Δοκιμή δείγματος ευφυΐας σε πραγματικό χρόνο

Power BI μπορούν να ενσωματωθούν στο Real-Time Intelligence για να παρέχουν βελτιωμένες επιδόσεις σε χρήστες που χρειάζονται υψηλούς ρυθμούς ανανέωσης ή μεγάλους όγκους δεδομένων. Αυτό το άρθρο περιγράφει το δείγμα εμπειρίας πληροφοριών Real-Time, το οποίο είναι ένα σημείο εισόδου από το Power BI στο Real-Time Intelligence.

Όταν ενσωματώνονται με το Real-Time Intelligence, Power BI μπορούν να χρησιμοποιούν δεδομένα ροής για να παρέχουν up-toπληροφορίες. ΤοReal-Time Intelligence διαχειρίζεται την πρόσληψη, τον μετασχηματισμό και την αποθήκευση δεδομένων ροής και τα καθιστά διαθέσιμα για ανάλυση και οπτικοποίηση σε Power BI. Αυτή η ενοποίηση παρέχει μια ολοκληρωμένη και πλήρως ενοποιημένη λύση για ανάλυση δεδομένων και απεικόνιση σε πραγματικό χρόνο για περιπτώσεις χρήσης με μεγάλους όγκους δεδομένων ή υψηλούς ρυθμούς ανανέωσης.

ΤοReal-Time Intelligence είναι μια ισχυρή υπηρεσία στη σουίτα προϊόντων Fabric που μπορεί να σας βοηθήσει να εξαγάγετε πληροφορίες και να οπτικοποιήσετε τα δεδομένα σας σε κίνηση. Προσφέρει μια ολοκληρωμένη λύση για σενάρια βάσει συμβάντων, δεδομένα ροής και αρχεία καταγραφής δεδομένων.

Μάθετε περισσότερα σχετικά με τη ευφυΐα σε πραγματικό χρόνο.

Δημιουργία δείγματος

Όταν ο ρυθμός ανανέωσης του μοντέλου σημασιολογίας σας είναι μεγαλύτερος από ένα συγκεκριμένο όριο, βλέπετε ένα αναδυόμενο παράθυρο φυσαλίδων που σας προσκαλεί να δοκιμάσετε ένα δείγμα εμπειρίας στην Ευφυΐα σε πραγματικό χρόνο.

Επιλέξτε Δοκιμή δείγματος για να ξεκινήσετε τη δημιουργία ενός δείγματος ολοκληρωμένης λύσης στην Ευφυΐα πραγματικού χρόνου. Δημιουργούνται τα ακόλουθα στοιχεία:

• Ροή συμβάντων
• Eventhouse
• Βάση δεδομένων KQL
• Σύνολο ερωτημάτων KQL
• Πίνακας εργαλείων σε πραγματικό χρόνο
• Αναφορά Power BI

Αυτή η λύση βασίζεται σε δείγμα ροής δεδομένων, για να σας δείξει την ευκολία και την ισχύ της λύσης στην Ευφυΐα σε πραγματικό χρόνο. Μόλις ολοκληρωθεί η δόμηση, ανοίγει ένα πλαίσιο διαλόγου με μεμονωμένες συνδέσεις σε κάθε ένα από τα δείγματα στοιχείων, τα οποία ανοίγουν σε μια νέα καρτέλα στη γραμμή περιήγησης.

• Επιλέξτε το όνομα ενός στοιχείου για να το ανοίξετε στην ευφυΐα σε πραγματικό χρόνο.
• Επιλέξτε Εξερεύνηση για να κλείσετε το πλαίσιο διαλόγου και μεταβείτε στο παράθυρο βάσης δεδομένων KQL για το δείγμα.

Το ιστόγραμμα και οι πίνακες στο τμήμα παραθύρου κύριας προβολής ενημερώνονται αυτόματα καθώς ανανεώνονται τα δεδομένα.

Στοιχεία της λύσης "Ευφυΐα σε πραγματικό χρόνο"

Τα στοιχεία της εμπειρίας δείγματος "Ευφυΐα σε πραγματικό χρόνο" είναι τα εξής:

• Ροή συμβάντων: Μια ροή συμβάντων είναι ο μηχανισμός για την απορρόφηση δεδομένων και την επεξεργασία των δεδομένων σας σε πραγματικό χρόνο σε Microsoft Fabric. Μπορείτε να μετασχηματίζετε τα δεδομένα σας και να τα δρομολογείτε μέσω φίλτρων σε διάφορους προορισμούς. Διαβάστε περισσότερα σχετικά με τις ροές συμβάντων.

• Eventhouse: Μια αποθήκη συμβάντων είναι το σημείο όπου αποθηκεύονται και αναλύονται τα δεδομένα. Μια αποθήκη συμβάντων έχει σχεδιαστεί για να διαχειρίζεται αποτελεσματικά τις ροές δεδομένων σε πραγματικό χρόνο. Μια μονάδα συμβάντων μπορεί να περιέχει μία ή περισσότερες βάσεις δεδομένων KQL. Είναι προσαρμοσμένες σε μεγάλους όγκους συμβάντων ροής που βασίζονται σε χρόνο και έχουν δομημένα, ημιδομημένη και μη δομημένα δεδομένα. Διαβάστε περισσότερα σχετικά με το Eventhouse.

• Βάση δεδομένων KQL: Η βάση δεδομένων KQL είναι το σημείο όπου αποθηκεύονται και ελέγχονται τα δεδομένα. Σας επιτρέπει να υποβάλετε ερωτήματα σε δεδομένα σε πραγματικό χρόνο, παρέχοντας ένα ισχυρό εργαλείο για την εξερεύνηση και ανάλυση δεδομένων. Η βάση δεδομένων KQL υποστηρίζει διάφορες πολιτικές δεδομένων και μετασχηματισμούς. Διαβάστε περισσότερα σχετικά με τις βάσεις δεδομένων KQL.

• Σύνολο ερωτημάτων KQL: Ένα σύνολο ερωτημάτων KQL χρησιμοποιείται για την εκτέλεση ερωτημάτων, την προβολή και την προσαρμογή των αποτελεσμάτων ερωτημάτων σε δεδομένα από μια βάση δεδομένων KQL. Διαβάστε περισσότερα σχετικά με το σύνολο ερωτημάτων KQL.

• Real-Time Πίνακας εργαλείων: Ένας πίνακας εργαλείων Real-Time παρέχει ένα στιγμιότυπο up-toτο δεύτερο διαφόρων στόχων και σημείων δεδομένων σε μια συλλογή πλακιδίων. Κάθε πλακίδιο έχει ένα υποκείμενο ερώτημα και μια οπτική αναπαράσταση. Σας επιτρέπει να απεικονίζετε δεδομένα σε πραγματικό χρόνο, παρέχοντας πληροφορίες και ενεργοποιώντας την εξερεύνηση δεδομένων. Διαβάστε περισσότερα σχετικά με τους πίνακες εργαλείων σε πραγματικό χρόνο.

• Power BI: Δημιουργεί αναφορές σε πραγματικό χρόνο που εμφανίζουν δεδομένα από ροές συμβάντων και βάσεις δεδομένων KQL που διαχειρίζεται η Real-Time Intelligence. Οι αναφορές συνδέονται στη βάση δεδομένων KQL μέσω του DirectQuery χρησιμοποιώντας τη σύνδεση Azure Data Explorer (Kusto), η οποία υποστηρίζει βάσεις δεδομένων Azure Data Explorer και Fabric KQL. Οι δυναμικές παράμετροι ερωτήματος M προωθούν φίλτρα και παραμέτρους χρονικού περιορισμού στη βάση δεδομένων KQL, ώστε οι απεικονίσεις να λαμβάνουν συγκεντρωτικά αποτελέσματα αντί για μη επεξεργασμένα συμβάντα.

Δημιουργία της δικής σας λύσης στην ευφυΐα σε πραγματικό χρόνο

Μπορείτε να υλοποιήσετε αυτή τη λύση με τα δικά σας δεδομένα. Πριν ξεκινήσετε, χρειάζεστε ένα workspace με δυνατότητα Microsoft Fabric capacity.

Για να ρυθμίσετε τον δικό μας πίνακα εργαλείων σε πραγματικό χρόνο, ακολουθήστε τα προγράμματα εκμάθησης "Ευφυΐα σε πραγματικό χρόνο". Ακολουθεί μια σύνοψη των βημάτων:

1. Δημιουργήστε μια ομάδα συμβάντων και ρυθμίστε το περιβάλλον σας.
2. Δημιουργήστε μια ροή συμβάντων και εισαγάγετε τα δεδομένα σας σε μια βάση δεδομένων KQL.
3. Δημιουργήστε ένα σύνολο ερωτημάτων KQL και υποβάλετε ερωτήματα για τα δεδομένα σας.
4. Δημιουργήστε έναν πίνακα εργαλείων σε πραγματικό χρόνο και εξερευνήστε οπτικά τα δεδομένα σας.
5. Δημιουργήστε μια αναφορά Power BI.
   • Συνδεθείτε στη βάση δεδομένων KQL χρησιμοποιώντας το DirectQuery μέσω της σύνδεσης Azure Data Explorer (Kusto), η οποία υποστηρίζει βάσεις δεδομένων Azure Data Explorer και Fabric KQL.
   • Χρησιμοποιήστε δυναμικές παραμέτρους ερωτήματος M για να μεταβιβάσετε το χρονικό εύρος και το μέγεθος του κάδου σε ερωτήματα KQL, ώστε Power BI να λαμβάνει συγκεντρωτικές σειρές (για παράδειγμα, make-series ή summarize έξοδος) αντί για μη επεξεργασμένα συμβάντα.
   • Εκτελέστε ανίχνευση ανωμαλιών στο KQL χρησιμοποιώντας συναρτήσεις όπως series_decompose_anomalies και επιστρέψτε τα υπολογισμένα αποτελέσματα στις απεικονίσεις Power BI.

Συμβουλή

Για μεγάλους όγκους δεδομένων χρονολογικής σειράς, χρησιμοποιήστε αναδίπλωση ερωτήματος με παραμετροποιημένα ερωτήματα M, ώστε τα φίλτρα και οι συναθροίσεις να εκτελούνται σε KQL. Αποφύγετε την εισαγωγή μη επεξεργασμένων δεδομένων συμβάντων μεγάλου όγκου — επιστρέψτε μόνο συγκεντρωτικά σύνολα δεδομένων σε απεικονίσεις για αλληλεπιδραστικές επιδόσεις.

Σχετικό περιεχόμενο

• Τεκμηρίωση της Ευφυΐας σε πραγματικό χρόνο
• Εκμάθηση από άκρο σε άκρο της ευφυΐας σε πραγματικό χρόνο