail. Du kan også sende disse hændelser til andre destinationer via eventstreams. Fabric-events og Azure Blob Storage-events kan også udløse Activator-regler til at igangsætte Spark-jobs eller Dataflows, hvilket muliggør fuldt event-drevet orkestrering uden tidsplaner.

Disse data præsenteres alle i et let forbrugbart format og er tilgængelige for alle Fabric-arbejdsbelastninger.

Opret forbindelse til streamingdata

Eventstreams lader dig indsamle, transformere og sende store mængder realtidsdata til forskellige destinationer, alt sammen uden at skrive kode. Eventstreams understøtter flere datakilder og datadestinationer, herunder et bredt udvalg af forbindelser til eksterne kilder, for eksempel: Apache Kafka-klynger, databaseændringsdataindsamlingsfeeds, AWS streamingkilder (Kinesis), Google (GCP Pub/Sub), MQTT v3.1/v3.1.1 og Real-Time Weather connector. Applikationstelemetri og indholdssikkerhedssignaler fra AI- eller LLM-tjenester kan også indlæses som strømme (for eksempel via Kafka eller Event Hubs-forbindelser) for at muliggøre styring og overvågning af agentinteraktioner. Oprettelse af alarmer og regelstyring er indlejret direkte i Eventstreams, hvilket gør det muligt for brugere at sætte advarsler og handlinger direkte fra Eventstreams-oplevelsen uden at skifte kontekst.

Behandl datastrømme

Ved hjælp af hændelsesbehandlingsfunktionerne i Eventstreams kan du foretage filtrering, rensning af data, transformation, sammenlægninger i vindue og registrering af dupe for at lande dataene i den ønskede figur. Du kan også bruge de indholdsbaserede routingfunktioner til at sende data til forskellige destinationer baseret på filtre. En anden funktion, afledte hændelsesstrømme, giver dig mulighed for at konstruere nye streams som et resultat af transformationer og/eller sammenlægninger, der kan deles med forbrugere i realtidshubben.

Gem og analysér data

Eventhouses er det ideelle analyseprogram til behandling af data i bevægelse. De er skræddersyet til tidsbaserede streaminghændelser med strukturerede, semistrukturerede og ustrukturerede data. Dine data organiseres automatisk baseret på, hvornår de ankom, så du kan køre hurtige, detaljerede forespørgsler selv på store mængder data. Data, der er lagret i eventhouses, kan gøres tilgængelige i OneLake til forbrug af andre Fabric-oplevelser.

De indekserede, opdelte data, der er lagret i eventhouses, er klar til lynhurtige forespørgsler ved hjælp af forskellige kode-, low-code- eller no-code-muligheder i Fabric. Data kan forespørges i det oprindelige KQL (Kusto Query Language) eller ved hjælp af T-SQL i KQL-forespørgselssættet. Kusto-copiloten strømliner sammen med udforskningsoplevelsen uden kode processen med at analysere data for både erfarne KQL-brugere og borgerens dataspecialist. KQL er et simpelt, men effektivt sprog til at forespørge om strukturerede, semi-strukturerede og ustrukturerede data. Sproget er udtryksfuldt, let at læse og forstå forespørgselshensigten og optimeret til oprettelsesoplevelser.

For AI- og agentiske applikationsscenarier muliggør lav-latens KQL-forespørgsler over sikkerheds- og telemetrihændelser næsten realtidsdashboards og anomalidetektion i agentsamtaler. Tidsserie-organiseringen af eventhouse-data er velegnet til at korrelere indholdssikkerhedssignaler med sessionsmetadata, så du hurtigt kan prioritere problemer og identificere tendenser på tværs af dine generative AI-arbejdsbelastninger.

Modeldata

Digital twin builder (prøveversion) er en oplevelse med lav kode/ingen kode til modellering af dine data som en ontologi, der digitalt repræsenterer dit fysiske miljø. Udformning af dine aktiver og processer kan hjælpe med at optimere fysiske handlinger ved hjælp af data på en måde, der er tilgængelig for driftsmæssige beslutningstagere.

Med digital twin builder kan du kortlægge data til din ontologi fra forskellige kildesystemer, herunder Fabric OneLake, og definere system- eller site-dækkende semantiske relationer for at sætte dine data i kontekst. Digital twin builder inkluderer standardvisualisering og forespørgselsoplevelser til at udforske dine modellerede data og bruger Microsoft Fabric-kraften til at analysere store datasæt som tidsseriedata og vedligeholdelsesoptegnelser, der kan strække sig over dage, uger eller måneder.

Data fra Digital Twin Builder kan også forbindes til Power BI eller Real-Time dashboards for yderligere visualisering og tilpasset rapportering af dine modellerede data. Regler kan også defineres på ontologiforretningsenheder for at igangsætte advarsler og automatiserede handlinger (forhåndsvisning), hvilket forbinder modellerede enheder med nedstrøms realtidshandlinger.

Visualiser dataindsigt

Dataindsigter kan visualiseres i KQL-forespørgselssæt, Real-Time dashboards, Power BI rapporter og kort med få sekunder fra dataindlæsning til indsigt. Visualiseringsindstillinger spænder fra ingen kode til fuldt specialiserede oplevelser, hvilket giver værdi til både nybegyndere og ekspertindsigtsoversigten for at visualisere deres data som diagrammer og tabeller. Du kan bruge visuelle tip til at udføre filtrerings- og aggregeringshandlinger på forespørgselsresultater og bruge en omfattende liste over indbyggede visualiseringer. Disse indsigter kan ses i Power BI Reports og Real-Time Dashboards, som begge kan have advarsler baseret på dataindsigterne.

Map in Microsoft Fabric er et dynamisk geospatialt visualiseringsværktøj, der giver dig mulighed for at analysere både statiske og realtidsdata for dybere intelligens. Det understøtter flere datalag, der kan tilpasses – såsom bobler, varmekort, polygoner og 3D-ekstruderinger, så du kan afdække rumlige mønstre og tendenser, som traditionelle diagrammer ofte overser. Ved at integrere med Lakehouses og Eventhouses og aktivere KQL-forespørgsler med opdateringsintervaller letter Map dataanalyse i realtid, hvilket hjælper teams med at overvåge liveændringer, opdage uregelmæssigheder og træffe rettidige beslutninger. Med indbyggede kortstile og understøttelse af formater som GeoJSON og PMTiles er det et effektivt aktiv for operationel bevidsthed og rumlig intelligens. Du kan finde flere oplysninger i Oprette et kort.

Udløserhandlinger

Beskeder overvåger ændring af data og foretager automatisk handlinger, når der registreres mønstre eller betingelser. Dataene kan flyde i Real-Time hub eller observeres fra en Kusto-forespørgsel eller Power BI rapport. Når visse betingelser eller logik er opfyldt, tages der en handling, såsom at advare brugere, udføre Fabric-jobelementer som en pipeline, Spark-job eller Dataflow, køre User Data Functions eller igangsætte Power Automate-workflows. Logikken kan enten være en blot defineret grænseværdi, et mønster som f.eks. hændelser, der sker gentagne gange over en tidsperiode, eller resultaterne af kompleks logik, der er defineret af en KQL-forespørgsel. For generative AI-applikationer kan du opsætte workflows for indholdssikkerhed ved at bruge advarsler drevet af KQL-betingelser (for eksempel en toksicitetstærskel overskredet eller gentagne politikovertrædelser) til at underrette applikations-ejere, dirigere hændelser til karantæneflows eller udløse pipelines og Power Automate-workflows til throttling eller blocklisting. Aktivator omdanner din hændelsesdrevne indsigt til forretningsmæssige fordele, der kan handles på. Activator integrerer også med Power BI service for at underrette brugerne, når specificerede betingelser opstår i offentliggjorte rapporter, såsom når en ny række vises i en tabelvisualisering.

Integrer med andre Fabric-oplevelser

Relateret indhold

  • Last updated on