Microsoft Fabric-hendelsesstrømmer – oversikt
Funksjonen for hendelsesstrømmer i Microsoft Fabric Real-Time Intelligence-opplevelsen lar deg bringe sanntidshendelser til Fabric, transformere dem og deretter rute dem til ulike destinasjoner uten å skrive noen kode (ingen kode). Du oppretter en hendelsesstrøm, som er en forekomst av Eventstream-elementet i Fabric, legger til datakilder for hendelser i strømmen, legger eventuelt til transformasjoner for å transformere hendelsesdataene og deretter rute dataene til støttede mål.
Ta med hendelser inn i Fabric
Funksjonen for hendelsesstrømmer gir deg ulike kildekoblinger for å hente hendelsesdata fra de ulike kildene. Det finnes flere kilder tilgjengelig når du aktiverer forbedrede funksjoner på tidspunktet for oppretting av en hendelsesstrøm.
Viktig
Forbedrede funksjoner for Fabric-hendelsesstrømmer er for øyeblikket i forhåndsversjon.
| Kilder | Bekrivelse |
|---|---|
| Azure Event Hubs | Hvis du har en Azure-hendelseshub, kan du innta hendelseshubdata i Microsoft Fabric ved hjelp av Eventstream. |
| Azure IoT Hub | Hvis du har en Azure IoT-hub, kan du innta IoT-data i Microsoft Fabric ved hjelp av Eventstream. |
| Azure SQL Database Change Data Capture (CDC) | Med azure SQL Database CDC-kildekoblingen kan du ta et øyeblikksbilde av gjeldende data i en Azure SQL-database. Koblingen overvåker og registrerer deretter eventuelle fremtidige endringer på radnivå i disse dataene. |
| PostgreSQL Database CDC | Med kildekoblingen PostgreSQL Database Change Data Capture (CDC) kan du ta et øyeblikksbilde av gjeldende data i en PostgreSQL-database. Koblingen overvåker og registrerer deretter eventuelle fremtidige endringer på radnivå i disse dataene. |
| MySQL Database CDC | Med kildekoblingen Azure MySQL Database Change Data Capture (CDC) kan du ta et øyeblikksbilde av gjeldende data i en Azure Database for MySQL-database. Du kan angi tabellene som skal overvåkes, og eventstreamen registrerer eventuelle fremtidige endringer på radnivå i tabellene. |
| Azure Cosmos DB CDC | Azure Cosmos DB Change Data Capture (CDC)-kildekoblingen for Microsoft Fabric-hendelsesstrømmer lar deg ta et øyeblikksbilde av gjeldende data i en Azure Cosmos DB-database. Koblingen overvåker og registrerer deretter eventuelle fremtidige endringer på radnivå i disse dataene. |
| Google Cloud Pub/Sub | Google Pub/Sub er en meldingstjeneste som lar deg publisere og abonnere på strømmer av hendelser. Du kan legge til Google Pub/Sub som en kilde i eventstreamen for å registrere, transformere og rute sanntidshendelser til ulike destinasjoner i Fabric. |
| Amazon Kinesis Data Streams | Amazon Kinesis Data Streams er en massivt skalerbar, svært holdbar datainntak og behandlingstjeneste optimalisert for streaming av data. Ved å integrere Amazon Kinesis Data Streams som en kilde i hendelsesstrømmen, kan du sømløst behandle sanntids datastrømmer før du dirigerer dem til flere destinasjoner i Fabric. |
| Confluent Cloud Kafka | Confluent Cloud Kafka er en strømmeplattform som tilbyr kraftige datastrømmings- og behandlingsfunksjonaliteter ved hjelp av Apache Kafka. Ved å integrere Confluent Cloud Kafka som en kilde i hendelsesstrømmen, kan du sømløst behandle sanntids datastrømmer før du ruter dem til flere destinasjoner i Fabric. |
| Azure Blob Storage-hendelser | Azure Blob Storage-hendelser utløses når en klient oppretter, erstatter eller sletter en blob. Koblingen lar deg koble Blob Storage-hendelser til Fabric-hendelser i Sanntidshub. Du kan konvertere disse hendelsene til kontinuerlige datastrømmer og transformere dem før du distribuerer dem til ulike mål i Fabric. |
| Fabric Workspace Item-hendelser | Fabric Workspace Item-hendelser er diskrete Fabric-hendelser som oppstår når endringer gjøres i Fabric Workspace. Disse endringene omfatter oppretting, oppdatering eller sletting av et stoffelement. Med Fabric-hendelsesstrømmer kan du fange opp disse Fabric-arbeidsområdehendelsene, transformere dem og rute dem til ulike destinasjoner i Fabric for videre analyse. |
| Eksempeldata | Du kan velge sykler, gul taxi eller børshendelser som en eksempeldatakilde for å teste datainntaket mens du konfigurerer en hendelsesstrøm. |
| Egendefinert endepunkt (dvs. egendefinert app i standardfunksjonalitet) | Med den egendefinerte endepunktfunksjonen kan programmene eller Kafka-klientene koble til Eventstream ved hjelp av en tilkoblingsstreng, noe som muliggjør jevn inntak av strømming av data i Eventstream. |
Behandle hendelser ved hjelp av no-code experience
Dra og slipp-opplevelsen gir deg en intuitiv og enkel måte å opprette hendelsesdatabehandling, transformering og rutinglogikk uten å skrive kode. Et ende-til-ende-dataflytdiagram i en hendelsesstrøm kan gi deg en omfattende forståelse av dataflyten og organisasjonen. Redigeringsprogrammet for hendelsesbehandling er en no-code-opplevelse som lar deg dra og slippe for å utforme behandlingslogikken for hendelsesdata.
| Transformasjon | Bekrivelse |
|---|---|
| Filtrer | Bruk filtertransformasjonen til å filtrere hendelser basert på verdien for et felt i inndataene. Avhengig av datatypen (tall eller tekst) beholder transformasjonen verdiene som samsvarer med den valgte betingelsen, for eksempel is null eller is not null. |
| Behandle felt | Med transformasjonen Behandle felt kan du legge til, fjerne, endre datatype eller gi nytt navn til felt som kommer inn fra en inndata eller en annen transformasjon. |
| Mengde | Bruk mengdetransformasjonen til å beregne en aggregasjon (sum, minimum, maksimum eller gjennomsnitt) hver gang en ny hendelse forekommer over en tidsperiode. Denne operasjonen gjør det også mulig å gi nytt navn til disse beregnede kolonnene, og filtrere eller kutte aggregasjonen basert på andre dimensjoner i dataene. Du kan ha én eller flere aggregasjoner i samme transformasjon. |
| Grupper etter | Bruk grupper etter transformasjon til å beregne aggregasjoner på tvers av alle hendelser i et bestemt tidsvindu. Du kan gruppere etter verdiene i ett eller flere felt. Det er som om aggregeringstransformasjonen gir mulighet for å gi nytt navn til kolonner, men gir flere alternativer for aggregering og inneholder mer komplekse alternativer for tidsvinduer. I likhet med Aggregate kan du legge til mer enn én aggregasjon per transformasjon. |
| Forening | Bruk unionstransformasjonen til å koble sammen to eller flere noder og legge til hendelser med delte felt (med samme navn og datatype) i én tabell. Felt som ikke samsvarer, slippes og inkluderes ikke i utdataene. |
| Utvid | Bruk utvid matrisetransformasjonen til å opprette en ny rad for hver verdi i en matrise. |
| Bli med | Bruk Sammenføyning-transformasjonen til å kombinere data fra to strømmer basert på en samsvarende betingelse mellom dem. |
Hvis du aktiverte forbedrede funksjoner under oppretting av en hendelsesstrøm, støttes transformasjonsoperasjonene for alle mål (med avledet strøm som fungerer som en mellomliggende bro for enkelte mål, for eksempel egendefinert endepunkt, refleks). Hvis du ikke gjorde det, er transformasjonsoperasjonene bare tilgjengelige for lakehouse- og KQL-databasemålene (hendelsesbehandling før inntak).
Rute hendelser til destinasjoner
Funksjonen for fabric-hendelsesstrømmer støtter sending av data til følgende støttede mål.
| Mål | Bekrivelse |
|---|---|
| Egendefinert endepunkt (dvs. egendefinert app i standardfunksjonalitet) | Med dette målet kan du enkelt rute sanntidshendelser til et egendefinert endepunkt. Du kan koble dine egne programmer til eventstreamen og bruke hendelsesdataene i sanntid. Dette målet er nyttig når du vil gå ut av sanntidsdata til et eksternt system utenfor Microsoft Fabric. |
| KQL-database | Dette målet lar deg innta hendelsesdataene i sanntid i en KQL-database, der du kan bruke det kraftige Kusto-spørringsspråket (KQL) til å spørre og analysere dataene. Med dataene i Kusto-databasen kan du få dypere innsikt i hendelsesdataene og opprette rike rapporter og instrumentbord. Du kan velge mellom to inntaksmoduser: Direkteinntak og hendelsesbehandling før inntak. |
| Lakehouse | Dette målet gir deg muligheten til å transformere dine sanntidshendelser før du inntar dem til lakehouse. Sanntidshendelser konverteres til Delta Lake-format og lagres deretter i de angitte lakehouse-tabellene. Dette målet støtter scenarioer for datalagring. |
| Refleks | Med dette målet kan du koble hendelsesdataene i sanntid direkte til en refleks. Refleks er en type intelligent agent som inneholder all nødvendig informasjon for å koble til data, overvåke for betingelser og handle. Når dataene når bestemte terskler eller samsvarer med andre mønstre, utfører Refleks automatisk nødvendige handlinger, for eksempel å varsle brukere eller starte Power Automate-arbeidsflyter. |
| Avledet strøm | Avledet strøm er en spesialisert måltype som du kan opprette etter at du har lagt til strømoperasjoner, for eksempel Filter eller Behandle felt, i en hendelsesstrøm. Den avledede strømmen representerer den transformerte standardstrømmen etter strømbehandling. Du kan rute den avledede strømmen til flere mål i Fabric, og vise den avledede strømmen i sanntidshuben. |
Du kan legge ved flere mål i en hendelsesstrøm for å motta data fra hendelsesstrømmene samtidig uten å forstyrre hverandre.
Merk
Vi anbefaler at du bruker funksjonen Microsoft Fabric-hendelsesstrømmer med minst fire kapasitetsenheter (SKU: F4)
Forbedrede funksjoner (forhåndsversjon)
Det finnes flere funksjoner, kilder og mål som er tilgjengelige når du aktiverer alternativet Forbedrede funksjoner (forhåndsvisning) mens du oppretter en hendelsesstrøm. Bruk kategoriene Forbedrede funksjoner (forhåndsvisning) og Standardfunksjoner til å lære om flere kilder og mål som støttes med de forbedrede funksjonene.
Her er noen andre bemerkelsesverdige funksjoner i Forbedrede funksjoner (forhåndsvisning):
- Rediger modus og livevisning. Utforsk to forskjellige moduser for visualisering og utforming av strømbehandling.
- Standard og avledede strømmer. Opprett en kontinuerlig flyt av strømmer med formatet du utformer, med en hendelsesprosessor som kan brukes senere i sanntidshuben.
- Datastrømsruting basert på innhold. Transformer og rute datastrømmene hvor som helst i Fabric basert på datastrømsinnholdet du utformet med hendelsesprosessoren.