Apa itu Fabric Activator?

Fabric Activator adalah mesin deteksi peristiwa tanpa kode yang mengubah aliran data menjadi tindakan otomatis. Ini secara otomatis memicu tindakan ketika pola atau kondisi tertentu terdeteksi di sumber data. Ini terus memantau sumber data ini dengan latensi rendah (subdetik untuk aturan stateless pada data streaming), dan memulai tindakan ketika ambang batas terpenuhi atau pola tertentu terdeteksi. Tindakan ini dapat mencakup pengiriman email atau pemberitahuan Teams, meluncurkan alur Power Automate, atau mengintegrasikan dengan sistem pihak ketiga.

Arsitektur inti

Aktivator adalah mesin deteksi peristiwa dan aturan di jantung tumpukan kecerdasan Fabric Real-Time. Secara arsitektur, ia bertindak sebagai pengamat cerdas - mengonsumsi aliran data kecepatan tinggi, mengevaluasi kondisi aturan mendekati real-time, dan memulai tindakan hilir otomatis berdasarkan perubahan status peristiwa.

Ini cocok dengan arsitektur reaktif dan berbasis peristiwa di mana data mengalir terus menerus, dan Aktivator membuat keputusan berdasarkan evaluasi berbasis status dari data peristiwa secara hampir real-time.

Diagram yang memperlihatkan arsitektur Fabric Activator.

  • Sumber peristiwa

    Aktivator terhubung langsung ke eventstream, yang menyerap data dari berbagai produsen (Azure Event Hubs, perangkat IoT, titik akhir kustom, dan sumber lainnya). Aliran ini berfungsi sebagai sumber peristiwa, dan Aktivator dapat berlangganan satu atau beberapa eventstream untuk mengamati perubahan data. Sumber peristiwa lain dapat berupa peristiwa Fabric atau Azure, atau Aktivator yang memantau laporan Power BI atau dasbor real-time.

  • Peristiwa dan objek

    Peristiwa adalah catatan individu (misalnya, sinyal telemetri atau unggahan file) yang diterima melalui aliran acara. Peristiwa ini dikelompokkan ke dalam objek berdasarkan pengidentifikasi bersama (misalnya, semua peristiwa dari perangkat yang sama dikelompokkan bersama menggunakan device_id, atau semua peristiwa stasiun sepeda dikelompokkan menurut bikepoint_id). Aturan kemudian dievaluasi per objek, memungkinkan deteksi halus (misalnya, per sensor atau per aset).

  • Aturan dan ketentuan

    Setiap aktivator mencakup satu atau beberapa aturan, yang dievaluasi terus menerus. Aturan ini dapat berupa perbandingan sederhana (value < threshold) atau kondisi yang melacak perubahan dari waktu ke waktu seperti BECOMES, , DECREASESINCREASES, EXIT RANGE, atau tidak adanya data (heartbeat). Aktivator memastikan pelacakan status per objek, yang memungkinkan deteksi pola kompleks dari waktu ke waktu.

  • Tindakan

    Ketika kondisi aturan terpenuhi, Aktivator dapat memicu:

    • alur, notebook, aliran data, Fungsi Data Pengguna (UDF), definisi pekerjaan spark, pekerjaan salin (pratinjau), atau terbitkan peristiwa bisnis (pratinjau) di Fabric.

    • Tindakan eksternal melalui Power Automate.

    • Kirim pesan Teams ke individu, grup, atau saluran.

    • Kirim email.

  • Manajemen pemberitahuan dan pengujian aturan

    Aktivator menyediakan pratinjau dan perkiraan dampak sebelum aturan diaktifkan, menunjukkan seberapa sering aturan ini akan terpicu pada data historis. Fitur-fitur ini membantu mencegah spam notifikasi dan pengiriman berlebihan. Secara internal, transisi status dikelola untuk menekan kebisingan (misalnya, nilai harus melewati ambang batas, tidak hanya tetap di bawahnya).

  • Pemantauan dan kontrol biaya

    Anda hanya dikenakan biaya saat aktivator berjalan secara aktif. Instans aktivator dibatasi lingkupnya pada kapasitas Fabric dan dapat dipantau melalui ruang kerja. Log waktu proses dan telemetri tersedia melalui aliran peristiwa dan keluaran pipeline.

Model Penyebaran

Sebarkan instans aktivator untuk setiap ruang kerja dan ikat ke sumber data tertentu. Beberapa aktivator dapat memantau aliran yang sama, sehingga Anda dapat menggunakan evaluasi aturan paralel untuk fungsi bisnis yang berbeda. Karena aktivator terikat kapasitas, harga bayar sesuai penggunaan hanya berlaku saat aturan berjalan secara aktif. Model harga ini memberikan efisiensi biaya untuk skenario deteksi terputus-putus. Untuk batasan yang diketahui, lihat Batasan aktivator.

Poin integrasi dalam kecerdasan Real-Time

Komponen Interaksi dengan Aktivator
Eventstream Mengirim data real-time ke Activator sehingga dapat memantau pola dan kondisi. Pembuatan pemberitahuan dan manajemen aturan juga disematkan langsung dalam Eventstream, sehingga pengguna dapat menulis dan mengelola aturan dalam konteks.
Aktivator Dapat membuat peristiwa baru, seperti data yang diperkaya atau data yang dikategorikan, yang memicu aktivator lain.
Pipeline Target aturan pemicu Aktivator, yang mengotomatiskan pemrosesan lanjutan.
Power BI Berfungsi sebagai sumber peristiwa untuk aturan Aktivator pada visual laporan, termasuk deteksi baris visual tabel. Juga memanfaatkan hasil dari alur kerja atau buku catatan yang dipicu untuk visualisasi real-time.
Power Automate Mengotomatiskan tugas dengan menggunakan alur kerja bawaan atau kustom saat peristiwa terjadi.
Peristiwa Fabric Menyediakan peristiwa yang terjadi dalam Fabric seperti penyegaran model semantik atau kegagalan alur.
Notebooks Aktivator dapat memicu eksekusi notebook.
Definisi Pekerjaan Spark Aktivator dapat memicu eksekusi pekerjaan Spark.
Fungsi Data Pengguna Aktivator dapat memicu eksekusi Fungsi Data Pengguna (UDF).
Pengaliran Data Aktivator dapat memicu eksekusi aliran data saat kondisi aturan terpenuhi.
Salin tugas (pratinjau) Activator dapat memicu eksekusi tugas penyalinan saat kondisi aturan terpenuhi.
Menerbitkan peristiwa bisnis (pratinjau) Aktivator dapat memicu penerbitan peristiwa bisnis saat kondisi aturan terpenuhi.

Aktivator sebagai orkestrator

Untuk menggunakan Activator secara efektif dalam sistem skala besar, koordinasikan cara kerjanya dengan komponen Fabric lainnya. Optimalkan pengaturan berdasarkan berapa banyak data yang Anda pemrosesan, berapa banyak objek yang Anda lacak, dan seberapa kompleks aturan Anda. Bagian ini mengeksplorasi cara mengatur Activator dengan layanan lain dan cara mengoptimalkan logika deteksi dan perilaku runtime untuk mendukung latensi rendah (cepat), otomatisasi hemat biaya dalam skala besar.

Aktivator memainkan peran pusat dalam alur berbasis peristiwa dengan mengevaluasi data pada titik kedatangan dan memicu tindakan hilir. Pola orkestrasi umum meliputi:

Pola Deskripsi Alur
Penyerapan → Deteksi → Transformasi Peristiwa mengalir dari Eventstream ke Activator, yang memicu Alur untuk memperkaya atau memindahkan data.
Pemberitahuan → Deteksi → Penyerapan Aktivator memicu Power Automate untuk mengirim pemberitahuan atau mendorong status ke Teams, Outlook, atau ServiceNow.
Penyerapan → Deteksi → Penilaian Model Aktivator memicu Notebook untuk menilai model ML atau melakukan analitik tingkat lanjut berdasarkan anomali real time.
Perulangan Umpan Balik dengan Aktivator (direncanakan) Wawasan yang dihasilkan aktivator (misalnya, label sensitivitas) dimasukkan ke dalam aturan Aktivator, memungkinkan otomatisasi yang diperkaya secara semantik.

Konsep inti

Fabric Activator terus memantau data Anda dan dengan cepat mendeteksi kapan kondisi yang Anda tentukan terpenuhi, bahkan saat data berubah dari waktu ke waktu. Pada intinya, Aktivator memproses peristiwa real-time yang dipancarkan melalui eventstream, mengevaluasi kondisi aturan per objek logis, dan memulai tindakan sebagai respons terhadap transisi status.

Gunakan konsep berikut untuk membangun dan memicu tindakan dan respons otomatis di Fabric Activator.

Sumber peristiwa dan peristiwa

Fabric Activator memperlakukan semua sumber data sebagai aliran peristiwa. Peristiwa mewakili pengamatan tentang status objek dan biasanya menyertakan pengidentifikasi untuk objek, tanda waktu, dan nilai bidang yang sedang dipantau.

Peristiwa yang diserap ke dalam Aktivator berasal dari:

  • Eventstream, yang mendukung berbagai sumber data hulu, seperti Azure Event Hubs, IoT Hub, dan pemicu Blob Storage. Eventstream adalah jenis item tertentu dalam Microsoft Fabric, yang memungkinkan Anda untuk menyerap, mengubah, dan merutekan peristiwa real-time tanpa menulis kode apa pun. Fabric Activator memantau eventstream dan secara otomatis mengambil tindakan ketika pola atau ambang batas yang ditentukan terdeteksi. Aktivator juga dapat berlangganan dua atau beberapa eventstream untuk mengamati perubahan data. Eventstream bervariasi dalam frekuensi. Misalnya, sensor IoT memancarkan peristiwa beberapa kali per detik, dan sistem logistik menghasilkan peristiwa secara spori, seperti ketika paket dipindai di lokasi pengiriman.
  • Peristiwa Fabric. Misalnya, peristiwa diskrit pada item Ruang Kerja Fabric adalah peristiwa Fabric yang terjadi saat perubahan dilakukan pada Ruang Kerja Fabric Anda. Perubahan ini termasuk membuat, memperbarui, atau menghapus item Fabric.
  • Azure acara. Misalnya, peristiwa Azure Blob Storage dipicu saat klien membuat, mengganti, atau menghapus blob.
  • Acara Bisnis. Anda dapat mengatur pemberitahuan langsung pada peristiwa bisnis untuk mengotomatiskan tindakan saat kondisi bisnis tertentu terjadi.
  • Entitas bisnis Ontologi Fabric (pratinjau). Aturan dapat didefinisikan pada entitas bisnis ontologi untuk memulai pemberitahuan dan tindakan otomatis, memungkinkan pengambilan keputusan operasional berdasarkan data yang dimodelkan.
  • Laporan Power BI Dalam hal ini, peristiwa adalah pengamatan berkala berdasarkan jadwal refresh model semantik Power BI (sebelumnya dikenal sebagai himpunan data). Pengamatan ini mungkin terjadi setiap hari atau mingguan, membentuk eventstream yang bergerak lambat. Aktivator juga terintegrasi dengan layanan Power BI untuk memberi tahu pengguna saat baris baru muncul dalam visual tabel dalam laporan yang diterbitkan, memungkinkan aturan untuk memantau perubahan tingkat visual dan memicu pemberitahuan atau tindakan hilir.
  • Fabric Waktu Nyata dasbor.

Setiap peristiwa berisi:

  • Stempel waktu
  • Data muatan (data terstruktur atau semi terstruktur)
  • Satu atau beberapa atribut yang digunakan untuk identifikasi objek (misalnya, device_id, bikepoint_id)

Objek

Dalam Fabric Activator, entitas yang Anda pantau disebut objek bisnis, yang dapat berupa fisik atau konseptual. Contohnya termasuk objek fisik seperti freezer, kendaraan, paket, dan pengguna, dan objek konseptual seperti kampanye iklan, akun pelanggan, sesi pengguna.

Untuk memodelkan objek bisnis di Activator, Anda menyambungkan satu atau beberapa eventstream, pilih kolom untuk berfungsi sebagai ID objek, dan tentukan bidang yang ingin Anda perlakukan sebagai properti objek.

Istilah instans objek mengacu pada contoh tertentu dari objek bisnis seperti freezer, kendaraan, atau sesi pengguna tertentu. Sebaliknya, objek biasanya mengacu pada definisi umum atau kelas (misalnya, freezer sebagai jenis). Istilah populasi digunakan untuk kumpulan lengkap instans objek yang dipantau.

Pembuatan objek bersifat implisit: Aktivator mengelompokkan peristiwa menggunakan kunci objek yang ditunjuk. Aturan terbatas pada objek, yang berarti seluruh logika evaluasi menyadari objek dan independen antar instans. Misalnya, sebuah aturan pemantauan bikepoint_id menciptakan evaluasi logis yang berbeda untuk setiap stasiun sepeda yang unik.

Aturan

Aturan menentukan kondisi yang ingin Anda deteksi pada objek Anda dan tindakan yang harus diambil saat kondisi tersebut terpenuhi. Misalnya, aturan pada objek freezer mungkin mendeteksi ketika suhu naik di atas ambang aman dan secara otomatis mengirim pemberitahuan email ke teknisi yang ditetapkan.

Aturan dalam Aktivator dapat tanpa status atau stateful:

  • Aturan stateless mengevaluasi setiap peristiwa dalam isolasi (misalnya, nilai < 50).
  • Aturan stateful mempertahankan memori di seluruh peristiwa per objek (misalnya, nilai DECREASES, BECOMES, EXIT RANGE).

Aktivator juga mendukung pembuatan aturan berdasarkan hasil kueri SQL dari Fabric Data Warehouse (pratinjau). Anda dapat menentukan aturan yang mengevaluasi kueri SQL pada jadwal yang dapat dikonfigurasi, memeriksa kondisi terhadap kumpulan hasil, dan memicu tindakan saat kondisi terpenuhi. Fitur ini memungkinkan pemantauan data gudang tanpa memerlukan sumber streaming. Untuk informasi selengkapnya, lihat Membuat aturan pemberitahuan pada kueri SQL.

Evaluasi stateful bergantung pada:

  • Deteksi delta: Melacak perubahan antara nilai peristiwa sebelumnya dan saat ini.
  • Pengurutan temporal: Mengevaluasi kondisi berbasis waktu seperti tidak adanya peristiwa (deteksi detak jantung).
  • Transisi status: Aturan hanya diaktifkan saat masuk ke status baru, mencegah penembakan berulang dalam kondisi yang tidak berubah.

Aturan dievaluasi terus menerus. Untuk aturan stateless pada data streaming, sistem merespons dalam milidetik. Untuk aturan dengan agregasi, latensi tergantung pada jendela peninjauan kembali dan toleransi kedatangan terlambat. Untuk informasi selengkapnya, lihat Latensi di Aktivator.

Tindakan

Saat kondisi aturan terpenuhi dan tindakan dimulai, aturan diaktifkan. Target yang didukung untuk tindakan meliputi:

  • Fabric pipeline (untuk pergerakan data, pengayaan).
  • Fabric notebook (untuk penilaian pembelajaran mesin, diagnostik).
  • Pekerjaan spark Fabric (untuk tugas batch/pemrosesan streaming).
  • Fabric aliran data (untuk pergerakan dan transformasi data).
  • Fungsi Data Pengguna Fabric (untuk logika bisnis kustom menggunakan kode).
  • Tugas penyalinan Fabric (pratinjau) (untuk menyalin data antara sumber dan target).
  • Publikasikan peristiwa bisnis (pratinjau) (untuk memicu proses lanjutan yang memanfaatkan peristiwa bisnis).
  • Power Automate alur kerja (untuk integrasi proses bisnis).
  • Pemberitahuan Teams (menggunakan pesan berbasis templat).
  • Pemberitahuan email.

Ketika aturan dipicu, Aktivator mengirim informasi tentang apa yang terjadi dan melanjutkan pemantauan tanpa menunggu tindakan selesai. Pendekatan ini memungkinkan alur kerja yang dapat diskalakan yang dapat memproses banyak peristiwa secara bersamaan.

Properti

Properti adalah bidang atau atribut tertentu dari objek bisnis yang ingin Anda pantau. Ini bisa menjadi karakteristik fisik atau konseptual, seperti:

  • Suhu paket perangkat
  • Status pengiriman
  • Saldo akun pelanggan
  • Skor keterlibatan sesi pengguna

Properti berasal dari eventstream, yang merupakan aliran data berkelanjutan dari sumber seperti sensor IoT, laporan Power BI, atau sistem lainnya.

Saat Anda menentukan objek bisnis di Activator, Anda menyambungkan satu atau beberapa eventstream, memilih kolom untuk berfungsi sebagai ID objek, dan memilih kolom lain untuk diperlakukan sebagai properti objek tersebut. Anda dapat membuat aturan pada properti ini untuk melacak perubahan dari waktu ke waktu, mendeteksi kapan properti melebihi ambang batas atau berada di luar rentang, atau memicu tindakan seperti pemberitahuan, alur kerja, atau pemberitahuan.

Properti juga berguna ketika Anda ingin menggunakan kembali logika di beberapa aturan. Misalnya, pada objek freezer, Anda dapat menentukan properti yang menghitung rata-rata suhu selama periode satu jam. Setelah ditentukan, Anda dapat mereferensikan properti ini dalam beberapa aturan, seperti yang mendeteksi panas berlebih, fluktuasi suhu, atau ambang pemeliharaan - tanpa menduplikasi logika. Dengan memusatkan logika dalam properti, Anda membuat aturan Anda lebih mudah dikelola, lebih konsisten, dan lebih mudah diperbarui dari waktu ke waktu.

Periode tinjau ulang

Periode peninjauan ulang adalah durasi data historis yang dianalisis oleh Activator untuk mengevaluasi peraturan. Ini memastikan bahwa ada cukup data sebelumnya untuk mendeteksi pola atau agregasi komputasi secara akurat seperti rata-rata, bahkan jika data datang terlambat atau tidak teratur.

Anda menentukan periode lookback dengan:

  • Bagaimana Anda menentukan aturan, misalnya, apakah itu memerlukan analisis tren, mendeteksi anomali, atau membandingkan nilai dari waktu ke waktu.
  • Volume data masuk, seperti jumlah peristiwa per detik dalam eventstream.

Pertimbangkan operasi logistik farmasi yang mengangkut paket obat dalam rantai dingin. Tujuannya adalah untuk menerima pemberitahuan ketika paket menjadi terlalu hangat.

Katakanlah Anda menentukan aturan untuk:

  • Mengevaluasi suhu rata-rata setiap paket selama jendela tiga jam
  • Memicu pemberitahuan jika suhu rata-rata melebihi 8°C

Untuk menghitung aturan ini secara akurat, Fabric Activator perlu menganalisis jendela data historis yang lebih luas (misalnya, periode lookback enam jam untuk rata-rata tiga jam). Proses ini memastikan bahwa ada cukup data untuk menghitung rata-rata tiga jam kapan saja, bahkan jika data tiba dengan beberapa penundaan atau penyimpangan.

Periode lookback sangat penting untuk mengaktifkan deteksi kondisi yang tepat waktu dan akurat, terutama dalam skenario di mana pola data berevolusi dari waktu ke waktu.

ID objek aktif yang berbeda

Gunakan aturan yang dibangun pada atribut untuk memantau bagaimana atribut spesifik objek berubah dari waktu ke waktu. Dalam contoh logistik farmasi, setiap paket obat diwakili oleh ID objek unik, dan sistem menerima pembacaan suhu berkala untuk setiap paket.

Untuk mengevaluasi aturan ini secara efektif, Fabric Activator melacak ID objek aktif - yaitu, objek tempat peristiwa tiba dalam periode lookback yang ditentukan. Perilaku ini memastikan bahwa sistem hanya mempertimbangkan objek aktif yang relevan saat ini saat menerapkan aturan.

Misalnya, stasiun tol mungkin melacak kendaraan (ID objek) saat melewatinya. Setiap kendaraan menghasilkan peristiwa (misalnya, pemindaian masuk dan keluar), dan sistem hanya mengevaluasi objek tersebut dengan aktivitas terbaru.

Jumlah ID objek berbeda (jumlah paket) yang Anda lacak dalam jendela lookback juga menetapkan batas.

Kasus penggunaan umum

Berikut adalah beberapa skenario dunia nyata di mana Anda dapat menggunakan Fabric Activator:

  • Secara otomatis meluncurkan kampanye iklan ketika penjualan di toko yang sama menurun, membantu meningkatkan kinerja di lokasi yang berkinerja rendah.
  • Beri tahu manajer toko kelontong untuk merelokasi makanan dari freezer yang tidak berfungsi sebelum pembusukan terjadi.
  • Memicu alur kerja pendekatan yang dipersonalisasi saat perjalanan pelanggan di seluruh aplikasi, situs web, atau titik sentuh lainnya menunjukkan pengalaman negatif.
  • Secara proaktif memulai alur kerja investigasi ketika status pengiriman tidak diperbarui dalam jangka waktu yang ditentukan, membantu menemukan paket yang hilang lebih cepat.
  • Memberitahu tim akun ketika pelanggan jatuh tempo, menggunakan ambang batas yang disesuaikan untuk waktu atau saldo yang belum terbayar per pelanggan.
  • Pantau kesehatan pipeline dan jalankan ulang pekerjaan yang gagal secara otomatis atau beri tahu tim saat anomali atau kegagalan terdeteksi.

Konten terkait

  • Last updated on