Mi a Valós idejű elemzés a Hálóban?
Az elmúlt néhány évtizedben paradigmaváltást tapasztaltunk az információk elérésének és felhasználásának módjában, mivel a felhasználók hozzászoktak az interaktív, igény szerinti és mindenki számára hozzáférhető adatokhoz. Ezt a váltást a big data, a streamelési adatok betöltése és az indexelt, kulcsszóalapú keresés hajtotta. Ezek együttesen egyszerűsített felhasználói élményt alkotnak. A Microsoft Fabric valós idejű elemzésével lehetővé tesszük a szervezetek számára, hogy az elemzési megoldásukra összpontosítsanak és skálázhassák az adatokat, miközben demokratizálják az adatokat mind a polgár adattudós, mind pedig a fejlett adatszakértő igényeinek megfelelően. A valós idejű elemzés a nagyvállalati világ számos forgatókönyvében alapvető fontosságúvá vált, például a kiberbiztonság, az eszközkövetés és -kezelés, a prediktív karbantartás, az ellátási lánc optimalizálása, az ügyfélélmény, az energiagazdálkodás, a készletkezelés, a minőségellenőrzés, a környezetvédelmi monitorozás, a flottakezelés, valamint az egészség és biztonság terén.
Hogyan? A valós idejű elemzés csökkenti a bonyolultságot, és leegyszerűsíti az adatintegrációt. Gyorsan hozzáférhet az adatelemzésekhez, mindössze másodpercek alatt üzembe helyezéssel, automatikus adatstreameléssel, indexeléssel és particionálással bármilyen adatforráshoz vagy formátumhoz, valamint igény szerinti lekérdezések és vizualizációk létrehozásához. Ez a felhasználói folyamat egyszerűbb, miközben megőrzi a hatékony elemzési képességeket. A valós idejű elemzés lehetővé teszi az elemzési megoldásokra való összpontosítást azáltal, hogy zökkenőmentesen skálázható fel a szolgáltatással az adatok és a lekérdezések igényeinek növekedésével.
A Valós idejű elemzés egy teljes körűen felügyelt big data-elemzési platform, amely streamelésre és idősoros adatokra van optimalizálva. A lekérdezési nyelvet és a motort kivételes teljesítménnyel használja strukturált, részben strukturált és strukturálatlan adatok kereséséhez. A Valós idejű elemzés teljes mértékben integrálva van a Fabric-termékek teljes csomagjával az adatbetöltéshez, az adatátalakításhoz és a speciális vizualizációs forgatókönyvekhez.
Mi teszi egyedivé a Valós idejű elemzést?
- Valós idejű események rögzítése, átalakítása és átirányítása különböző célhelyekre, beleértve az egyéni alkalmazásokat is.
- Bármilyen forrásból egyszerűen betölthet vagy betölthet adatokat bármilyen adatformátumban.
- Az elemzési lekérdezéseket közvetlenül nyers adatokon futtathatja anélkül, hogy összetett adatmodelleket kellene létrehoznia, vagy szkripteket kellene létrehoznia az adatok átalakításához.
- Adatok importálása alapértelmezett streameléssel, amely nagy teljesítményt, alacsony késést és magas frissesség-elemzést biztosít.
- Az importált adatok alapértelmezett particionáláson mennek keresztül – mind az idő, mind a kivonatalapú particionálás, valamint az alapértelmezett indexelés.
- Sokoldalú adatstruktúrákkal dolgozhat, beleértve a lekérdezés strukturált, félig strukturált vagy szabad szövegét.
- Nyers adatok lekérdezése átalakítás nélkül, nagy teljesítménnyel, hihetetlenül alacsony válaszidővel, a rendelkezésre álló operátorok széles választékával.
- Korlátlan mennyiségű adat kezelése gigabájttól petabájtig, korlátlan skálázással egyidejű lekérdezéseken és egyidejű felhasználókon.
- A beépített automatikus skálázás úgy állítja be az erőforrásokat, hogy megfeleljenek a számítási feladatok olyan tényezőinek, mint a gyorsítótár, a memória, a processzorhasználat és a betöltés, optimalizálva a teljesítményt és a költségek minimalizálását.
- Zökkenőmentes integráció a Microsoft Fabric más felhasználói felületeivel és elemeivel.
Mikor érdemes valós idejű elemzést használni?
Ha a fenti kérdések közül bármelyik leírja az adatigényeket, a Valós idejű elemzés a megfelelő megoldás az Ön számára:
- Nagy frissességre van szükségem az adatbetöltéstől a lekérdezésig?
- Átalakítom a streamelési adatokat?
- Rendelkezem olyan szolgáltatással, amelynek alacsony lekérdezési késéssel (másodpercek alatt) kell hozzáférnie az adatokhoz?
- Különböző formátumú adatokat kell keresnem vagy elérni, például strukturált adatokat, részben strukturált adatokat (beleértve a bonyolult adatokat, például JSON-t vagy más tömböket) vagy strukturálatlan adatokat (például szabadszöveget)?
- Nagy mennyiségű adatot szeretnék lekérdezni?
- Rendelkezik olyan időösszetevővel az adataim, amelyek kihasználhatják az idősorozat-optimalizált adatbázis-struktúrát?
- Szeretnék alkalmi lekérdezéseket létrehozni bármely mezőn vagy sorban előzetes optimalizálás nélkül?
A valós idejű elemzésben az adatelemzés előnyeit élvező iparágak típusai változatosak. Például: pénzügy, szállítás és logisztika, intelligens városok, intelligens épületek, gyártási műveletek, autóipar, olaj és gáz.
Forgatókönyvek
Marketing
Egy új kampányt megvalósító marketingszakértőként a Real-Time Analytics lehetővé teszi a kampány értékesítésre, leltárra és logisztikára gyakorolt azonnali hatásának elemzését. Nagy mennyiségű adatot streamelhet a KQL-adatbázisba az Eventstreamen keresztül néhány másodperces késéssel, majd egy KQL-lekérdezéskészlettel elemezheti a kampány teljesítményét, és megjelenítheti az eredményeket egy megosztható Power BI-jelentésben. Ezekkel az elemzésekkel azonnal módosíthatja a kampány különböző aspektusait, és egyszerűen megtekintheti a hatást valós időben. A KQL-adatbázishoz nézethozzáférést is biztosíthat a vállalat különböző csapatainak, például a pénzügyi és az éles csapatoknak, hogy elemezzék a streamelési adatokat, és ennek megfelelően módosítják a termék költségeit és gyártását.
Sales
A globális kiskereskedelmi láncban dolgozó üzleti elemzők feladata a bejövő adatok elemzése és az elemzések kommunikációja a vállalat legfontosabb érdekelt feleinek. Különböző forrásokból, például gyártókból, szállítókból, szállítókból és különböző formátumokból, például strukturált, félig strukturált és strukturálatlan adatokból gyűjthet és tárolhat adatokat. Mindezek a végrehajtható adatok egy KQL-adatbázisban lesznek rögzítve, és skálázható adatmegoldást biztosítanak a növekvő adatokhoz, amelyek több milliárd rekordot tárolhatnak, amelyeket éveken át megőrizhet, hogy lekérdezhesse és összehasonlíthassa a streamelési adatokkal. Nem csak KQL-lekérdezéskészlettel végezhet idősorelemzést, hanem power BI-jelentéseket is létrehozhat, amelyek a szárazföldi és tengeri útvonalak térinformatikai elemzését vizualizálják, gyorsan észlelik az anomáliákat, és együttműködhetnek a projektmenedzserekkel az irányítópultokon, hogy jobb üzleti döntéseket hozzanak.
Hogyan használható a valós idejű elemzés?
A valós idejű elemzésben elérhető fő elemek a következők:
- Eseményfolyam a valós idejű események rögzítéséhez, átalakításához és útválasztásához különböző célhelyekre kód nélküli felülettel.
- KQL-adatbázis az adattároláshoz és -kezeléshez. A KQL-adatbázisba betöltött adatok elérhetők a OneLake-ben, és más Fabric-szolgáltatásoknak is elérhetők.
- KQL-lekérdezéskészlet lekérdezések futtatásához, az adatok lekérdezési eredményeinek megtekintéséhez és testreszabásához. A KQL-lekérdezéskészlet lehetővé teszi a lekérdezések későbbi használatra való mentését, a lekérdezések exportálását és megosztását másokkal, és lehetővé teszi Power BI-jelentések készítését.
Tekintse meg, hogyan működnek együtt ezek az elemek a végpontok közötti streamelési adatfelhasználási és -elemzési forgatókönyvben: Valós idejű elemzési oktatóanyag – Bevezetés
Integráció más felületekkel
- Event Hubs-felhőkapcsolatok létrehozása adatok valós idejű elemzésbe való streameléséhez.
- A OneLake-ben lévő adatokat a Valós idejű elemzés többféleképpen is elérheti:
- A OneLake-ből származó adatok lekérdezhetők a Valós idejű elemzésből billentyűparancsként.
- A OneLake-ből származó adatok betölthetők a valós idejű elemzésekbe.
- A valós idejű elemzésbe betöltött adatok egyetlen logikai másolatként jelennek meg a OneLake-ben.
- A valós idejű elemzésbe betöltött adatok a Power BI-jelentések vizualizációjának alapjául szolgálnak.
- A valós idejű elemzésbe betöltött adatok felhasználhatók a Spark-jegyzetfüzetek elemzéséhez adatmérnök.
- Adatbetöltési események aktiválása a Data Factoryben folyamatok használatával.
- Adatbetöltési események aktiválása adatfolyamok használatával.
Kapcsolódó tartalom
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: