Descrever o Microsoft Fabric Real-Time Intelligence?
A solução Real-Time Intelligence da Fabric fornece uma solução de streaming completa para análise de dados de alta velocidade em todo o serviço Fabric. É otimizado para dados de séries cronológicas e suporta particionamento e indexação automáticos de qualquer formato de dados.
Real-Time Intelligence oferece alto desempenho para dados de vários tamanhos, variando de alguns gigabytes a vários petabytes. Ele pode lidar com dados de diferentes fontes e em vários formatos. A carga de trabalho de Inteligência em Tempo Real da Fabric pode ser usada para soluções como IoT e análise de logs em muitos cenários, incluindo manufatura, petróleo e gás e automotivo.
Compreender a inteligência em tempo real no Microsoft Fabric
Real-Time Intelligence é um serviço totalmente gerenciado que é otimizado para streaming de dados de séries cronológicas. Com o Real-Time Intelligence, você pode obter um desempenho consistente pesquisando todos os tipos de dados em escala, incluindo dados estruturados, não estruturados e semiestruturados. Além disso, ele é integrado com todo o conjunto de recursos do Fabric, que permite um fluxo de trabalho simplificado desde o carregamento de dados até a visualização de dados.
Usando inteligência em tempo real no Fabric, você pode:
- Ingerir dados de qualquer fonte, em qualquer formato de dados.
- Execute consultas analíticas diretamente em dados brutos sem a necessidade de criar modelos de dados complexos ou criar scripts para transformar os dados.
- Importe dados com streaming por padrão que oferece análise de dados de alto desempenho, baixa latência e alta atualização.
- Os dados importados passam por particionamento padrão - particionamento baseado em tempo e hash e indexação por padrão.
- Trabalhe com estruturas de dados versáteis e consulta estruturada, semiestruturada ou texto livre.
- Consulte dados brutos sem transformação, com alto desempenho, tempo de resposta incrivelmente baixo e usando uma ampla variedade de operadores disponíveis.
- Dimensione para uma quantidade ilimitada de dados, de gigabytes a petabytes, com escala ilimitada em consultas simultâneas e usuários simultâneos.
- Integre-se perfeitamente com outras cargas de trabalho e itens no Microsoft Fabric.
Explore o mundo dos dados em tempo real com o hub em tempo real
O Real-Time Hub serve como sua porta de entrada para descobrir e controlar o fluxo de seus dados de streaming. É um catálogo dinâmico que inclui:
Visualize insights de dados com painéis em tempo real
Os insights de dados podem ser visualizados por meio de conjuntos de consultas KQL, painéis em tempo real e relatórios do Power BI, com uma transição rápida da ingestão de dados para a visualização. Essas visualizações atendem tanto a iniciantes quanto a especialistas, permitindo que eles representem seus dados como gráficos e tabelas com codificação mínima. Os usuários podem empregar pistas visuais para filtrar e agregar resultados de consultas, utilizando um conjunto abrangente de visualizações integradas. Os insights podem ser acessados nos Relatórios do Power BI e nos Painéis em Tempo Real, que podem incorporar alertas com base nos insights de dados.
Os alertas também podem ser definidos dentro das visualizações não tabeladas nos Painéis em Tempo Real durante o modo de edição para fornecer notificações quando um limite estabelecido definido for atingido.
Os alertas podem notificá-lo no Microsoft Teams ou enviando um e-mail.
Linguagem de Consulta Kusto (KQL)
Kusto Query Language (KQL) é uma linguagem de consulta declarativa usada para analisar e extrair insights de dados estruturados, semiestruturados e não estruturados. O KQL foi projetado especificamente para pesquisar dados de log em grande escala de forma eficiente e rápida, tornando-o perfeitamente adequado para análise de dados baseada em nuvem. Exploraremos algumas sintaxe KQL básicas mais adiante neste módulo, mas, por enquanto, considere os seguintes benefícios dos recursos do KQL no Microsoft Fabric:
- Ele permite a eficiência na exploração e análise de dados, permitindo que os usuários trabalhem com fontes de dados heterogêneas e visualizem os resultados de várias maneiras.
- Ele suporta análises reproduzíveis, permitindo que os usuários criem notebooks com kernel Kusto que podem capturar código, resultados e contexto na análise.
- Ele melhora a experiência de solução de problemas de DevOps, permitindo que os usuários criem runbooks ou playbooks em notebooks com kernel Kusto que podem detalhar como solucionar e mitigar problemas usando dados de telemetria.
- Ele enriquece o fluxo de DevOps, permitindo que os usuários adicionem arquivos KQL e arquivos de notebook KQL aos seus repositórios Git e pipelines de CI/CD.
- Ele fornece orientação e ajuda você a criar consultas de pesquisa do zero usando o editor KQL que identifica rapidamente possíveis erros e exibe dicas sobre como resolver problemas.
- Ele permite que você cole rapidamente consultas longas e complexas diretamente no editor , se você recebê-las de outras fontes.
- Ele permite que você filtre, apresente e agregue seus dados usando vários operadores e funções que são fáceis de ler e criar.