การวิเคราะห์แบบเรียลไทม์ใน Fabric คืออะไร

ไม่กี่ทศวรรษที่ผ่านมาได้เห็นการเปลี่ยนกระบวนทัศน์ในวิธีที่เราเข้าถึงและใช้ข้อมูลเนื่องจากผู้ใช้ถูกนํามาใช้กับข้อมูลที่มีการโต้ตอบตามความต้องการและสามารถเข้าถึงได้ทั้งหมด การเปลี่ยนแปลงนี้ขับเคลื่อนโดยข้อมูลขนาดใหญ่ การนําเข้าข้อมูลการสตรีม และการค้นหาตามคําสําคัญที่มีการจัดทําดัชนี สิ่งทั้งหมดเข้าด้วยกันเป็นรูปแบบประสบการณ์ผู้ใช้แบบประยุกต์ ด้วยการวิเคราะห์แบบเรียลไทม์ใน Microsoft Fabric เราช่วยให้องค์กรสามารถมุ่งเน้นและขยายโซลูชันการวิเคราะห์ของพวกเขาในขณะเดียวกันก็ลดระดับข้อมูลตามความต้องการของทั้งนักวิทยาศาสตร์ข้อมูลพลเมืองไปจนถึงวิศวกรข้อมูลขั้นสูง การวิเคราะห์แบบเรียลไทม์ได้กลายเป็นสิ่งสําคัญในหลาย สถานการณ์ในโลกขององค์กร เช่น ความปลอดภัยทางไซเบอร์ การติดตามสินทรัพย์และการจัดการ การบํารุงรักษาเชิงทํานาย การปรับห่วงโซ่อุปทาน ประสบการณ์ของลูกค้า การจัดการพลังงาน การจัดการสินค้าคงคลัง การควบคุมคุณภาพ การตรวจสอบสภาพแวดล้อม การจัดการเรือและความปลอดภัย

วิธี การวิเคราะห์แบบเรียลไทม์ช่วยลดความซับซ้อนและลดความซับซ้อนของการรวมข้อมูล เข้าถึงข้อมูลเชิงลึกได้อย่างรวดเร็วด้วยการเตรียมใช้งาน การสตรีมข้อมูลอัตโนมัติ การจัดทําดัชนี และการแบ่งพาร์ติชันสําหรับแหล่งข้อมูลหรือรูปแบบใด ๆ รวมถึงการสร้างคิวรีและการแสดงภาพตามความต้องการได้อย่างรวดเร็ว กระบวนการของผู้ใช้นี้สามารถทําได้ง่ายขึ้นในขณะที่รักษาความสามารถการวิเคราะห์ที่มีประสิทธิภาพไว้ การวิเคราะห์แบบเรียลไทม์ช่วยให้คุณสามารถมุ่งเน้นไปที่โซลูชันการวิเคราะห์ของคุณโดยปรับมาตราส่วนขึ้นอย่างราบรื่นด้วยบริการเมื่อข้อมูลและคิวรีของคุณต้องการการเติบโต

Screenshot of Real-Time Analytics product showing the database homepage with a quick query pane showing binned ingestion results.

การวิเคราะห์แบบเรียลไทม์เป็นแพลตฟอร์มการวิเคราะห์ข้อมูลขนาดใหญ่ที่มีการจัดการอย่างสมบูรณ์ซึ่งปรับให้เหมาะสมสําหรับการสตรีมและข้อมูลอนุกรมเวลา ซึ่งใช้ประโยชน์จากภาษาคิวรีและเครื่องมือที่มีประสิทธิภาพที่ยอดเยี่ยมสําหรับการค้นหาข้อมูลที่มีโครงสร้าง กึ่งมีโครงสร้าง และไม่มีโครงสร้าง การวิเคราะห์แบบเรียลไทม์ได้รวมเข้ากับชุดผลิตภัณฑ์ Fabric ทั้งหมด สําหรับการโหลดข้อมูล การแปลงข้อมูล และสถานการณ์การแสดงผลข้อมูลด้วยภาพขั้นสูง

สิ่งที่ทําให้การวิเคราะห์แบบเรียลไทม์ไม่ซ้ํากัน

  • จับภาพ แปลง และกําหนดเส้นทาง เหตุการณ์แบบเรียลไทม์ไปยังปลายทางต่างๆ รวมถึงแอปแบบกําหนดเอง
  • สามารถนําเข้าหรือโหลด ข้อมูลจากแหล่งข้อมูลใดก็ได้ในรูปแบบข้อมูลใดก็ได้
  • เรียกใช้คิวรี การวิเคราะห์โดยตรงบนข้อมูล ดิบโดยไม่จําเป็นต้องสร้างแบบจําลองข้อมูลที่ซับซ้อนหรือสร้างการเขียนสคริปต์เพื่อแปลงข้อมูล
  • นําเข้าข้อมูลด้วยการ สตรีม ตามค่าเริ่มต้น ที่มอบประสิทธิภาพสูง เวลาแฝงต่ํา การวิเคราะห์ข้อมูลความใหม่สูง
  • ข้อมูลนําเข้าจะผ่านการแบ่งพาร์ติชันเริ่มต้น - ทั้งการแบ่งพาร์ติชันตามเวลาและแฮช และการทําดัชนีตามค่าเริ่มต้น
  • ทํางานกับ โครงสร้าง ข้อมูลที่หลากหลายรวมถึงคิวรีที่มีโครงสร้าง กึ่งมีโครงสร้าง หรือข้อความฟรี
  • คิวรีข้อมูลดิบโดยไม่มีการแปลง ที่มีประสิทธิภาพสูง เวลาตอบสนองต่ําอย่างไม่น่าเชื่อ ในขณะที่ใช้ตัวดําเนินการที่มีอยู่มากมาย
  • จัดการข้อมูลไม่จํากัด จากกิกะไบต์ไปยังเพตะไบต์ ด้วยมาตราส่วนที่ไม่จํากัดบนคิวรี่ที่เกิดขึ้นพร้อมกันและผู้ใช้พร้อมกัน
  • การปรับขนาด อัตโนมัติที่มีอยู่ภายในจะปรับทรัพยากรให้ตรงกับปัจจัยปริมาณงาน เช่น แคช หน่วยความจํา การใช้งาน CPU และการนําเข้า ปรับประสิทธิภาพให้เหมาะสมและลดต้นทุนให้เหลือน้อยที่สุด
  • รวม เข้ากับประสบการณ์และรายการอื่น ๆ ใน Microsoft Fabric ได้อย่างราบรื่น

คุณควรใช้การวิเคราะห์แบบเรียลไทม์เมื่อใด

หากคําถามใด คําถามหนึ่งเหล่านี้อธิบายความต้องการในข้อมูลของคุณ การวิเคราะห์แบบเรียลไทม์ เป็นโซลูชันที่เหมาะสมสําหรับคุณ:

  • ฉันต้องการความใหม่สูงจากการนําเข้าข้อมูลไปยังคิวรีหรือไม่?
  • ฉันต้องการแปลงข้อมูลการสตรีมหรือไม่
  • ฉันมีบริการที่จําเป็นต้องเข้าถึงข้อมูลที่มีเวลาแฝงของคิวรีต่ํา (ในเวลาไม่กี่วินาที) หรือไม่?
  • ฉันจําเป็นต้องค้นหาหรือเข้าถึงข้อมูลในรูปแบบที่แตกต่างกัน เช่น ข้อมูลที่มีโครงสร้าง ข้อมูลกึ่งมีโครงสร้าง (รวมถึงข้อมูลที่ซับซ้อน เช่น JSON หรืออาร์เรย์อื่น ๆ) หรือข้อมูลที่ไม่มีโครงสร้าง (ตัวอย่างเช่น ข้อความอิสระ) หรือไม่
  • ฉันต้องการความสามารถในการคิวรีข้อมูลจํานวนมากหรือไม่
  • ข้อมูลของฉันมีคอมโพเนนต์เวลาที่เป็นประโยชน์จากโครงสร้างฐานข้อมูลที่ปรับให้เหมาะสมกับชุดข้อมูลเวลาหรือไม่
  • ฉันต้องการสร้างคิวรีเฉพาะกิจในเขตข้อมูลหรือแถวใด ๆ โดยไม่ปรับให้เหมาะสมก่อนหรือไม่

ประเภทของอุตสาหกรรมที่ได้รับประโยชน์จากการวิเคราะห์ข้อมูลในการวิเคราะห์แบบเรียลไทม์นั้นแตกต่างกัน ตัวอย่างเช่น: การเงิน การขนส่งและโลจิสติกส์ เมืองอัจฉริยะ อาคารอัจฉริยะ การดําเนินงานด้านการผลิต ยานยนต์ และน้ํามันและก๊าซ

สถานการณ์สมมติ

การตลาด

ในฐานะผู้เชี่ยวชาญด้านการตลาดที่ใช้แคมเปญใหม่ การวิเคราะห์แบบเรียลไทม์ช่วยให้คุณสามารถวิเคราะห์ผลกระทบทันทีของแคมเปญของคุณเกี่ยวกับการขายสินค้าคงคลังและโลจิสติกส์ คุณสามารถสตรีมข้อมูลจํานวนมากลงในฐานข้อมูล KQL ของคุณผ่านอีเวนต์สตรีมด้วยเวลาแฝงสองสามวินาที จากนั้นใช้ชุดคิวรี KQL เพื่อวิเคราะห์ประสิทธิภาพของแคมเปญของคุณและแสดงภาพผลลัพธ์ของคุณในรายงาน Power BI ที่ใช้ร่วมกัน คุณสามารถใช้ข้อมูลเชิงลึกเหล่านี้เพื่อปรับเปลี่ยนลักษณะที่แตกต่างกันของแคมเปญของคุณทันทีและดูผลกระทบแบบเรียลไทม์ได้อย่างง่ายดาย คุณยังสามารถให้สิทธิ์ดูฐานข้อมูล KQL ของคุณกับทีมต่างๆ ในบริษัทของคุณ เช่น ทีมการเงินและทีมผลิตเพื่อวิเคราะห์ข้อมูลการสตรีมของคุณ และทําการปรับปรุงต้นทุนและการผลิตผลิตภัณฑ์ตามที่ต้องการ

การขาย

ในฐานะนักวิเคราะห์ธุรกิจที่ทํางานให้กับเครือข่ายค้าปลีกทั่วโลก คุณจะต้องรับผิดชอบในการวิเคราะห์ข้อมูลขาเข้าและสื่อสารข้อมูลเชิงลึกของคุณกับผู้มีส่วนได้เสียหลักในธุรกิจของคุณ คุณสามารถรวบรวมและจัดเก็บข้อมูลจากแหล่งต่างๆ เช่น ผู้ผลิต ผู้จัดส่ง ซัพพลายเออร์ และในรูปแบบต่าง ๆ เช่น ข้อมูลที่มีโครงสร้าง กึ่งมีโครงสร้าง และข้อมูลที่ไม่มีโครงสร้าง ข้อมูลที่สามารถดําเนินการได้ทั้งหมดนี้ถูกเก็บไว้ในฐานข้อมูล KQL ซึ่งมีโซลูชันข้อมูลที่ปรับขนาดได้สําหรับข้อมูลที่เพิ่มขึ้นของคุณสามารถเก็บระเบียนได้หลายพันล้านรายการที่สามารถเก็บรักษาไว้ได้นานหลายปีเพื่อให้คุณทําการคิวรีและเปรียบเทียบกับข้อมูลการสตรีม ไม่เพียงคุณสามารถใช้ชุดคิวรี KQL เพื่อดําเนินการวิเคราะห์ชุดข้อมูลเวลาเท่านั้น แต่คุณยังสามารถสร้างรายงาน Power BI ที่แสดงภาพการวิเคราะห์เชิงพื้นที่ของเส้นทางบกและทางทะเล ตรวจจับความผิดปกติได้อย่างรวดเร็ว และทํางานร่วมกับผู้จัดการโครงการบนแดชบอร์ดเพื่อทําการตัดสินใจทางธุรกิจได้ดียิ่งขึ้น

จะทํางานอย่างไรในการวิเคราะห์แบบเรียลไทม์

รายการหลักที่มีอยู่ในการวิเคราะห์แบบเรียลไทม์ประกอบด้วย:

  • เหตุการณ์การสตรีม สําหรับการบันทึก การแปลง และกําหนดเส้นทางเหตุการณ์ตามเวลาจริงไปยังปลายทางต่างๆ โดยมีประสบการณ์ที่ไม่มีรหัส
  • ฐานข้อมูล KQL สําหรับการจัดเก็บและการจัดการข้อมูล ข้อมูลที่โหลดลงในฐานข้อมูล KQL สามารถเข้าถึงได้ใน OneLake และเปิดเผยกับประสบการณ์ Fabric อื่น ๆ
  • ชุดคิวรี KQL เพื่อเรียกใช้คิวรี ดู และกําหนดผลลัพธ์คิวรีในข้อมูล ชุดคิวรี KQL ช่วยให้คุณสามารถบันทึกคิวรีสําหรับการใช้งานในอนาคต ส่งออก และแชร์คิวรีกับผู้อื่น และรวมถึงตัวเลือกในการสร้างรายงาน Power BI

ดูว่ารายการเหล่านี้ทํางานร่วมกันอย่างไรในสถานการณ์ปริมาณการใช้ข้อมูลและการวิเคราะห์การสตรีมแบบ end-to-end: บทช่วยสอนการวิเคราะห์แบบเรียลไทม์- บทนํา

การรวมกับประสบการณ์อื่น ๆ

Schematic image of architecture of Real-Time Analytics integration with other experiences.

  • สร้าง การเชื่อมต่อ ระบบคลาวด์ Event Hubs เพื่อสตรีมข้อมูลลงในการวิเคราะห์แบบเรียลไทม์
  • ข้อมูลใน OneLake สามารถเข้าถึงได้โดยการวิเคราะห์แบบเรียลไทม์ในหลายวิธี:
  • ข้อมูลที่โหลดลงในการวิเคราะห์แบบเรียลไทม์สามารถใช้เป็นข้อมูลพื้นฐานสําหรับ การแสดงภาพในรายงาน Power BI ได้
  • ข้อมูลที่โหลดลงในการวิเคราะห์แบบเรียลไทม์สามารถใช้สําหรับการวิเคราะห์ใน Spark Notebooks ในการวิศวกรข้อมูลได้
  • ทริกเกอร์เหตุการณ์การโหลดข้อมูลใน Data Factory โดยใช้ ไปป์ไลน์
  • ทริกเกอร์เหตุการณ์การโหลดข้อมูลโดยใช้ กระแสข้อมูล