Jaa


Digitaalisen kaksoiskehittäjän (esikatselu) tietojen yhdistäminen koontinäyttöjen Real-Time

Tässä artikkelissa kerrotaan, miten voit visualisoida digitaaliset kaksoismuodostintietosi (esikatselu) Real-Time-koontinäytön avulla.

Tärkeää

Tämä ominaisuus on esikatseluvaiheessa.

Prosessi sisältää seuraavat vaiheet:

  1. Luo tapahtumatalo ja alitietokanta KQL-tietokanta KQL-kyselyiden ja koontinäytön tietolähteeksi. OneLake-pikakuvakkeiden avulla voit tuoda digitaaliset kaksoismuodostintietosi käytettäviksi KQL-tietokannassa.
  2. Luo Eventhouse-funktioita , joiden avulla voit luoda projektin organisoituja näkymiä digitaalisista kaksoisentiteettityypeistä ja -ominaisuuksista. Nämä funktiot helpottavat KQL-kyselyiden kirjoittamista digitaalisten kaksoismuodostintietojen avulla.
  3. Tee kysely tiedoistasi, jotta saat tarvitsemasi merkitykselliset tiedot.
  4. Kiinnitä kyselyt koontinäyttöön ja jatka visualisointien lisäämistä tarvittaessa.

Vaatimukset

Digitaalisen kaksoismuodostimen (esikatselu) tietojen pikakuvake KQL-tietokantaan

Kun yhdistät tietoja digitaalisessa kaksoismuodostinkohteessa (esikatselu), kartoitustiedot tallennetaan uuteen Lakehouse-palveluun, jonka nimi näyttää digitaaliselta kaksoismuodostinkohteen nimeltä ja jota seuraa dtdm. Lakehouse sijaitsee työtilasi pääkansiossa.

Näyttökuva digitaalisen kaksoisrakentajan Data Lakehousesta Fabric-työtilassa.

Jotta tiedot olisivat käytettävissä KQL-kyselyille ja Real-Time-koontinäytölle, niiden on oltava Eventhousen KQL-tietokannassa.

Tässä osiossa luot uuden Eventhouse- ja child KQL -tietokannan. Sen jälkeen lisäät tietokantaan digitaalisen kaksoismuodostimen tietotaulukot OneLake-pikakuvakkeiden avulla. Tämän prosessin ansiosta digitaalinen kaksoismuodostindata on saatavilla Eventhouse-kyselyn käytettäväksi.

  1. Luo uusi tapahtumatalo työtilassasi (tarkempia ohjeita on kohdassa Tapahtumatalon luominen). Tapahtumatalo luodaan automaattisesti KQL-alitietokannalla, jolla on sama nimi.

  2. Lisää pikakuvakkeita kaikkiin taulukoihin digitaalisen kaksoisrakentajan Data Lakehouse -tietokannassa noudattamalla artikkelin OneLake-pikakuvakkeiden luominen KQL-tietokannassa ohjeita.

    • Kun valitset tietolähteen, etsi Lakehouse, jonka nimi vastaa digitaalista kaksoismuodostimen nimeäsi, jota seuraa dtdm.

    • Kun valitset yhdistettävät taulukot, valitse ne kaikki. Voit lisätä vain 10 taulukkoa kerrallaan, joten toista pikakuvakkeiden luontiprosessi, kunnes sinulla on pikakuvakkeet kaikille taulukoille.

      Näyttökuva taulukoiden valitsemisesta digitaalisen kaksoisrakentajan Data Lakehousesta.

    Vinkki

    Kyselyn suorituskykyä voidaan parantaa varmistamalla, että Accelerate-vaihtoehdon asetus on käytössä otettaessa käyttöön pikanäppäimiä luodessasi. Lisätietoja on artikkelissa OneLake-pikakuvakkeiden kyselyiden nopeuttaminen.

  3. Kun olet valmis, näet kaikki ulkoiset digitaaliset kaksoismuodostimen tietotaulukot KQL-tietokannan Pikakuvakkeet-kohdassa.

    Näyttökuva KQL-tietokannasta näkyvistä pikakuvakkeista.

Eventhouse-funktioiden luominen

Nyt kun digitaalisen kaksoismuodostimen (esikatselu) tiedot ovat käytettävissä KQL-tietokannassa, voit luoda funktioita, joiden avulla tietojen kyseleminen on helpompaa. Digitaalinen kaksoismuodostin tallentaa tietonsa useisiin taulukoihin, jotta nämä funktiot järjestävät tiedot ja helpottavat niiden käyttöä KQL-kyselyitä kirjoitettaessa.

Tarjoamme Fabric-muistikirjalle mallikomentosarjan, joka luo funktiot puolestasi. Komentosarja luo yhden funktion kullekin entiteettityypille ja ominaisuustyypin yhdistelmälle digitaalisen kaksoismuodostimen ontologiassa (kuten Bus_property() ja Bus_timeseries()).

Mallimuistikirjan määrittäminen

Valmistele uusi muistikirja mallikomentosarjalla noudattamalla näitä ohjeita.

  1. Lataa nämä malliarteefaktit GitHubin mallikansiosta: digital-twin-builder:

    • Näytemuistikirja, DTB_Generate_Eventhouse_Projection.ipynb
    • Vaadittu Python-paketti, dtb_samples-0.1-py3-none-any.whl
  2. Tuo muistikirja Fabric-työtilaan. Tarkat ohjeet ovat kohdassa Muistikirjojen luominen ja käyttäminen - Olemassa olevien muistikirjojen tuominen.

  3. Lisää muistikirjan oletustietolähteeksi digitaalinen kaksoisrakentaja Data Lakehouse. Tarkat ohjeet ovat kohdassa Muistikirjojen luominen ja käyttäminen – Yhdistä lakehouset ja muistikirjat.

    Näyttökuva muistikirjassa olevasta Lakehouse-tietolähteestä.

  4. Lataa dtb_samples-0.1-py3-none-any.whl Lakehouse-tietolähteen tiedostoihin valitsemalla ... Lakehouse-nimen vierestä ja valitsemalla Lataa>lataa lataa tiedostot.

    Näyttökuva tiedoston lataamisesta Lakehouseen.

    Ladattu tiedosto näkyy lakehouse-tiedostoissasi.

    Näyttökuva lakehouse-tiedostosta.

  5. Muistikirjassa toinen koodilohko sisältää paikkamerkit digitaalisen kaksoismuodostinkohteesi nimille ja KQL-tietokannalle. Täytä nämä paikkamerkkiarvot.

    Näyttökuva täytetyistä paikkamerkeistä.

Nyt muistikirja on valmis suoritettavaksi.

Suorita muistikirja

Suorita muistikirjan koodilohkot järjestyksessä.

Muistikirja suorittaa seuraavat toiminnot:

  1. Asentaa Python-paketin
  2. Luo muuttujia resurssien nimille
  3. Luo projektiofunktioiden luomisen komentosarjan seuraavilla alivaiheilla:
    1. Muodostaa yhteyden työtilaasi ja digitaaliseen kaksoisrakentajan ontologiaan
    2. Spark-lukijan asettaminen tietojen noutamiseen digitaalisen kaksoismuodostimen tietokannasta
    3. Luo komentosarjan, joka työntää digitaalisen kaksoisrakentajatietosi Eventhouseen
    4. Luo automaattisesti useita toimintoja digitaalisen kaksoismuodostimen määrityksen perusteella, jotta nämä tiedot ovat helposti käytettävissä Eventhousessa KQL-kyselyissä
  4. Lähettää komentosarjan Fabric REST -ohjelmointirajapintaan ja suorittaa sen KQL-tietokantasi avulla

Kun muistikirja on valmis, siirry KQL-tietokantaan ja tarkista uudet funktiot. Ne vastaavat entiteettityyppejä ja niiden yhdistämismäärityksiä.

Näyttökuva KQL-tietokannan funktioista.

Kysely KQL:n avulla

Nyt voit käyttää KQL-kyselyiden funktioita digitaalisen kaksoismuodostimen (esikatselu) tietojen käyttämiseen.

Kun kutsut funktioita nimen mukaan KQL-kyselyssä, näet niiden tuottamat tietoprojektiot. Sarakkeet vastaavat entiteettityyppiesi yhdistettyjä ominaisuuksia.

Näyttökuva funktion suorittamisesta.

Lisätietoja tietojen kyselemisestä KQL-kyselyjoukoilla on artikkelissa Kyselyn tiedot KQL-kyselyjoukossa.

Esimerkkejä KQL-kyselyistä, jotka käyttävät digitaalisia kaksoismuodostintietoja, on Real-Time Intelligence -opetusohjelman digitaalisen kaksoismuodostimen osassa 5: Tietojen kyseleminen ja visualisointi.

Kyselyjen visualisointi Real-Time koontinäytössä

Nyt kun digitaalisen kaksoismuodostimen (esikatselu) tietoja voidaan tutkia KQL-kyselyillä, ne voidaan visualisoida myös Real-Time -koontinäytössä.

Voit kiinnittää KQL-kyselyitä suoraan KQL-kyselyjoukosta uuteen tai olemassa olevaan koontinäyttöön. Lisätietoja on artikkelissa Real-Time Koontinäytön luominen – Ruudun lisääminen kyselyjoukosta.

Voit myös luoda uuden koontinäytön alusta alkaen ja käyttää tässä artikkelissa luomiasi funktioita kyselyjen kirjoittamiseen koontinäytön ruuduille. Jos luot uuden koontinäytön, muista lisätä KQL-tietokanta koontinäytön tietolähteeksi. Lisätietoja on kohdassa Real-Time koontinäytön luominen.

Kun koontinäyttösi on määritetty, harkitse seuraavia toimia:

Esimerkki Real-Time Koontinäyttö, joka käyttää kyselyitä digitaalisilla kaksoismuodostintiedoilla, on Real-Time Intelligence -opetusohjelman digitaalisen kaksoismuodostimen osassa 5: Tietojen kyseleminen ja visualisointi.