Wat is Fabric Activator? Gegevensstromen transformeren in geautomatiseerde acties

Fabric Activator is een engine voor gebeurtenisdetectie zonder code en lage latentie die automatisch acties activeert wanneer specifieke patronen of voorwaarden worden gedetecteerd in gegevensbronnen. Belangrijke mogelijkheden zijn:

Deze gegevensbronnen worden continu bewaakt met latentie van subseconden en initieert acties wanneer aan drempelwaarden wordt voldaan of specifieke patronen worden gedetecteerd. Deze acties kunnen bestaan uit het verzenden van e-mailberichten of Teams-meldingen, het starten van Power Automate-stromen of het integreren met systemen van derden.

Kernarchitectuur

Activator is de engine voor gebeurtenisdetectie en regelsets in het hart van de Fabric Real-Time-intelligentiestapel. Architectonisch fungeert het als een intelligente waarnemer: het verbruiken van gegevensstromen met hoge snelheid, het evalueren van regelvoorwaarden in bijna realtime en het initiëren van geautomatiseerde downstreamacties op basis van wijzigingen in gebeurtenisstatussen.

Het maakt deel uit van een reactieve, gebeurtenisgestuurde architectuur waarin gegevens continu stromen en beslissingen worden genomen op basis van statusbewuste evaluaties van gebeurtenisgegevens in bijna realtime.

• gebeurtenisbronnen

  Activator maakt rechtstreeks verbinding met eventstreams, die gegevens van verschillende producenten opnemen (Azure Event Hubs, IoT-apparaten, aangepast eindpunt, enzovoort). Deze stromen fungeren als de bron van gebeurtenissen en Activator kan zich abonneren op een of meer eventstreams om gegevenswijzigingen te observeren. Andere gebeurtenisbronnen kunnen Fabric- of Azure-gebeurtenissen zijn of een Activator die luistert naar een Power BI-rapport of een Real-Time-dashboard.

• Gebeurtenissen en objecten

  Gebeurtenissen zijn afzonderlijke records (bijvoorbeeld een telemetriesignaal of een bestandsuitval) die via eventstream worden ontvangen. Deze gebeurtenissen worden gegroepeerd in objecten op basis van een gedeelde id (bijvoorbeeld alle gebeurtenissen van hetzelfde apparaat worden gegroepeerd met behulp van device_id, of alle fietsstationgebeurtenissen worden gegroepeerd op bikepoint_id). Regels worden vervolgens per object geëvalueerd, waardoor fijnmazige detectie mogelijk is (bijvoorbeeld per sensor of per asset).

• Regels en voorwaarden

  Elke activator bevat een of meer regels, die continu worden geëvalueerd. Deze regels kunnen eenvoudige vergelijkingen (value < threshold) of voorwaarden zijn waarmee wijzigingen in de loop van de tijd worden bijgehouden, zoals BECOMES, DECREASES, INCREASES, of EXIT RANGE, of het ontbreken van gegevens (heartbeat). Activator zorgt voor statustracering per object, waardoor complexe patroondetectie in de loop van de tijd mogelijk is.

• acties

  Wanneer aan een regelvoorwaarde wordt voldaan, kan Activator het volgende activeren:

  • pijplijnen, notebooks, functies of Spark-taakdefinitie in Fabric.

  • Externe acties via Power Automate.

  • Teams-bericht verzenden naar een persoon, groep of kanaal

  • E-mail verzenden

• Waarschuwingsbeheer en regel testen

  Activator biedt voorvertoning en impactschattingen voordat regels worden geactiveerd, en geeft aan hoe vaak een regel zou zijn getriggerd op historische gegevens. Deze functies helpen om waarschuwingenspam en overmatige waarschuwingen te voorkomen. Intern worden statusovergangen beheerd om ruis te onderdrukken (een waarde moet bijvoorbeeld een drempelwaarde overschrijden, niet alleen onder de drempelwaarde blijven).

• Bewaking en kostenbeheer

  Er worden alleen kosten in rekening gebracht wanneer activators actief draaien. Activator-instanties zijn gekoppeld aan Fabric-capaciteiten en kunnen worden gemonitord via de werkruimte. Runtimelogboeken en telemetrie zijn beschikbaar via eventstreams en pijplijnuitvoer.

Implementatiemodel

Activator-exemplaren worden per werkruimte geïmplementeerd en gebonden aan specifieke gegevensbronnen. Meerdere activeringsfuncties kunnen dezelfde stroom bewaken, waardoor parallelle regelevaluaties voor afzonderlijke bedrijfsfuncties mogelijk zijn. Omdat de activator capaciteitsgebonden is, geldt het betalen naargelang gebruik alleen wanneer regels actief worden uitgevoerd, wat kostenefficiëntie biedt voor intermitterende detectiescenario's.

Integratiepunten binnen Real-Time intelligence

Onderdeel	Interactie met Activator
Gebeurtenisstroom	Verzendt realtime gegevens naar Activator, zodat ze kunnen controleren op patronen en omstandigheden.
Activeringsmiddel	Kan nieuwe gebeurtenissen (bijvoorbeeld verrijkte of gecategoriseerde gegevens) maken die een andere activator activeren.
Pijpleiding	Doel van de regeltriggers van Activator, waarmee downstreamverwerking wordt geautomatiseerd
Power BI	Verbruikt het resultaat van gestarte pijplijnen of notebooks voor realtime visualisaties.
Power Automate - Microsoft automatiseringssoftware	Automatiseert taken met behulp van vooraf gemaakte of aangepaste werkstromen wanneer gebeurtenissen plaatsvinden
Fabric-gebeurtenissen	Levert gebeurtenissen die plaatsvinden in Fabric, zoals het vernieuwen van een semantisch model of het mislukken van een pijplijn
Notitieboekjes	Uitvoering van notebooks kan worden gestart door een Activator.
Spark-taakdefinitie	Uitvoering van Spark-taken kan worden geactiveerd door een Activator
Functie Gebruikersgegevens	Uitvoering van functies kan worden geactiveerd door een Activator

Activator als orkestrator

Als u Activator effectief wilt gebruiken in grootschalige systemen, moet u coördineren hoe het werkt met andere fabric-onderdelen. U moet ook instellingen optimaliseren op basis van hoeveel gegevens u verwerkt, hoeveel objecten u bijhoudt en hoe complex uw regels zijn. In deze sectie wordt beschreven hoe u Activator kunt organiseren met andere services en hoe u detectielogica en runtimegedrag optimaliseert ter ondersteuning van lage latentie (snel), kostenefficiënte automatisering op schaal.

Activator speelt een centrale rol in gebeurtenisgestuurde pijplijnen door gegevens te evalueren op het moment van aankomst en het activeren van acties downstream. Typische orkestratiepatronen zijn:

Patroon	Beschrijving van stroom
Opname → Detectie → Transformatie	Gebeurtenissen stromen van Eventstream naar Activator, waardoor een pijplijn wordt geactiveerd om de gegevens te verrijken of te verplaatsen.
Invoer → Detectie → Melding	Activator activeert Power Automate om waarschuwingen te verzenden of de status naar Teams, Outlook of ServiceNow te pushen.
Invoer → Detectie → Modelscore	Activator activeert een notebook om een ML-model te scoren of geavanceerde analyses uit te voeren op basis van realtime afwijkingen.
Terugkoppelingslus met Activator (gepland)	Door Activator gegenereerde inzichten (bijvoorbeeld gevoeligheidslabels) worden ingevoerd in Activator-regels, waardoor semantisch verrijkte automatisering mogelijk is.

Basisconcepten

Fabric Activator bewaakt continu uw gegevens en detecteert snel wanneer aan de door u gedefinieerde voorwaarden wordt voldaan, zelfs als er na verloop van tijd gegevens verandert. Activator verwerkt in zijn kern realtime gebeurtenissen die worden verzonden via eventstream, evalueert regelvoorwaarden per logisch object en start acties als reactie op statusovergangen. Zie Inleiding tot Fabric Activator voor een overzicht van Fabric Activator.

De volgende concepten worden gebruikt voor het bouwen en activeren van geautomatiseerde acties en antwoorden in Fabric Activator.

Gebeurtenisbronnen en gebeurtenissen

Fabric Activator behandelt alle gegevensbronnen als gebeurtenissenstromen. Een gebeurtenis vertegenwoordigt een observatie over de status van een object en bevat doorgaans een id voor het object, een tijdstempel en waarden van de velden die worden bewaakt.

Gebeurtenissen die zijn opgenomen in Activator zijn afkomstig van:

• Eventstream, die ondersteuning biedt voor meerdere upstream-bronnen (bijvoorbeeld Azure Event Hubs, IoT Hub, Blob Storage-triggers). Een Eventstream is een specifiek itemtype in Microsoft Fabric, waarmee u realtime gebeurtenissen kunt opnemen, transformeren en routeren zonder code te schrijven. Fabric Activator bewaakt de gebeurtenisstream en neemt automatisch actie wanneer gedefinieerde patronen of drempelwaarden worden gedetecteerd. Activator kan zich ook abonneren op twee of meer eventstreams om gegevenswijzigingen te bekijken. Eventstreams variëren in frequentie. IoT-sensoren verzenden bijvoorbeeld meerdere keren per seconde gebeurtenissen en logistieke systemen genereren gebeurtenissen sporadisch, bijvoorbeeld wanneer pakketten worden gescand op verzendlocaties.
• Fabric-gebeurtenissen. Een voorbeeld hiervan zijn Fabric-werkruimte-itemgebeurtenissen, die afzonderlijke Fabric-gebeurtenissen zijn die optreden wanneer er wijzigingen worden aangebracht in uw Fabric-werkruimte. Deze wijzigingen omvatten het maken, bijwerken of verwijderen van een Fabric-item.
• Azure-gebeurtenissen. Azure Blob Storage-gebeurtenissen worden bijvoorbeeld geactiveerd wanneer een client een blob maakt, vervangt, verwijdert, enzovoort.
• Power BI-rapport. In dit geval zijn gebeurtenissen periodieke waarnemingen op basis van het vernieuwingsschema van een semantisch Power BI-model (voorheen bekend als een gegevensset). Deze waarnemingen kunnen dagelijks of wekelijks plaatsvinden, waardoor een langzaam bewegende gebeurtenisstroom ontstaat.
• Het Fabric Real-Time-dashboard.

Elke gebeurtenis bevat:

• Een tijdstempel
• Een payload (gestructureerde of semi-gestructureerde gegevens)
• Een of meer kenmerken die worden gebruikt voor objectidentificatie (bijvoorbeeld device_id, bikepoint_id)

Objecten

In Fabric Activator worden de entiteiten die u bewaakt, bedrijfsobjecten genoemd, die fysiek of conceptueel kunnen zijn. Voorbeelden hiervan zijn fysieke objecten, zoals vriezers, voertuigen, pakketten en gebruikers, en conceptuele objecten zoals reclamecampagnes, klantaccounts, gebruikerssessies.

Als u een bedrijfsobject in Activator wilt modelleren, verbindt u een of meer eventstreams, selecteert u een kolom die als object-id moet fungeren en geeft u de velden op die u wilt behandelen als eigenschappen van het object.

De term objectinstantie verwijst naar een specifiek voorbeeld van een zakelijk object, zoals een bepaalde vriezer, voertuig of gebruikerssessie. Het object verwijst daarentegen meestal naar de algemene definitie of klasse (bijvoorbeeld vriezer als een type). De term populatie wordt gebruikt voor de volledige set objectexemplaren die worden bewaakt.

Het maken van objecten is impliciet: Activator groepeert gebeurtenissen met behulp van een aangewezen objectsleutel. Regels zijn gericht op objecten, wat betekent dat alle evaluatielogica objectbewust en onafhankelijk is tussen exemplaren. Een regelbewaking bikepoint_id maakt bijvoorbeeld afzonderlijke logische evaluaties voor elk uniek fietsstation.

Regels

Regels definiëren de voorwaarden die u wilt detecteren voor uw objecten en de acties die moeten worden uitgevoerd wanneer aan deze voorwaarden wordt voldaan. Een regel voor een vriesobject kan bijvoorbeeld detecteren wanneer de temperatuur hoger is dan een veilige drempelwaarde en automatisch een e-mailwaarschuwing verzenden naar de toegewezen technicus.

Regels in Activator kunnen staatloos of staatvol zijn.

• Staatloze regels evalueren elke gebeurtenis in isolatie (bijvoorbeeld waarde < 50).
• Stateful regels behouden het geheugen bij gebeurtenissen per object (bijvoorbeeld wanneer de waarde AFNEEMT, WORDT, BUITEN BEREIK)

Staatgevoelige evaluatie is afhankelijk van:

• Deltadetectie: houdt wijzigingen bij tussen eerdere en huidige gebeurteniswaarden.
• Tijdelijke volgorde: evalueert op tijd gebaseerde omstandigheden, zoals afwezigheid van gebeurtenissen (heartbeatdetectie)
• Statusovergangen: Regels worden alleen geactiveerd bij het binnenkomen van een nieuwe toestand, waardoor herhaalde activeringen in onveranderde condities worden voorkomen

Regels worden continu geëvalueerd en reageren binnen milliseconden. Het systeem is geoptimaliseerd voor een reactietijd van subseconden na aankomst van de gebeurtenis.

Acties

Wanneer aan de voorwaarden van een regel wordt voldaan en er een actie wordt gestart, wordt de regel geactiveerd. De ondersteunde doelen voor acties zijn:

• Infrastructuurpijplijnen (voor gegevensverplaatsing, verrijking)
• Fabric-notebooks (voor scoren van machine learning, diagnostische gegevens)
• Spark-taken voor Fabric (voor batch- en streaming-taken)
• Fabric-functies (voor aangepaste bedrijfslogica met code)
• Power Automate-workflows (voor integratie van bedrijfsprocessen)
• Teams-meldingen (met behulp van berichten op basis van sjablonen)
• E-mailmeldingen

Wanneer een regel wordt geactiveerd, verzendt Activator informatie over wat er is gebeurd en blijft bewaking zonder te wachten tot de actie is voltooid. Deze aanpak maakt schaalbare werkstromen mogelijk die veel gebeurtenissen tegelijk kunnen verwerken.

Eigenschappen

Eigenschappen zijn specifieke velden of kenmerken van een bedrijfsobject dat u wilt bewaken. Dit kunnen fysieke of conceptuele kenmerken zijn, zoals:

• Temperatuur van een pakket
• Status van een verzending
• Saldo van een klantaccount
• Betrokkenheidsscore van een gebruikerssessie

Ze zijn afgeleid van eventstreams, die doorlopende gegevensstromen zijn van bronnen zoals IoT-sensoren, Power BI-rapporten of andere systemen.

Wanneer u een bedrijfsobject in Activator definieert, verbindt u een of meer eventstreams, kiest u een kolom die als object-id moet fungeren en selecteert u andere kolommen die moeten worden behandeld als eigenschappen van dat object. U kunt regels voor deze eigenschappen maken om wijzigingen in de loop van de tijd bij te houden, te detecteren wanneer een eigenschap een drempelwaarde overschrijdt of buiten een bereik valt, of acties te activeren, zoals waarschuwingen, werkstromen of meldingen.

Eigenschappen zijn ook handig als u logica voor meerdere regels opnieuw wilt gebruiken. Op een vriesobject kunt u bijvoorbeeld een eigenschap definiëren waarmee een temperatuurgemiddelde wordt berekend gedurende een periode van één uur. Zodra deze eigenschap is gedefinieerd, kan naar deze eigenschap worden verwezen in meerdere regels, zoals regels die oververhitting, temperatuurschommelingen of onderhoudsdrempels detecteren, zonder de logica te dupliceren. Door logica in eigenschappen te centraliseren, kunt u uw regels eenvoudiger beheren, consistenter en eenvoudiger bijwerken in de loop van de tijd.

Terugkijkperiode

De lookbackperiode verwijst naar de duur van historische gegevens die Activator analyseert om een regel te evalueren. Het zorgt ervoor dat er voldoende eerdere gegevens beschikbaar zijn om patronen of rekenaggregaties zoals gemiddelden nauwkeurig te detecteren, zelfs als gegevens te laat of onregelmatig binnenkomen.

De lookbackperiode wordt bepaald door:

• Hoe de regel wordt gedefinieerd, bijvoorbeeld of er trends moeten worden geanalyseerd, afwijkingen worden gedetecteerd of waarden in de loop van de tijd moeten worden vergeleken.
• Het volume van binnenkomende gegevens, zoals het aantal gebeurtenissen per seconde in de eventstream.

Overweeg een farmaceutische logistieke operatie die medicijnenpakketten in een koude keten transporteert. Het doel is om een waarschuwing te ontvangen wanneer een pakket te warm wordt.

Stel dat de regel is gedefinieerd als:

• De gemiddelde temperatuur van elk pakket evalueren gedurende een periode van drie uur
• Een waarschuwing activeren als de gemiddelde temperatuur hoger is dan 8°C

Om deze regel nauwkeurig te berekenen, moet Fabric Activator een breder venster met historische gegevens analyseren, met name een terugblikperiode van zes uur. Het zorgt ervoor dat er op elk moment voldoende gegevens beschikbaar zijn om het gemiddelde van drie uur te berekenen, zelfs als gegevens met enige vertraging of onregelmatigheden binnenkomen.

De lookbackperiode is essentieel voor het mogelijk maken van tijdige en nauwkeurige detectie van condities, met name in scenario's waarin gegevenspatronen zich in de loop van de tijd ontwikkelen.

Afzonderlijke, actieve object-id's

Regels die zijn gebouwd op kenmerken, worden gebruikt om te controleren hoe specifieke kenmerken van een object in de loop van de tijd veranderen. In het voorbeeld van farmaceutische logistiek wordt elk geneesmiddelpakket vertegenwoordigd door een unieke object-id en ontvangt het systeem periodieke temperatuurmetingen voor elk pakket.

Om deze regels effectief te evalueren, houdt Fabric Activator actieve object-id's bij, dat wil gezegd objecten waarvoor gebeurtenissen binnen de gedefinieerde lookbackperiode binnenkomen. Dit gedrag zorgt ervoor dat alleen relevante, momenteel actieve objecten worden overwogen bij het toepassen van regels.

Een tolstation kan bijvoorbeeld voertuigen (object-id's) bijhouden terwijl ze passeren. Elk voertuig genereert gebeurtenissen (bijvoorbeeld in- en eindscans) en alleen objecten met recente activiteit worden beschouwd als actief en geëvalueerd door het systeem.

Er zijn ook limieten op basis van het aantal afzonderlijke object-id's (aantal pakketten) dat wordt bijgehouden in het lookback-venster.

Veelvoorkomende gebruiksvoorbeelden

Hier volgen enkele praktijkscenario's waarin u Fabric Activator kunt gebruiken:

• Start advertentiecampagnes automatisch wanneer de verkoop van dezelfde winkel afneemt, waardoor de prestaties op minder presterende locaties worden verbeterd.
• Informeer de supermarktmanagers om voedsel te verplaatsen van defecte vriezers voordat het bederf optreedt.
• Activeer gepersonaliseerde uitvoeringsworkflows wanneer het traject van een klant tussen apps, websites of andere contactpunten een negatieve ervaring aangeeft.
• Start proactief onderzoekswerkstromen wanneer de status van een zending niet binnen een gedefinieerd tijdsbestek is bijgewerkt, waardoor verloren pakketten sneller kunnen worden gevonden.
• Waarschuw accountteams wanneer klanten achterstanden hebben, met behulp van aangepaste drempelwaarden voor tijdsperioden of openstaande saldi per klant.
• Controleer de pijplijnstatus en voer mislukte taken automatisch opnieuw uit of waarschuwteams wanneer afwijkingen of fouten worden gedetecteerd.

Volgende stap

Zie Zelfstudie: Een Fabric Activator-regel maken en activeren.