Udostępnij za pośrednictwem

Co to jest analiza w czasie rzeczywistym?

Analiza w czasie rzeczywistym to zaawansowana usługa, która umożliwia wszystkim w organizacji wyodrębnianie szczegółowych informacji i wizualizowanie danych w ruchu. Oferuje kompleksowe rozwiązanie dla scenariuszy, w których trzeba reagować na zdarzenia w miarę ich wystąpienia, przetwarzać ciągłe przepływy danych lub analizować dzienniki. Niezależnie od tego, czy chodzi o gigabajty, czy petabajty, wszystkie dane organizacyjne w ruchu zbiegają się w centrum czasu rzeczywistego. Bezproblemowo łączy dane oparte na czasie z różnych źródeł przy użyciu łączników bez kodu, umożliwiając natychmiastowe szczegółowe informacje wizualne, analizę geoprzestrzenną i reakcje oparte na wyzwalaczach, które są częścią wykazu danych w całej organizacji.

Po bezproblemowym połączeniu dowolnego strumienia danych całe rozwiązanie oparte na chmurze stanie się dostępne. Real-Time Intelligence zarządza pozyskiwaniem, przekształcaniem, przechowywaniem, modelowaniem, analizą, wizualizacją, śledzeniem, sztuczną inteligencją oraz działaniami w czasie rzeczywistym. Dane pozostają chronione, zarządzane i zintegrowane w całej organizacji, bezproblemowo dopasowane do wszystkich ofert Fabric. Analiza w czasie rzeczywistym przekształca dane w dynamiczny, praktyczny zasób, który zwiększa wartość w całej organizacji.

Czy inteligencja w czasie rzeczywistym może mi pomóc?

Real-Time Inteligencja może służyć do analizy danych, natychmiastowych szczegółowych informacji wizualnych, centralizacji danych w ruchu dla organizacji, akcji dotyczących danych, wydajnego wykonywania zapytań, przekształcania, modelowania i przechowywania dużych ilości danych ze strukturą lub bez struktury. Niezależnie od tego, czy chcesz ocenić dane z systemów IoT, dzienników systemowych, wolnego tekstu, częściowo ustrukturyzowanych danych lub współtworzyć dane do użycia przez inne osoby w organizacji, analiza w czasie rzeczywistym zapewnia uniwersalne rozwiązanie.

Chociaż jest nazywane "w czasie rzeczywistym", dane nie muszą przepływać z dużą szybkością i w dużych ilościach. Real-Time Intelligence zapewnia rozwiązania, które reagują na zdarzenia w momencie ich wystąpienia, a nie rozwiązania, które są uruchamiane zgodnie z harmonogramem. Składniki Inteligencji w Czasie Rzeczywistym opierają się na zaufanych i podstawowych usługach Microsoft i wspólnie rozszerzają możliwości platformy Fabric, aby zapewnić rozwiązania, które natychmiast reagują na zmiany danych.

Aplikacje analizy w czasie rzeczywistym obejmują szeroką gamę scenariuszy biznesowych, takich jak automotive, produkcja, IoT, wykrywanie oszustw, zarządzanie operacjami biznesowymi i wykrywanie anomalii. Można również użyć inteligencji w czasie rzeczywistym dla scenariuszy aplikacji sztucznej inteligencji i agentowych, takich jak monitorowanie bezpieczeństwa treści w czasie rzeczywistym oraz telemetria agenta dla aplikacji generatywnych, gdzie sygnały bezpieczeństwa i zdarzenia konwersacji są transmitowane strumieniowo i analizowane pod kątem natychmiastowego działania.

Jak mogę używać analizy w czasie rzeczywistym?

Real-Time Intelligence in Microsoft Fabric oferuje możliwości, które w połączeniu umożliwiają tworzenie rozwiązań analizy Real-Time w zakresie obsługi procesów biznesowych i inżynieryjnych.

Diagram architektury Inteligencji czasu rzeczywistego w Microsoft Fabric.

  • Centrum czasu rzeczywistego służy jako scentralizowany katalog w organizacji. Ułatwia znajdowanie, dodawanie, eksplorowanie i udostępnianie danych przesyłanych strumieniowo. Łącząc się z wieloma różnymi źródłami danych, możesz uzyskać szczegółowe informacje w całej organizacji. Co ważne, to centrum zapewnia, że dane są nie tylko dostępne, ale także dostępne dla wszystkich, promując szybkie podejmowanie decyzji i świadome działania. Udostępnianie danych przesyłanych strumieniowo z różnych źródeł umożliwia tworzenie kompleksowej analizy biznesowej w całej organizacji.

  • Po wybraniu strumienia z organizacji lub połączonym ze źródłami zewnętrznymi lub wewnętrznymi, możesz eksplorować dane za pomocą narzędzi do konsumpcji danych w Inteligencji Czasu Rzeczywistego. Te narzędzia umożliwiają wizualne eksplorowanie danych i zgłębianie konkretnych szczegółów. Możesz uzyskać dostęp do danych, które są dla Ciebie nowe i łatwo zrozumieć strukturę danych, wzorce, anomalie, prognozowanie ilości i współczynniki danych. W związku z tym można podejmować inteligentne decyzje lub podejmować decyzje na podstawie danych. Pulpity nawigacyjne w czasie rzeczywistym są wyposażone w gotowe do użycia interakcje, ułatwiające zrozumienie danych, dzięki czemu są one dostępne dla każdego, kto chce podejmować decyzje na podstawie danych dynamicznych przy użyciu narzędzi wizualnych, języka naturalnego i Copilot.

  • Te szczegółowe informacje można przekształcić w akcje za pomocą Fabric Activator, gdy konfigurujesz alerty z różnych części Fabric, aby reagować na wzorce danych lub warunki w czasie rzeczywistym.

Jak mogę korzystać ze składników analizy w czasie rzeczywistym?

Odnajdywanie danych przesyłanych strumieniowo

Centrum czasu rzeczywistego służy do odnajdywania danych przesyłanych strumieniowo i zarządzania nimi. Zdarzenia centrum danych w czasie rzeczywistym to katalog danych w ruchu i zawiera:

  • Strumienie danych: Wszystkie strumienie danych aktywnie działające w Fabric, do których masz dostęp.

  • Microsoft sources: Łatwe odkrywanie źródeł przesyłania strumieniowego, które posiadasz, oraz szybka konfiguracja ich pozyskiwania w Fabric. Źródła Śledzenia Zmian w Danych (CDC) śledzą i przesyłają strumieniowo zmiany wprowadzone w bazach danych w czasie rzeczywistym, na przykład: Azure Event Hubs, Azure IoT Hub, bazy danych Azure SQL CDC, Azure Cosmos DB CDC, bazy danych PostgreSQL CDC.

  • Zdarzenia Fabric: Możliwości napędzane zdarzeniami obsługują powiadomienia w czasie rzeczywistym i przetwarzanie danych. Można monitorować i reagować na zdarzenia, w tym zdarzenia dotyczące elementów obszaru roboczego Fabric oraz zdarzenia Azure Blob Storage. Te zdarzenia mogą służyć do wyzwalania innych akcji lub przepływów pracy, takie jak wywoływanie potoku danych lub wysyłanie powiadomienia przez e-mail. Te zdarzenia można również wysyłać do innych miejsc docelowych za pośrednictwem strumieni zdarzeń. Zdarzenia w Azure Service Fabric i zdarzenia w Azure Blob Storage mogą również wyzwalać reguły Activatora, aby zainicjować zadania Spark lub przepływy danych, umożliwiając w pełni zdarzeniową orkiestrację bez konieczności korzystania z harmonogramów.

Wszystkie te dane są prezentowane w łatwo przyswajalnym formacie i są dostępne dla wszystkich zadań Fabric.

Nawiązywanie połączenia z danymi przesyłanymi strumieniowo

Strumienie zdarzeń umożliwiają zbieranie, przekształcanie i wysyłanie dużych ilości danych w czasie rzeczywistym do różnych miejsc docelowych bez konieczności pisania kodu. Strumienie zdarzeń obsługują wiele źródeł danych i miejsc docelowych danych, w tym szeroką gamę łączników do źródeł zewnętrznych, na przykład: klastry Apache Kafka, źródła przechwytywania zmian bazy danych, źródła przesyłania strumieniowego AWS (Kinesis), Google (GCP Pub/Sub), MQTT v3.1/v3.1.1 i łącznik Real-Time Weather connector. Dane telemetryczne aplikacji i sygnały bezpieczeństwa zawartości z usług AI lub LLM mogą być również pozyskiwane jako strumienie (na przykład za pośrednictwem łączników platformy Kafka lub Event Hubs), aby umożliwić zarządzanie i monitorowanie interakcji agentów. Tworzenie alertów i zarządzanie regułami są osadzone bezpośrednio w usłudze Eventstreams, co umożliwia użytkownikom ustawianie alertów i akcji z poziomu środowiska eventstreams bez przełączania kontekstu.

Przetwarzanie strumieni danych

Korzystając z możliwości przetwarzania zdarzeń oferowanych przez strumienie zdarzeń, można filtrować, czyścić dane, wykonywać transformacje, agregacje okienkowe i wykrywanie duplikatów, aby uzyskać dane w pożądanej formie. Możesz również użyć funkcji routingu opartego na zawartości, aby wysyłać dane do różnych miejsc docelowych na podstawie filtrów. Inna funkcja, pochodne strumienie zdarzeń, umożliwia konstruowanie nowych strumieni w wyniku przekształceń i/lub agregacji, które mogą być udostępniane konsumentom w centrum czasu rzeczywistego.

Przechowywanie i analizowanie danych

Eventhouses to idealny aparat analityczny do przetwarzania danych w ruchu. Są one dostosowane do zdarzeń przesyłania strumieniowego opartych na czasie z danymi ustrukturyzowanymi, częściowo ustrukturyzowanymi i bez struktury. Dane są automatycznie zorganizowane na podstawie czasu ich przybycia, dzięki czemu można uruchamiać szybkie, szczegółowe zapytania nawet na dużych ilościach danych. Dane przechowywane w domach zdarzeń można udostępniać w usłudze OneLake do konsumpcji przez inne środowiska Fabric.

Indeksowane, partycjonowane dane przechowywane w magazynach zdarzeń są gotowe do szybkiego wykonywania zapytań przy użyciu różnych opcji kodu, niskiej ilości kodu lub braku kodu w Fabric. Zapytania dotyczące danych można wykonywać w natywnym języku KQL (język zapytań Kusto) lub przy użyciu języka T-SQL w zestawie zapytań KQL. Kusto copilot, wraz z funkcją eksploracji zapytań bez kodu, usprawnia proces analizowania danych zarówno dla doświadczonych użytkowników KQL, jak i analityków danych obywateli. KQL to prosty, ale zaawansowany język do wykonywania zapytań o dane ustrukturyzowane, częściowo ustrukturyzowane i nieustrukturyzowane. Język jest ekspresyjny, łatwy do odczytania i zrozumienia intencji zapytań, a także zoptymalizowany pod kątem tworzenia doświadczeń autorskich.

W przypadku scenariuszy zastosowania sztucznej inteligencji i aplikacji agentowych zapytania KQL o niskich opóźnieniach dotyczące zdarzeń związanych z bezpieczeństwem i telemetrią umożliwiają tworzenie paneli niemal w czasie rzeczywistym oraz wykrywanie anomalii w rozmowach z agentami. Czasowa organizacja danych w eventhouse idealnie nadaje się do korelowania sygnałów bezpieczeństwa zawartości z metadanymi sesji, dzięki czemu można szybko rozwiązywać problemy i identyfikować trendy w obciążeniach prac generatywnej sztucznej inteligencji.

Modelowanie danych

Konstruktor cyfrowych bliźniaków (wersja zapoznawcza) to rozwiązanie low-code/no-code do modelowania danych jako ontologii, która cyfrowo reprezentuje środowisko fizyczne. Modelowanie zasobów i procesów może pomóc w optymalizacji operacji fizycznych przy użyciu danych w sposób dostępny dla osób podejmujących decyzje operacyjne.

Za pomocą narzędzia do tworzenia cyfrowych bliźniaków można mapować dane do swojej ontologii z różnych systemów źródłowych, w tym Fabric OneLake, a także definiować relacje semantyczne obejmujące cały system lub całą witrynę, aby nadać kontekst danym. Konstruktor cyfrowych bliźniaków zawiera gotowe rozwiązania wizualizacyjne i zapytaniowe do eksplorowania modelowanych danych oraz wykorzystuje możliwości Microsoft Fabric do analizowania dużych zestawów danych, takich jak dane szeregów czasowych i rekordy konserwacji, które mogą obejmować dni, tygodnie lub miesiące.

Dane narzędzia Digital Twin Builder można również połączyć z pulpitami nawigacyjnymi Power BI lub Real-Time w celu uzyskania dodatkowych wizualizacji i dostosowanego raportowania danych modelowanych. Reguły można również zdefiniować na jednostkach biznesowych ontologii w celu zainicjowania alertów i zautomatyzowanych działań (wersja zapoznawcza), łącząc modelowane jednostki z działaniami w czasie rzeczywistym na dalszych etapach.

Wizualizowanie szczegółowych informacji o danych

Szczegółowe informacje o danych można wizualizować w zestawach zapytań KQL, pulpitach nawigacyjnych w czasie rzeczywistym, raportach Power BI i mapach, w ciągu kilku sekund od pozyskania danych do uzyskania wglądu. Opcje wizualizacji obejmują od rozwiązań bez kodu po w pełni wyspecjalizowane środowiska, dając wartość zarówno początkującym, jak i osobom odkrywającym wglądy ekspertom dzięki wizualizacji danych w formie wykresów i tabel. Możesz użyć wskazówek wizualnych, aby wykonywać operacje filtrowania i agregacji na wynikach zapytań oraz korzystać z bogatej listy wbudowanych wizualizacji. Te szczegółowe informacje można wyświetlać w raportach Power BI i pulpitach nawigacyjnych Real-Time, z których oba mogą mieć alerty oparte na szczegółowych danych.

Mapa w Microsoft Fabric to dynamiczne narzędzie do wizualizacji geoprzestrzennej, które umożliwia analizowanie danych statycznych i przestrzennych w czasie rzeczywistym w celu uzyskania dokładniejszej analizy. Obsługuje wiele warstw danych, takich jak bąbelki danych, mapy cieplne, wielokąty oraz wyciskanie 3D, co pozwala odkryć wzorce przestrzenne i trendy, których często brakuje na tradycyjnych wykresach. Dzięki integracji z usługami Lakehouses i Eventhouses oraz włączania zapytań KQL z interwałami odświeżania usługa Map ułatwia analizę danych w czasie rzeczywistym, pomagając zespołom monitorować zmiany na żywo, wykrywać anomalie i podejmować terminowe decyzje. Dzięki wbudowanym stylom mapy i obsłudze formatów, takich jak GeoJSON i PMTiles, jest to zaawansowany zasób dla świadomości operacyjnej i analizy przestrzennej. Aby uzyskać więcej informacji, zobacz Tworzenie mapy.

Akcje wyzwalacza

Alerty monitorują zmieniające się dane i automatycznie podejmują akcje po wykryciu wzorców lub warunków. Dane mogą przepływać w centrum Real-Time lub być obserwowane poprzez zapytanie Kusto albo raport Power BI. Po spełnieniu określonych warunków czy logiki wykonywana jest akcja, taka jak powiadamianie użytkowników, wykonywanie elementów zadań Fabric, takich jak potok, zadanie platformy Spark lub Dataflow, uruchamianie funkcji danych użytkownika lub korzystanie z Power Automate do uruchamiania przepływów pracy. Logika może być po prostu zdefiniowanym progiem, wzorcem, takim jak zdarzenia wykonywane wielokrotnie w danym okresie, lub wynikami złożonej logiki zdefiniowanej przez zapytanie KQL. W przypadku generatywnych aplikacji sztucznej inteligencji można skonfigurować przepływy pracy zarządzania bezpieczeństwem treści za pomocą alertów opartych na warunkach KQL (na przykład przekroczenia progu toksyczności lub powtarzających się naruszeń zasad), aby powiadomić właścicieli aplikacji, przekierowywać zdarzenia do przepływów kwarantanny lub wyzwalać potoki i przepływy pracy Power Automate na potrzeby ograniczania lub blokowania. Aktywator przekształca wgląd oparty na zdarzeniach w praktyczne korzyści biznesowe. Activator integruje się również z Power BI Service w celu powiadamiania użytkowników o wystąpieniu określonych warunków w opublikowanych raportach, na przykład gdy nowy wiersz pojawi się w wizualizacji tabeli.

Integracja z innymi środowiskami Fabric

Powiązana zawartość

  • Last updated on