Pengantar hub Fabric Real-Time (pratinjau)
Hub Real-Time adalah tempat tunggal untuk semua data-in-motion di seluruh organisasi Anda. Setiap penyewa Microsoft Fabric secara otomatis disediakan dengan hub. Tidak ada langkah tambahan yang diperlukan untuk menyiapkan atau mengelolanya. Ini juga menyediakan konektor berlimpah untuk penyerapan data yang disederhanakan ke Fabric. Artikel ini menjelaskan fitur-fitur ini secara rinci.
Catatan
Hub Real Time saat ini dalam pratinjau.
Satu tempat untuk data-in-motion di seluruh organisasi Anda
Hub Real-Time adalah tempat logis tunggal, seluruh penyewa, terpadu, untuk streaming data-in-motion. Ini memungkinkan Anda untuk dengan mudah menemukan, menyerap, mengelola, dan mengonsumsi data-in-motion dari berbagai sumber. Ini mencantumkan semua streaming dan tabel Bahasa Kueri Kusto (KQL) yang dapat Anda tindaklanjuti secara langsung. Ini juga memberi Anda cara mudah untuk menyerap data streaming dari produk Microsoft dan peristiwa Fabric.
Setiap pengguna di penyewa dapat melihat dan mengedit semua peristiwa atau aliran yang dapat mereka akses. Hub Real Time memudahkan untuk berkolaborasi dan mengembangkan aplikasi streaming dalam satu tempat.
Banyak konektor untuk menyerap data dari berbagai sumber
Hub Real Time memiliki banyak konektor out-of-box yang memudahkan Anda untuk menyerap data ke Microsoft Fabric dari berbagai sumber. Saat ini, konektor berikut didukung:
Streaming data dari cloud lain |
|
Kluster Kafka |
|
Umpan Database Change Data Capture (CDC) |
|
Sumber streaming Microsoft |
|
Peristiwa fabric |
|
Pengalaman Get Events terpadu membuatnya mudah untuk menghubungkan sumber ini ke komponen di hub Real-Time seperti eventstream, database KQL, dan Data Activator.
Integrasi data
Aliran dan tabel
Untuk aliran peristiwa dan database KQL yang sedang berjalan, semua output aliran dari eventstream dan tabel dari database KQL secara otomatis muncul di hub Real-Time.
Integrasi dengan sumber Microsoft
Hub Real Time mencantumkan semua sumber daya streaming dari layanan Microsoft. Baik itu Azure Event Hubs, Azure IoT Hub, atau layanan lainnya, Anda dapat menyerap data dengan mulus ke hub Real-Time.
Peristiwa fabric
Peristiwa yang dihasilkan melalui artefak Fabric dan sumber eksternal, disediakan di Fabric untuk mendukung skenario berbasis peristiwa seperti peringatan real time dan memicu tindakan hilir. Anda dapat memantau dan bereaksi terhadap peristiwa termasuk peristiwa item ruang kerja Fabric dan peristiwa Azure Blob Storage. Peristiwa ini dapat digunakan untuk memicu tindakan atau alur kerja lain, seperti memanggil alur data atau mengirim pemberitahuan melalui email. Pengguna juga dapat mengirim peristiwa ini ke tujuan lain melalui Fabric Event Aliran.
Memproses, menganalisis, dan bertindak pada aliran data
Hub Real Time memungkinkan Anda membuat aliran untuk sumber yang didukung. Setelah membuat aliran, Anda dapat memprosesnya, menganalisisnya, dan mengatur pemberitahuan pada aliran tersebut.
Untuk memproses aliran, Anda membuka aliran peristiwa induk di editor, menambahkan transformasi seperti Agregat, Perluas, Filter, Kelompokkan menurut, Kelola bidang, dan Union, untuk mengubah atau memproses data yang mengalir ke Fabric, lalu mengirim data output dari transformasi ke tujuan yang didukung.
Untuk menganalisis aliran, Anda membuka eventstream yang terkait dengan aliran data, menambahkan tujuan KQL Database untuk mengirim data ke tabel KQL, lalu membuka database KQL dan menjalankan kueri terhadap tabel KQL. Untuk menganalisis tabel di hub Real-Time, Anda membuka database KQL induk dan menjalankan kueri terhadap tabel KQL.
Untuk bertindak pada streaming atau peristiwa Fabric, Anda mengatur pemberitahuan berdasarkan kondisi dan menentukan tindakan yang harus diambil saat kondisi terpenuhi.
Konten terkait
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk