Prøv et eksempel på realtidsintelligens

Power BI kan integreres med Real-Time Intelligence for at give forbedret ydeevne til brugere, der har brug for høje opdateringshastigheder eller store datamængder. Denne artikel beskriver Real-Time Intelligence-prøveoplevelsen, som er et indgangspunkt fra Power BI til Real-Time Intelligence.

Skematisk over realtidsintelligensarkitektur med eksempelelementer.

Når Power BI integreres med Real-Time Intelligence, kan bruge streamingdata til at levere up-toindsigt i det mindste øjeblik. Real-Time Intelligence håndterer indlæsning, transformation og lagring af streamingdata og stiller dem til rådighed for analyse og visualisering i Power BI. Denne integration giver en omfattende og fuldt integreret løsning til dataanalyse og -visualisering i realtid i forbindelse med use cases med store datamængder eller høje opdateringshastigheder.

Real-Time Intelligence er en kraftfuld service i Fabric produktsuite, der kan hjælpe dig med at udtrække indsigter og visualisere dine data i bevægelse. Den tilbyder en end-to-end-løsning til hændelsesdrevne scenarier, streamingdata og datalogge.

Få mere at vide om realtidsintelligens.

Opret et eksempel

Når opdateringshastigheden for din semantiske model er højere end en bestemt grænseværdi, får du vist et pop op-boble-pop op,der inviterer dig til at prøve en eksempeloplevelse i realtidsintelligens.

Vælg Prøv et eksempel for at begynde at oprette en eksempelløsning fra ende til anden i realtidsintelligens. Følgende komponenter oprettes:

  • Hændelsesstream
  • Eventhouse
  • KQL-database
  • KQL-forespørgselssæt
  • Realtidsdashboard
  • Power BI-rapport

Denne løsning er baseret på streaming af eksempeldata, så du kan se, hvor let og effektiv løsningen er i realtidsintelligens. Når buildet er fuldført, åbnes der en dialogboks med individuelle links til hvert af eksempelelementerne, som åbnes under en ny fane på navigationslinjen.

  • Vælg navnet på et element for at åbne det i realtidsintelligens.
  • Vælg Udforsk for at lukke dialogboksen og gå til KQL-databasevinduet for eksemplet.

Skærmbillede af landingssiden for eksempeloplevelsen.

Histogrammet og tabellerne i hovedvisningsruden opdateres automatisk, når dataene opdateres.

Komponenter i realtidsintelligensløsningen

Komponenterne i eksemplet på realtidsintelligens er:

  • Hændelsesstrøm: En hændelsesstrøm er motoren for dataindlæsning og behandling af dine realtidsdata til Microsoft Fabric. Du kan transformere dine data og distribuere dem via filtre til forskellige destinationer. Læs mere om hændelsesstreams.

  • Eventhouse: Et eventhouse er det sted, hvor data gemmes og analyseres. Et eventhouse er designet til at håndtere datastrømme i realtid effektivt. Et eventhouse kan indeholde en eller flere KQL-databaser. De er skræddersyet til store mængder tidsbaserede streaminghændelser med strukturerede, halvstrukturerede og ustrukturerede data. Læs mere om Eventhouse.

  • KQL-database: En KQL-database er det område, hvor data gemmes og administreres. Det giver dig mulighed for at forespørge om data i realtid, hvilket giver et effektivt værktøj til udforskning og analyse af data. KQL-databasen understøtter forskellige datapolitikker og transformationer. Læs mere om KQL-databaser.

  • KQL-forespørgselssæt: Et KQL-forespørgselssæt bruges til at køre forespørgsler, få vist og tilpasse forespørgselsresultater på data fra en KQL-database. Læs mere om KQL-forespørgselssæt.

  • Real-Time Dashboard: Et Real-Time dashboard giver et up-tosekundet øjebliksbillede af forskellige mål og datapunkter i en samling af fliser. Hvert felt har en underliggende forespørgsel og en visuel repræsentation. Det giver dig mulighed for at visualisere data i realtid, hvilket giver indsigt og muliggør dataudforskning. Læs mere om dashboards i realtid.

  • Power BI: Opretter realtidsrapporter, der viser data fra hændelsesstrømme og KQL-databaser administreret af Real-Time Intelligence. Rapporter forbindes til KQL-databasen via DirectQuery ved hjælp af Azure Data Explorer (Kusto)-connectoren, som understøtter både Azure Data Explorer og Fabric KQL-databaser. Dynamiske M-forespørgselsparametre skubber filtre og time-grain-parametre ned til KQL-databasen, så visuelle data modtager aggregerede resultater i stedet for rå hændelser.

Opret din egen løsning i realtidsintelligens

Du kan implementere denne løsning med dine egne data. Før du begynder, skal du bruge en workspace med en Microsoft Fabric-aktiveret kapacitet.

Hvis du vil konfigurere vores eget dashboard i realtid, skal du følge selvstudierne om realtidsintelligens. Her er en oversigt over trinnene:

  1. Opret et eventhouse, og konfigurer dit miljø.
  2. Opret en hændelsesstream , og hent dine data til en KQL-database.
  3. Opret et KQL-forespørgselssæt , og forespørg dine data.
  4. Opret et dashboard i realtid, og udforsk dine data visuelt.
  5. Byg en Power BI rapport.
    • Forbind til KQL-databasen ved hjælp af DirectQuery via Azure Data Explorer (Kusto)-connectoren, som understøtter både Azure Data Explorer og Fabric KQL-databaser.
    • Brug dynamiske M-forespørgselsparametre til at overføre tidsintervaller og bin-størrelse til KQL-forespørgsler, så Power BI modtager aggregerede serier (for eksempel make-series eller summarize output) i stedet for rå begivenheder.
    • Udfør anomalidetektion i KQL ved hjælp af funktioner som series_decompose_anomalies, og returner de beregnede resultater til Power BI visualiseringer.

Tips

For store mængder tidsseriedata anvendes query folding med parameteriserede M-forespørgsler, så filtre og aggregationer kører i KQL. Undgå at importere rå hændelsesdata med stort volumen — returner kun aggregerede datasæt til visuals for interaktiv ydeevne.

Relateret indhold

  • Last updated on