Dokumentasi Fabric Real-Time Intelligence

Fabric Real-Time Intelligence adalah solusi menyeluruh untuk skenario berbasis peristiwa, data streaming, dan log data. Ini memungkinkan ekstraksi wawasan, visualisasi, dan tindakan pada data yang bergerak dengan menangani penyerapan data, transformasi, penyimpanan, analitik, visualisasi, pelacakan, AI, dan tindakan real time.

Tentang Inteligensi Waktu Nyata

Gambaran Umum

• Apa itu Kecerdasan Real-Time?

Mulai

• Bandingkan dengan solusi Azure lainnya
• Tutorial Inteligensi Waktu Nyata

Konsep

• Aktivator
• Eventhouse
• Hub Waktu Nyata
• Eventstream

Hub Waktu Nyata

Gambaran Umum

• Apa itu hub Real-Time?
• Membawa data Anda ke hub Real-Time
• Menjelajahi aliran data
• Atur peringatan pada streaming

Memvisualisasikan data

Panduan Penggunaan

• Memvisualisasikan data di dasbor Real-Time
• Memvisualisasikan data dalam laporan Power BI
• Memvisualisasikan data spasial di peta

Dapatkan data

Gambaran Umum

• Apa itu Eventstream?

Panduan Penggunaan

• Membuat dan mengelola eventstream
• Membuat eventstream untuk peristiwa diskrit
• Merutekan aliran data berdasarkan konten
• Memantau aliran peristiwa

Panduan Penggunaan

• Mendapatkan data dari hub Real-Time
• Mendapatkan data dari OneLake
• Mendapatkan data dari penyimpanan Azure
• Mendapatkan data dari Eventstream
• Mendapatkan data dari Amazon S3

Menyimpan data

Panduan Penggunaan

• Gambaran umum Eventhouse
• Membangun tempat acara
• Mengelola dan memantau eventhouse

Panduan Penggunaan

• Membuat data base KQL
• Membuat tabel kosong
• Mengelola database KQL
• Membuat pintasan ke OneLake

Bertindak berdasarkan data

Gambaran Umum

• Apa itu Aktivator?

Panduan Penggunaan

• Mendapatkan data dari Power BI

Panduan Penggunaan

• Mengaktifkan item Fabric
• Pemberitahuan pada dasbor waktu nyata
• Alarm pada kumpulan kueri KQL

Data pemodelan

Gambaran Umum

• Apa itu Digital Twin Builder (pratinjau)?

Mulai

• Tutorial pembuat kembar digital (pratinjau)

Konsep

• Memodelkan data Anda di pembuat kembar digital (pratinjau)
• Memetakan data ke entitas
• Alur pembangun kembar digital (pratinjau)

Menganalisis dan memodelkan data

Panduan Penggunaan

• Menjalankan kueri data dalam kumpulan kueri KQL
• Sesuaikan hasil dalam tabel hasil KQL Queryset
• Gunakan contoh kueri

Gambaran Umum

• Gambaran umum Bahasa Kueri Kusto (KQL)

Pelatihan

• Modul pelatihan: Tulis kueri pertama Anda dengan Bahasa Kueri Kusto

Panduan Penggunaan

• Menggunakan buku catatan Fabric dengan data dari database KQL
• Menggunakan buku catatan dengan Apache Spark untuk mengkueri database KQL
• Menggunakan buku catatan dengan Kqlmagic untuk mengkueri database KQL

Memantau metrik dan log Eventhouse

Gambaran Umum

• Pemantauan Eventhouse

Referensi

• Metrik
• Catatan Perintah
• Log operasi data
• Log hasil penyerapan
• Log kueri

Membangun dan menggunakan agen AI

Gambaran Umum

• agen operasi inteligensi Real-Time
• server untuk Real-Time Intelligence Model Context Protocol (MCP)

Panduan Penggunaan

• Mulai menggunakan agen operasi
• Menerapkan server MCP Inteligensi Real-Time lokal
• Menggunakan server MCP jarak jauh untuk berinteraksi dengan Eventhouse
• Menggunakan server MCP jarak jauh untuk berinteraksi dengan Activator

Copilot dalam Real-Time Intelligence

Gambaran Umum

• Ringkasan Copilot di Real-Time Intelligence

Panduan Penggunaan

• Menggunakan Copilot untuk menulis kueri KQL
• Menggunakan Copilot untuk menghasilkan dasbor Real-Time
• Jelajahi data dashboard Real-Time dengan Copilot

Arsitektur referensi

Referensi

• Otomotif dan mobilitas
• Energi dan sumber daya
• Industri dan manufaktur
• Barang ritel dan konsumen
• Layanan kesehatan dan ilmu hayat
• Layanan keuangan
• Telekomunikasi dan media