이 문서에서는 Real-Time 대시보드를 사용하여 디지털 트윈 빌더 데이터(미리 보기)를 시각화하는 단계를 안내합니다.
중요합니다
이 기능은 프리뷰 상태입니다.
이 프로세스에는 다음 단계가 포함됩니다.
- KQL 쿼리 및 대시보드의 데이터 원본이 될 이벤트 하우스 및 자식 KQL 데이터베이스를 만듭니다. OneLake 바로 가기 키를 사용하여 KQL 데이터베이스에서 디지털 트윈 빌더 데이터를 사용할 수 있도록 합니다.
- Eventhouse 함수를 만들어 디지털 트윈 빌더 엔터티 형식 및 속성의 구성된 뷰를 프로젝션합니다. 이러한 함수를 사용하면 디지털 트윈 빌더 데이터를 사용하여 KQL 쿼리를 더 쉽게 작성할 수 있습니다.
- 데이터를 쿼리하여 필요한 인사이트를 가져옵니다.
- 대시보드에 쿼리를 고정하고 필요에 따라 시각적 개체를 계속 추가합니다.
필수 조건
- Microsoft Fabric가 활성화된 용량을 보유한 작업 공간.
- 레이크하우스에서 데이터가 매핑된디지털 트윈 빌더(미리 보기) 항목입니다.
디지털 트윈 작성 지원 도구(미리 보기) 데이터를 KQL 데이터베이스로 바로 연결
디지털 트윈 빌더(미리 보기) 항목에서 데이터를 매핑하면, 매핑 데이터가 새로운 레이크하우스에 저장되고, 그 이름은 디지털 트윈 빌더 항목 이름에 dtdm이 추가된 형태입니다. Lakehouse는 작업 영역의 루트 폴더에 있습니다.
KQL 쿼리 및 Real-Time 대시보드에 데이터에 액세스하려면 Eventhouse의 KQL 데이터베이스에 있어야 합니다.
따라서 이 섹션에서는 새 Eventhouse 및 자식 KQL 데이터베이스를 만듭니다. 그런 다음 OneLake 바로 가기를 사용하여 디지털 트윈 작성기 데이터 테이블을 데이터베이스에 추가합니다. 이 프로세스를 통해 Eventhouse에서 디지털 트윈 빌더 데이터를 쿼리할 수 있습니다.
작업 영역에서 새 이벤트 하우스를 만듭니다(자세한 지침은 이벤트 하우스 만들기 참조). 이벤트 하우스는 동일한 이름의 자식 KQL 데이터베이스를 사용하여 자동으로 만들어집니다.
KQL 데이터베이스에서 OneLake 바로 가기를 만들기의 단계를 따라 디지털 트윈 작성기 데이터 레이크하우스의 모든 테이블에 대한 바로 가기를 추가합니다.
데이터 원본을 선택할 때 디지털 트윈 빌더 항목 이름 뒤에 dtdm과 일치하는 이름을 가진 lakehouse를 찾습니다.
매핑할 테이블을 선택할 때 모두 선택합니다. 한 번에 10개의 테이블만 추가할 수 있으므로 모든 테이블에 대한 바로 가기가 있을 때까지 바로 가기 만들기 프로세스를 반복합니다.
팁 (조언)
바로 가기를 만들 때 가속 옵션이 켜짐으로 전환되도록 확인하여 쿼리 성능을 향상시킬 수 있습니다. 자세한 내용은 OneLake 바로 가기를 통한 쿼리 가속화를 참조하세요.
작업을 완료하면 KQL 데이터베이스의 바로 가기 아래에서 외부 디지털 트윈 작성기 데이터 테이블을 모두 볼 수 있습니다.
Eventhouse 함수 만들기
이제 KQL 데이터베이스에서 디지털 트윈 작성기(미리 보기) 데이터를 사용할 수 있으므로 데이터를 더 쉽게 쿼리할 수 있도록 함수를 만들 수 있습니다. 디지털 트윈 빌더는 여러 테이블에 데이터를 저장하므로 이러한 함수는 데이터를 구성하고 KQL 쿼리를 작성할 때 더 쉽게 액세스할 수 있도록 합니다.
함수를 만드는 샘플 스크립트가 포함된 Fabric Notebook 을 제공합니다. 스크립트는 디지털 트윈 작성기 온톨로지(예: Bus_property() 및 Bus_timeseries())에서 각 엔터티 형식 및 속성 형식 조합에 대해 하나의 함수를 만듭니다.
샘플 노트북 설정하기
샘플 스크립트를 사용하여 새 Notebook을 준비하려면 다음 단계를 수행합니다.
GitHub: digital-twin-builder의 샘플 폴더에서 다음 샘플 아티팩트를 다운로드합니다.
- 샘플 노트북, DTB_Generate_Eventhouse_Projection.ipynb
- 필요한 Python 패키지 dtb_samples-0.1-py3-none-any.whl
Notebook을 패브릭 작업 영역으로 가져옵니다. 자세한 지침은 Notebook 만들기 및 사용 - 기존 Notebook 가져오기를 참조하세요.
디지털 트윈 빌더 데이터 레이크하우스를 Notebook의 기본 데이터 원본으로 추가합니다. 자세한 지침은 노트북 만들기 및 사용 - 레이크하우스와 노트북 연결을 참조하세요.
lakehouse 이름 옆에 있는 ...를 선택하고 업로드>를 선택하여 dtb_samples-0.1-py3-none-any.whl을 lakehouse 데이터 원본의 파일 섹션에 업로드합니다.
업로드된 파일이 레이크하우스 파일에 표시됩니다.
Notebook에서 두 번째 코드 블록에는 디지털 트윈 빌더 항목과 KQL 데이터베이스의 이름에 대한 자리 표시자가 포함됩니다. 이러한 자리 표시자 값을 입력합니다.
이제 Notebook을 설정하고 실행할 준비가 되었습니다.
노트북을 실행하세요
Notebook 코드 블록을 순서대로 실행합니다.
Notebook은 다음 작업을 완료합니다.
- Python 패키지를 설치합니다.
- 리소스 이름에 대한 변수를 만듭니다.
- 다음 하위 단계를 사용하여 프로젝션 함수를 생성하는 스크립트를 만듭니다.
- 귀하의 작업 영역과 디지털 트윈 빌더 온톨로지에 연결합니다.
- 디지털 트윈 빌더 데이터베이스에서 데이터를 끌어오도록 Spark 판독기 설정
- 디지털 트윈 빌더 데이터를 Eventhouse로 푸시하는 스크립트를 생성합니다.
- 디지털 트윈 빌더의 구성에 따라 여러 함수를 자동으로 만들어 KQL 쿼리에서 사용할 수 있도록 Eventhouse에서 이 데이터에 쉽게 액세스할 수 있도록 합니다.
- 스크립트를 Fabric REST API로 보내고 KQL 데이터베이스에 대해 실행합니다.
Notebook이 완료되면 KQL 데이터베이스로 이동하여 새 함수를 확인합니다. 엔터티 형식과 해당 매핑에 관련됩니다.
KQL을 사용하여 쿼리
이제 KQL 쿼리의 함수를 사용하여 디지털 트윈 작성기(미리 보기) 데이터에 액세스할 수 있습니다.
KQL 쿼리에서 이름으로 함수를 호출하면 생성되는 데이터 프로젝션을 볼 수 있습니다. 열은 엔터티 형식의 매핑된 속성에 해당합니다.
KQL 쿼리 세트를 사용하여 데이터를 쿼리하는 방법에 대한 자세한 내용은 KQL 쿼리 세트의 쿼리 데이터를 참조하세요.
디지털 트윈 작성기 데이터에 액세스하는 KQL 쿼리의 예는 Real-Time Intelligence 자습서의 디지털 트윈 작성기 섹션 5를 참조 하세요. 데이터 쿼리 및 시각화.
Real-Time 대시보드에서 쿼리 시각화
이제 KQL 쿼리를 사용하여 디지털 트윈 작성기(미리 보기) 데이터를 탐색할 수 있으므로 Real-Time 대시보드에서도 시각화할 수 있습니다.
KQL 쿼리 세트에서 새 대시보드 또는 기존 대시보드로 직접 KQL 쿼리를 고정할 수 있습니다. 자세한 내용은 Real-Time 대시보드 만들기 - 쿼리 세트에서 타일 추가를 참조하세요.
새 대시보드를 처음부터 만들고 이 문서에서 만든 함수를 사용하여 대시보드에서 타일에 대한 쿼리를 작성할 수도 있습니다. 새 대시보드를 만드는 경우 KQL 데이터베이스를 대시보드의 데이터 원본으로 추가해야 합니다. 자세한 내용은 Real-Time 대시보드 만들기를 참조하세요.
대시보드가 설정되면 다음 작업을 고려합니다.
- 실시간 업데이트용 새로 고침 간격 설정
- 특정 조건에 따라 경고 만들기
- 팀 구성원과 대시보드 공유
- 고급 KQL 쿼리를 사용하여 디지털 트윈 빌더(미리 보기) 데이터에서 인사이트를 도출하세요.
디지털 트윈 작성기 데이터와 함께 쿼리를 사용하는 Real-Time 대시보드의 예는 Real-Time Intelligence 자습서의 디지털 트윈 작성기 섹션 5: 데이터 쿼리 및 시각화를 참조하세요.