Что такое аналитика в режиме реального времени в Fabric?
Последние несколько десятилетий видели сдвиг парадигмы в том, как мы доступ к информации и потребляем информацию, так как пользователи стали использоваться для данных, которые являются интерактивными, по требованию и доступными для всех. Эта смена основана на больших данных, приеме потоковых данных и индексировании ключевое слово поиска. Все вместе они образуют упрощенное взаимодействие с пользователем. С помощью Аналитики в режиме реального времени в Microsoft Fabric организации позволяют организациям сосредоточиться и масштабировать свое решение аналитики, демократизируя данные для потребностей специалистов по обработке и анализу данных гражданина до расширенного инженера по обработке данных. Аналитика в режиме реального времени стала важной в многих сценариях в корпоративном мире, таких как кибербезопасность, отслеживание активов и управление, прогнозное обслуживание, оптимизация цепочки поставок, взаимодействие с клиентами, управление энергией, управление запасами, контроль качества, мониторинг окружающей среды, управление флотом и безопасность.
Как это сделать? Аналитика в режиме реального времени снижает сложность и упрощает интеграцию данных. Быстрый доступ к аналитике данных с помощью всего нескольких секунд подготовки, автоматической потоковой передачи данных, индексирования и секционирования для любого источника данных или формата, а также создания и визуализаций запросов по запросу. Этот процесс пользователя упрощается при сохранении мощных аналитических возможностей. Аналитика в режиме реального времени позволяет сосредоточиться на решениях аналитики путем эффективного масштабирования службы по мере увеличения потребностей в данных и запросах.
Аналитика в режиме реального времени — это полностью управляемая платформа аналитики больших данных, оптимизированная для потоковой передачи и данных временных рядов. Он использует язык запросов и подсистему с исключительной производительностью для поиска структурированных, полуструктурированных и неструктурированных данных. Аналитика в режиме реального времени полностью интегрирована со всем набором продуктов Fabric для загрузки данных, преобразования данных и расширенных сценариев визуализации.
Что делает аналитику в режиме реального времени уникальной?
- Запись, преобразование и маршрутизация событий в режиме реального времени в различные назначения, включая пользовательские приложения.
- Легко прием или загрузка данных из любого источника в любом формате данных.
- Выполнение аналитических запросов непосредственно на необработанных данных без необходимости создавать сложные модели данных или создавать скрипты для преобразования данных.
- Импортируйте данные с потоковой передачей по умолчанию, которая обеспечивает высокую производительность, низкую задержку, анализ данных высокой свежести.
- Импортированные данные проходят секционирование по умолчанию — как время, так и хэш-секционирование, а также индексирование по умолчанию.
- Работа с универсальными структурами данных, включая структурированный запрос, полуструктурированный или свободный текст.
- Запрос необработанных данных без преобразования с высокой производительностью, невероятно низким временем отклика, используя широкий спектр доступных операторов.
- Управление неограниченным объемом данных( от гигабайтов до петабайтов) с неограниченным масштабом одновременных запросов и одновременных пользователей.
- Встроенное автомасштабирование настраивает ресурсы для сопоставления факторов рабочей нагрузки, таких как кэш, память, использование ЦП и прием, оптимизация производительности и минимизация затрат.
- Легко интегрируются с другими интерфейсами и элементами в Microsoft Fabric.
Когда следует использовать аналитику в режиме реального времени?
Если один из этих вопросов описывает потребности в данных, аналитика в режиме реального времени является правильным решением.
- Требуется ли высокая свежесть при приеме данных для запроса?
- Нужно ли преобразовывать потоковые данные?
- У меня есть служба, которая должна получить доступ к данным с низкой задержкой запросов (в течение нескольких секунд)?
- Нужно ли выполнять поиск или доступ к данным в разных форматах, таких как структурированные данные, полуструктурированные данные (включая сложные данные, такие как JSON или другие массивы), или неструктурированные данные (например, свободный текст)?
- Хотите ли я запрашивать большие объемы данных?
- У моих данных есть компонент времени, который может воспользоваться структурой базы данных, оптимизированной для временных рядов?
- Нужно ли создавать нерегламентированные запросы в любом поле или строке без предварительной оптимизации?
Типы отраслей, которые пользуются анализом данных в аналитике в режиме реального времени, отличаются. Например, финансы, транспорт и логистика, умные города, умные здания, производственные операции, автомобильные и нефтяные и газовые.
Сценарии
Маркетинг
Специалист по маркетингу, реализующий новую кампанию, аналитика в режиме реального времени позволяет анализировать непосредственное влияние вашей кампании на продажи, инвентаризацию и логистику. Вы можете передавать большие объемы данных в базу данных KQL через eventstream с задержкой в течение нескольких секунд, а затем использовать набор запросов KQL для анализа производительности вашей кампании и визуализации результатов в отчете Power BI с общим доступом. Эти аналитические сведения можно использовать для немедленного изменения различных аспектов кампании и простого просмотра эффекта в режиме реального времени. Вы также можете предоставить доступ к просмотру для базы данных KQL разным командам в вашей компании, например финансовым и производственным командам, чтобы проанализировать данные потоковой передачи и внести корректировки в затраты и производство продукта соответствующим образом.
Продажи
Как бизнес-аналитик, работающий в глобальной розничной сети, вы несете ответственность за анализ входящих данных и передачу аналитических сведений ключевым заинтересованным лицам в вашей компании. Вы можете собирать и хранить данные из различных источников, таких как производители, поставщики, поставщики и различные форматы, такие как структурированные, полуструктурированные и неструктурированные данные. Все эти интерактивные данные записываются в базе данных KQL, предоставляя масштабируемое решение для растущих данных, которые могут хранить миллиарды записей, которые могут храниться в течение многих лет для запроса и сравнения с потоковыми данными. Для выполнения анализа временных рядов можно использовать не только набор запросов KQL, но и создавать отчеты Power BI для визуализации геопространственной аналитики наземных и морских маршрутов, быстро обнаруживать аномалии и сотрудничать с руководителями проектов на панелях мониторинга, чтобы принимать лучшие бизнес-решения.
Как работать в аналитике в режиме реального времени?
Основные элементы, доступные в Аналитике в режиме реального времени, включают:
- Поток событий для записи, преобразования и маршрутизации событий в режиме реального времени в различные места назначения без кода.
- База данных KQL для хранения и управления данными. Данные, загруженные в базу данных KQL, могут быть доступны в OneLake и предоставляются другим интерфейсам Fabric.
- Набор запросов KQL для выполнения запросов, просмотра и настройки результатов запроса на данные. Набор запросов KQL позволяет сохранять запросы для дальнейшего использования, экспорта и совместного использования запросов с другими пользователями и включить возможность создания отчета Power BI.
Узнайте, как эти элементы работают вместе в комплексном сценарии потребления и анализа данных потоковой передачи: Руководство по аналитике в режиме реального времени— введение
Интеграция с другими интерфейсами
- Создайте облачные подключения Центров событий для потоковой передачи данных в аналитику в режиме реального времени.
- Доступ к данным в OneLake осуществляется аналитикой в режиме реального времени несколькими способами:
- Данные из OneLake можно запрашивать из Аналитики в режиме реального времени в виде ярлыка.
- Данные из OneLake можно загрузить в аналитику в режиме реального времени.
- Данные, загруженные в аналитику в режиме реального времени, отражаются в OneLake как одна логическая копия.
- Данные, загруженные в аналитику в режиме реального времени, можно использовать в качестве базовых данных для визуализации в отчете Power BI.
- Данные, загруженные в аналитику в режиме реального времени, можно использовать для анализа записных книжек Spark в Инжиниринг данных.
- Активируйте события загрузки данных в Фабрике данных с помощью конвейеров.
- Активируйте события загрузки данных с помощью потоков данных.
Связанный контент
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по