Menggunakan database SQL sebagai sumber untuk aplikasi translitikal

Berlaku untuk:✅Database SQL di Microsoft Fabric

Artikel ini menjelaskan cara menggunakan database SQL di Microsoft Fabric sebagai tulang punggung operasional untuk aplikasi translitikal - aplikasi yang memerlukan akses transaksi dan analitik ke data yang sama.

Tujuannya adalah untuk mengaktifkan beban kerja transaksional, API operasional, dan data analitik langsung dalam satu database, dalam platform Microsoft Fabric yang diatur dan aman.

Ujung Analitik SQL

Saat Anda membuat database SQL di Fabric, data secara otomatis direplikasi hampir waktu nyata ke OneLake, membentuk salinan baca saja dari data Anda dalam tabel Delta yang dapat diakses melalui T-SQL melalui titik akhir analitik SQL. Arsitektur ini berarti bahwa data yang dihasilkan oleh sistem transaksi tersedia untuk kueri analitik tanpa pemrosesan atau alur ETL yang kompleks. Dengan menggunakan titik akhir analitik SQL, Anda dapat menganalisis data mendekati real time tanpa memengaruhi beban kerja transaksi. Data ini dapat digunakan untuk pelaporan Power BI, model pembelajaran mesin, atau analitik lain dalam Fabric. Titik akhir analitik SQL juga dapat diakses oleh aplikasi eksternal yang memerlukan akses analitik ke data.

Contohnya meliputi:

  • Kesehatan: Pantau metrik kesehatan untuk memberikan wawasan real-time bagi profesional layanan kesehatan.
  • Keuangan: Analisis data pasar untuk mengoptimalkan strategi trading secara real time.
  • Ritel: Analisis perilaku pelanggan untuk memberikan pengalaman belanja yang dipersonalisasi.
  • Manufaktur: Pantau proses produksi untuk meningkatkan kualitas produk.

Alur tugas translitik

Saat Anda menggunakan Power BI untuk menganalisis data, mungkin ada kalanya Anda perlu mengambil tindakan pada data seperti memperbarui rekaman, menambahkan anotasi, atau memicu tindakan di sistem lain berdasarkan data. Anda dapat dengan mudah menyelesaikan tugas-tugas ini dengan menggunakan alur tugas translitikal di Fabric.

Fungsi data pengguna mengaktifkan skenario seperti:

  • Tambahkan data: Tambahkan catatan data ke tabel di database Anda dan lihat tercermin dalam laporan Anda. Misalnya, menambahkan catatan pelanggan baru.
  • Mengedit data: Edit rekaman data yang sudah ada dalam tabel di database Anda dan melihatnya tercermin dalam laporan Anda, tanpa pengkodan kustom. Misalnya, memperbarui bidang status atau anotasi.
  • Menghapus data: Hapus rekaman data yang sudah ada dari tabel di database Anda dan lihat data tersebut dihapus dari laporan Anda. Misalnya, menghapus catatan pelanggan yang tidak lagi diperlukan.
  • Panggil API eksternal: Buat permintaan API yang dapat diakses melalui permintaan jaringan. Misalnya, membuat permintaan ke antarmuka REST dari API publik yang memperbarui data dasar atau masukan dari pengguna akhir, atau melakukan tindakan dalam sistem yang berbeda.

Untuk skenario tulis balik data, fungsi data pengguna menyediakan manajemen koneksi untuk database SQL di Fabric, gudang, dan lakehouse. Berikut adalah cara kerja alur tugas translitikal:

  • Fungsi data pengguna dalam Fabric memanggil fungsi pada sumber data Fabric yang mendasar. Fungsi data pengguna bekerja dengan konteks laporan saat ini (filter, pemilah data, dan pilihan) diteruskan sebagai parameter.
  • Karena titik akhir analitik SQL mempertahankan replika yang mendekati real-time di OneLake, pembaruan yang dihasilkan oleh aliran tugas tersedia untuk analitik langsung dan visual Power BI tanpa ETL tambahan.
  • Tindakan yang diambil melalui fungsi data pengguna dapat dirutekan ke Fabric Notebooks di alur ELT untuk pemrosesan yang dibantu AI (misalnya, klasifikasi atau pengayaan) sebelum persistensi akhir dalam database SQL.

Membangun alur tugas translitik melibatkan tugas utama ini:

  1. Menyimpan data Anda di sumber data Fabric.
  2. Mengembangkan fungsi data pengguna untuk menangani tindakan.
  3. Membuat model semantik Power BI untuk menggunakan data ini.
  4. Membuat laporan Power BI dengan elemen interaktif untuk mengambil input pengguna dan memanggil fungsi.

Konten terkait

  • Last updated on