Mi a valós idejű intelligencia?

A valós idejű intelligencia egy hatékony szolgáltatás, amely lehetővé teszi a szervezet minden tagja számára, hogy elemzéseket nyerjen ki, és mozgásban jelenítse meg az adatokat. Teljes körű megoldást kínál olyan helyzetekhez, amikor eseményekre kell reagálnia, miközben azok megtörténnek, folyamatosan áramló adatok feldolgozása vagy naplók elemzése közben. Akár gigabájttal, akár petabájttal foglalkozik, a mozgásban lévő összes szervezeti adat konvergál a valós idejű központban. Zökkenőmentesen összekapcsolja az időalapú adatokat a különböző forrásokból kód nélküli összekötőkkel, így azonnali vizuális elemzéseket, térinformatikai elemzéseket és eseményindítóalapú reakciókat tesz lehetővé, amelyek mind egy szervezeti szintű adatkatalógus részei.

Miután zökkenőmentesen csatlakoztatta az adatfolyamokat, a teljes felhőalapú megoldás elérhetővé válik. Real-Time Intelligence kezeli az adatbetöltést, az átalakítást, a tárolást, a modellezést, az elemzést, a vizualizációt, a nyomon követést, az AI-t és a valós idejű műveleteket. Az adatok védettek, szabályozva és integrálva maradnak a szervezetben, zökkenőmentesen igazodva az összes Fabric ajánlathoz. A valós idejű intelligencia dinamikus, végrehajtható erőforrássá alakítja át az adatokat, amely az egész szervezet értékét vezérli.

Segíthet a valós idejű intelligencia?

Real-Time Intelligencia használható adatelemzéshez, azonnali vizuális elemzésekhez, a szervezet számára mozgásban lévő adatok központosításához, az adatokon végzett műveletekhez, a hatékony lekérdezéshez, átalakításhoz, modellezéshez és nagy mennyiségű strukturált vagy strukturálatlan adat tárolásához. Akár IoT-rendszerekből, rendszernaplókból, szabad szövegekből, részben strukturált adatokból, akár a szervezet más tagjai által történő felhasználás céljából szükséges adatokat értékelnie, a Valós idejű intelligencia sokoldalú megoldást kínál.

Annak ellenére, hogy "valós idejűnek" hívják, az adatoknak nem kell nagy sebességgel és mennyiségben áramlaniuk. Real-Time Intelligence olyan megoldásokat kínál, amelyek az eseményekre reagálnak, nem pedig ütemezés szerint futó megoldásokat. A Real-Time Intelligence összetevői megbízható, alapvető Microsoft szolgáltatásokra épülnek, és ezek együtt kiterjesztik a Fabric összességében vett képességeit, hogy az adatok változásaira azonnal reagáló megoldásokat nyújtsanak.

A valós idejű intelligencia alkalmazások számos különböző üzleti forgatókönyvet lefednek, például az autóipart, a gyártást, az IoT-t, a csalásészlelést, az üzleti műveletek kezelését és az anomáliadetektáltságot. A Real-Time Intelligence az AI-hoz és az ügynökalkalmazási forgatókönyvekhez is használható, például a generatív alkalmazások valós idejű tartalom-biztonsági monitorozására és ügynöktelemetriájára, ahol a biztonsági jeleket és a beszélgetési eseményeket streamelik és elemzik az azonnali műveletek érdekében.

Hogyan használjak valós idejű intelligenciát?

Real-Time intelligencia a Microsoft Fabric olyan képességeket kínál, amelyek együttesen lehetővé teszik Real-Time Intelligence-megoldások létrehozását az üzleti és mérnöki folyamatok támogatása érdekében.

A Microsoft Fabric valós idejű intelligencia architektúrájának diagramja.

  • A valós idejű központ központosított katalógusként szolgál a szervezeten belül. Megkönnyíti a streamelési adatok megkeresését, hozzáadását, felderítését és megosztását. Ha számos különböző adatforráshoz csatlakozik, az egész szervezetre kiterjedő elemzéseket kaphat. Fontos, hogy ez a központ biztosítja, hogy az adatok ne csak rendelkezésre álljanak, hanem mindenki számára is elérhetők legyenek, elősegítve a gyors döntéshozatalt és a tájékozott cselekvést. A különböző forrásokból származó streamelési adatok megosztása lehetővé teszi, hogy átfogó üzleti intelligenciát építsen ki a szervezeten belül.

  • Miután kiválasztott egy streamet a szervezetéből, vagy külső vagy belső forrásokhoz csatlakozik, a valós idejű intelligencia adatfelhasználási eszközeivel feltárhatja az adatokat. Ezekkel az eszközökkel vizuálisan vizsgálhatja meg az adatokat, és részletesebben is megismerkedhet a részletekkel. Hozzáférhet az Ön számára új adatokhoz, és könnyen megértheti az adatstruktúrát, a mintákat, a rendellenességeket, az előrejelzési mennyiségeket és az adatarányokat. Ennek megfelelően az adatok alapján cselekedhet, vagy intelligens döntést hozhat. Real-Time irányítópultok beépített interakciókkal vannak ellátva, amelyek leegyszerűsítik az adatok megértésének folyamatát, így mindenki számára elérhetővé válik, aki mozgásban lévő adatok alapján szeretne döntést hozni vizuális eszközökkel, természetes nyelvvel és Copilot.

  • Ezek az elemzések az Fabric Activator használatával műveletekké alakíthatók, mivel riasztásokat állíthat be a Fabric különböző részeiről, hogy valós időben reagáljanak az adatmintákra vagy a feltételekre.

Hogyan kommunikálni a valós idejű intelligencia összetevőivel?

Streamelési adatok felderítése

A valós idejű központ a streamelési adatok felderítésére és kezelésére szolgál. A valós idejű központi események a mozgásban lévő adatok katalógusát tartalmazzák, és a következőket tartalmazzák:

  • Adatstreamek: Valamennyi adatfolyam, amely aktívan fut a Fabric-ben, és amelyhez hozzáféréssel rendelkezik.

  • Microsoft források: Egyszerűen felderítheti a rendelkezésre álló streamforrásokat, és gyorsan konfigurálhatja a források Fabric való betöltését. A Change Data Capture (CDC) források valós időben követik és streamelik az adatbázisok módosításait, például: Azure Event Hubs, Azure IoT Hub, Azure SQL DB CDC, Azure Cosmos DB CDC, PostgreSQL DB CDC.

  • Fabric események: Az eseményvezérelt képességek támogatják a valós idejű értesítéseket és az adatfeldolgozást. Figyelheti és reagálhat az eseményekre, például Fabric munkaterületelem-eseményekre és Azure Blob Storage eseményekre. Ezek az események más műveletek vagy munkafolyamatok aktiválására használhatók, például folyamat meghívására vagy e-mailen keresztüli értesítés küldésére. Ezeket az eseményeket más célhelyekre is elküldheti eseménystreameken keresztül. Fabric események és Azure Blob Storage események aktiválhatják az Activator-szabályokat a Spark-feladatok vagy adatfolyamok elindításához, így a teljes eseményvezérelt vezénylés ütemezések nélkül is engedélyezhető.

Ezek az adatok könnyen használható formátumban jelennek meg, és minden Fabric számítási feladat számára elérhetők.

Csatlakozás streamelési adatokhoz

Az eseménystreamek segítségével nagy mennyiségű valós idejű adatot gyűjthet, alakíthat át és küldhet el különböző célhelyekre, mindezt kódírás nélkül. Az eseményfolyamok több adatforrást és adatcélpontot támogatnak, köztük a külső forrásokhoz kapcsolódó összekötők széles skáláját, például az Apache Kafka-fürtöket, az adatbázis-változások adatgyűjtési hírcsatornáit, az AWS streaming forrásokat (Kinesis), a Google-t (GCP Pub/Sub), az MQTT v3.1/v3.1.1-et és a Real-Time Weather összekötőt. Az AI- vagy LLM-szolgáltatások alkalmazástelemetria- és tartalombiztonsági jelzései streamekként (például Kafka- vagy Event Hubs-összekötőken keresztül) is betölthetők az ügynökök interakcióinak szabályozásához és monitorozásához. A riasztások létrehozása és a szabálykezelés közvetlenül az Eventstreamsbe van beágyazva, így a felhasználók környezetváltás nélkül állíthatnak be riasztásokat és műveleteket az Eventstreams-felületen.

Adatfolyamok feldolgozása

Az Eventstreams eseményfeldolgozási képességeinek használatával szűrést, adattisztítást, átalakítást, ablakos összesítéseket és dupe-észlelést végezhet, hogy az adatokat a kívánt alakzatba tegye. A tartalomalapú útválasztási képességekkel szűrők alapján különböző célhelyekre is küldhet adatokat. Egy másik funkció, a származtatott eseménystreamek lehetővé teszi új streamek létrehozását olyan átalakítások és/vagy összesítések eredményeként, amelyek megoszthatók a valós idejű hub felhasználóival.

Adatok tárolása és elemzése

Az eventhouses ideális elemzési motor az adatok mozgásban történő feldolgozásához. Ezek időalapú, streamelési eseményekre vannak szabva strukturált, félig strukturált és strukturálatlan adatokkal. Az adatok automatikusan rendszerezve lesznek a megérkezése alapján, így gyors, részletes lekérdezéseket futtathat nagy mennyiségű adaton is. Az eseményházakban tárolt adatok elérhetővé tehetők a OneLake-ben más Fabric szolgáltatások általi felhasználás céljából.

Az eseményházakban tárolt indexelt, particionált adatok villámgyors lekérdezésre készek a Fabric különböző kód-, alacsony kód- vagy kód nélküli beállításaival. Az adatok lekérdezhetők natív KQL-ben (Kusto lekérdezésnyelv), vagy T-SQL használatával a KQL-lekérdezéskészletben. A Kusto-copilot a kód nélküli lekérdezésfeltárással együtt leegyszerűsíti a tapasztalt KQL-felhasználók és a polgár adattudósok adatainak elemzését. A KQL egy egyszerű, mégis hatékony nyelv strukturált, félig strukturált és strukturálatlan adatok lekérdezéséhez. A nyelv kifejező, könnyen olvasható és érthető a lekérdezési szándék, és a szerzői élményhez van optimalizálva.

Az AI- és ügynökalapú alkalmazási forgatókönyvek esetén az alacsony késésű KQL-lekérdezések lehetővé teszik a biztonsági és telemetriaeseményekre épülő, közel valós idejű irányítópultok létrehozását és az anomáliadetektálást az ügynökbeszélgetések során. Az eventhouse-adatok idősoros szervezése kiválóan alkalmas a tartalombiztonsági jelek munkamenet-metaadatokkal való korrelációjára, így gyorsan triázsálhatja a problémákat, és azonosíthatja a trendeket a generatív AI-számítási feladatokban.

Adatmodellezés

A digitális ikerépítő (előzetes verzió) alacsony kódú/nem kódolt megoldás az adatok ontológiaként való modellezésére, ami digitálisan ábrázolja a fizikai környezetet. Az eszközök és folyamatok modellezése segíthet az adatokkal végzett fizikai műveletek optimalizálásában az operatív döntéshozók számára elérhető módon.

A digitális ikerpár építővel számos forrásrendszerből betérképezheti az adatokat az ontológiájába, beleértve a Fabric OneLake-t is, és rendszerszintű vagy helyszintű szemantikai kapcsolatokat határozhat meg az adatok környezetfüggővé alakításához. A Digital Twin Builder beépített vizualizációs és lekérdezési funkciókat is tartalmaz a modellezett adatok megismeréséhez, és a Microsoft Fabric segítségével elemezheti a nagy adathalmazokat, például az idősoradatokat és a karbantartási rekordokat, amelyek napokra, hetekre vagy hónapokra nyúlhatnak vissza.

A digitális iker építő adatai a Power BI-hez vagy valós idejű irányítópultokhoz is csatlakoztathatók a modellezett adatok további vizualizációjához és testreszabott jelentéséhez. Az ontológiai üzleti entitásokon is meghatározhatók szabályok a riasztások és az automatizált műveletek (előzetes verzió) elindításához, a modellezett entitások és a lefelé irányuló valós idejű műveletek összekapcsolásához.

Adatelemzések vizualizációja

Az adatelemzések KQL-lekérdezéskészletekben, Real-Time irányítópultokon, Power BI jelentésekben és térképekben jeleníthetők meg, az adatbetöltéstől az elemzésekig másodpercekig. A vizualizációs lehetőségek a kódnélkülitől a teljesen specializált élményekig terjednek, biztosítva értéket mind a kezdő, mind a szakértő adatelemző számára, hogy adataikat diagramokként és táblázatokként vizualizálják. A vizualizációk segítségével szűrési és összesítési műveleteket hajthat végre a lekérdezési eredményeken, valamint a beépített vizualizációk gazdag listájával. Ezek az elemzések Power BI jelentésekben és Real-Time irányítópultokon tekinthetők meg, amelyek mindegyike rendelkezhet az adatelemzésekre épülő riasztásokkal.

A Microsoft Fabric térkép egy dinamikus térinformatikai eszköz, amely lehetővé teszi a statikus és valós idejű térbeli adatok mélyebb intelligenciához való elemzését. Több testreszabható adatréteget támogat , például buborékokat, hőtérképeket, sokszögeket és 3D-s extrúziókat, így olyan térbeli mintázatokat és trendeket fedhet fel, amelyeket a hagyományos diagramok gyakran kihagynak. A Lakehouse-okkal és eventhouse-okkal való integrációval és a KQL-lekérdezések frissítési időközökkel való engedélyezésével a Map lehetővé teszi a valós idejű adatelemzést, segít a csapatoknak az élő változások monitorozásában, a rendellenességek észlelésében és az időszerű döntések meghozatalában. A beépített térképstílusokkal és az olyan formátumok támogatásával, mint a GeoJSON és a PMTiles, hatékony eszköz az üzemeltetési tudatossághoz és a térbeli intelligenciához. További információ: Térkép létrehozása.

Indítóműveletek

A riasztások figyelik az adatok módosítását, és automatikusan végrehajtják a műveleteket, amikor mintázatokat vagy feltételeket észlelnek. Az adatok áramolhatnak Real-Time hubon, vagy egy Kusto-lekérdezésből vagy Power BI jelentésből figyelhetők meg. Bizonyos feltételek vagy logika teljesülése esetén a rendszer végrehajt egy műveletet, például a felhasználók riasztását, Fabric feladatelemek (például folyamat, Spark-feladat vagy adatfolyam) végrehajtását, a felhasználói adatfüggvények futtatását vagy Power Automate munkafolyamatok elindítását. A logika lehet egy egyszerűen definiált küszöbérték, egy minta, például egy adott időszakban ismétlődő események, vagy egy KQL-lekérdezés által definiált összetett logika eredménye. A generatív AI-alkalmazások esetében a tartalombiztonsági szervizelési munkafolyamatokat KQL-feltételek (például a toxicitási küszöbérték túllépése vagy ismétlődő szabályzatsértések) által hajtott riasztások használatával állíthatja be, amelyek értesítik az alkalmazástulajdonosokat, az eseményeket karanténfolyamatokhoz irányítják, vagy folyamatokat aktiválnak, és Power Automate munkafolyamatokat szabályozás vagy tiltás céljából. Az Activator az eseményvezérelt elemzéseket végrehajtható üzleti előnyökké alakítja. Az Activator a Power BI service is integrálva értesíti a felhasználókat a közzétett jelentésekben megadott feltételekről, például amikor új sor jelenik meg egy táblavizualizációban.

Integrálás más Fabric szolgáltatásokkal

Kapcsolódó tartalom

  • Last updated on