อะไรคือความแตกต่างระหว่าง Real-Time Intelligence และโซลูชัน Azure ที่เปรียบเทียบได้?
เมื่อองค์กรก้าวหน้าในการเดินทางสู่การเปลี่ยนแปลงแบบดิจิทัล พวกเขาประสบกับแหล่งข้อมูลจํานวนมากที่เพิ่มขึ้น แหล่งข้อมูลเหล่านี้สร้างจุดข้อมูล เหตุการณ์ และสัญญาณที่ไวต่อเวลา และซับซ้อน ข้อมูลนี้สามารถมาจากแหล่งต่าง ๆ เช่น (ก) ข้อมูลเซนเซอร์จากสินทรัพย์ทางกายภาพ เช่น โรงงาน ยานพาหนะ หอคอย อุปกรณ์ IoT Edge (b) เปลี่ยนแปลงสตรีมการจับข้อมูล (CDC) จากฐานข้อมูลที่ขับเคลื่อนเว็บและแอปพลิเคชันมือถือที่หันหน้าไปทางลูกค้า และ (c) บันทึกจากโครงสร้างพื้นฐานภายในองค์กรและแอปพลิเคชันคลาวด์ และอื่น ๆ กระแสข้อมูลเหล่านี้เป็นสิ่งสําคัญสําหรับองค์กรที่จะต้องปิดรอบการรับส่งข้อมูลดิจิทัล เพื่อทําความเข้าใจอย่างลึกซึ้งถึงรูปแบบการใช้งานของลูกค้าของสินทรัพย์ทั้งทางกายภาพและดิจิทัล และเพิ่มมูลค่าเพื่อรักษาความสามารถในการแข่งขันของตลาด
การตระหนักถึงค่านี้จําเป็นต้องมีการสร้างสถาปัตยกรรมการสตรีมข้อมูลแบบเรียลไทม์ที่ใช้ทั้งบริการข้อมูลบนคลาวด์และภายในองค์กรสําหรับการจับข้อมูล การขนส่ง การแปลงการดําเนินงาน และการแปลงข้อมูลเชิงวิเคราะห์ โดยทั่วไปสถาปัตยกรรมเหล่านี้สร้างขึ้นโดยใช้การผสมผสานของผลิตภัณฑ์ เช่น Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, คิวข้อความ IBM และ Google Pub/Sub เมื่อข้อมูลมาถึงในระบบคลาวด์ จะผ่านขั้นตอนต่าง ๆ ของการประมวลผลและการแปลง ซึ่งมักเรียกว่าเส้นทางที่ร้อน อบอุ่น และเย็นก่อนที่จะเข้าสู่ที่เก็บข้อมูลเช่น Azure Data Explorer, Azure Synapse Analytics และ Azure Data Lake Store Gen 2 เมื่อประมวลผลแล้ว ข้อมูลนี้พร้อมสําหรับการวิเคราะห์ขั้นสูงและแอปพลิเคชัน AI และสามารถแสดงภาพข้อมูลได้โดยใช้เครื่องมือเช่น Power BI Grafana เว็บหรือ Mobile Apps และจุดสิ้นสุด API
การแนะนําของ Real-Time Intelligence ใน Fabric นําเสนอแนวทางการใช้งานและสถาปัตยกรรมในหลายองค์กรสําหรับกรณีการใช้งานที่จําเป็นต้องมีการวิเคราะห์ข้อมูลการสตรีมขั้นสูง Microsoft Azure ช่วยให้นักพัฒนามืออาชีพมีความสามารถที่แข็งแกร่งในการออกแบบและใช้สถาปัตยกรรมที่จําเป็นต้องรวมกันอย่างลึกซึ้งกับบริการ Azure อื่น ๆ ระบบอัตโนมัติแบบครบวงจรและการปรับใช้โซลูชันทั้งหมดเป็นแพคเกจแบบรวม Real-Time Intelligence ใน Microsoft Fabric ช่วยให้นักพัฒนาพลเมืองและผู้ใช้ทางธุรกิจสามารถค้นหากระแสข้อมูลภายในองค์กรของพวกเขา และสร้างโซลูชันและแอปพลิเคชันการวิเคราะห์ของพวกเขา ด้วยการรวมที่ราบรื่นกับ Azure Event Hubs, Azure Event Grid และ Azure Data Explorer ระบบ Real-Time Intelligence จะช่วยอํานวยความสะดวกในการขยายสถาปัตยกรรมที่ใช้ Azure ลงใน Microsoft Fabric และการสร้างโซลูชันใหม่โดยใช้แหล่งข้อมูลที่มีอยู่หรือใหม่ แผนภาพต่อไปนี้แสดงให้เห็นทั้ง Azure Platform เป็นบริการสถาปัตยกรรมโซลูชัน (PaaS) และสถาปัตยกรรมโซลูชัน Real-Time Intelligence สําหรับกรณีที่ใช้การวิเคราะห์การวัดและส่งข้อมูลทางไกลในองค์กรการผลิต/ยานยนต์ทั่วไป
สําหรับข้อมูลเพิ่มเติมเกี่ยวกับ Real-Time Intelligence ดู Real-Time Intelligence ใน Fabric คืออะไร
ในอดีต องค์กรได้จัดสรรงบประมาณจํานวนมาก พนักงาน และทรัพยากรเพื่อพัฒนา รวม ปรับใช้ รักษา และจัดการผลิตภัณฑ์บนระบบคลาวด์แบบไม่ต่อเนื่องหรือภายในองค์กรและโซลูชันที่แยกจากกัน ซึ่งนําไปสู่สถาปัตยกรรมที่ซับซ้อนและท้าทายในการใช้งานและบํารุงรักษา ดังนั้นองค์กรต่าง ๆ จึงลังเลที่จะติดตามการลงทุนดังกล่าวเนื่องจากความซับซ้อนหรือเห็นว่าค่าใช้จ่ายนั้นห้ามใจที่จะรับรองผลตอบแทนจากการลงทุนที่น่าพอใจ แต่ความต้องการสําหรับข้อมูลเชิงลึกการดําเนินงานทางธุรกิจแบบเรียลไทม์ที่ขับเคลื่อนด้วยข้อมูลส่วนประกอบสูงในทันทีก็สอดคล้องกันสําหรับผู้ใช้ปลายทาง
Real-Time Intelligence ปฏิวัติวงการแนวนอนนี้โดยการควบคุมศักยภาพเต็มของความสามารถแบบเรียลไทม์ภายใน Fabric ซึ่งช่วยให้คุณได้รับข้อมูลเชิงลึกที่มีประโยชน์และสามารถดําเนินการได้จากข้อมูลของบุคคลแรกและบุคคลที่สามของคุณทันที ด้วย Real-Time Intelligence คุณจะได้รับประโยชน์จาก:
- ข้อเสนอ SaaS ที่ครอบคลุม: โซลูชันที่ครอบคลุมทั้งหมดที่อํานวยความสะดวกในการค้นหาข้อมูลเชิงลึกจากข้อมูลที่ไวต่อเวลาของคุณ ช่วยให้คุณสามารถนําเข้า กระบวนการ คิวรี แสดงภาพ และดําเนินการในแบบเรียลไทม์
- ฮับส่วนกลางสําหรับข้อมูลแบบไดนามิกของคุณ: ที่เก็บข้อมูลแบบรวมสําหรับข้อมูลเหตุการณ์ทั้งหมดของคุณในการเคลื่อนไหว ลดความซับซ้อนของการนําเข้า การจัดเก็บ และการรวบรวมข้อมูลที่ละเอียดจากทั่วทั้งองค์กรของคุณผ่านฮับเรียลไทม์
- การพัฒนาโซลูชันอย่างรวดเร็ว: เพิ่มศักยภาพให้กับสมาชิกในทีมที่มีความเชี่ยวชาญแตกต่างกัน เพื่อคัดแยกคุณค่าจากข้อมูลให้มากขึ้น และสร้างโซลูชันสําหรับการเติบโตทางธุรกิจอย่างรวดเร็ว
- ข้อมูลเชิงลึกที่ขับเคลื่อนโดย AI แบบเรียลไทม์: การปรับมาตราส่วนการตรวจสอบด้วยตนเอง และเริ่มต้นการดําเนินการได้อย่างง่ายดายด้วยคุณลักษณะอัตโนมัติที่พร้อมใช้งานที่เปิดเผยรูปแบบที่ซ่อนอยู่และใช้ระบบนิเวศของ Microsoft อย่างเต็มที่เพื่อขับเคลื่อนธุรกิจของคุณให้ก้าวหน้า
บทความนี้สรุปข้อควรพิจารณาที่สําคัญสําหรับการกําหนดสถาปัตยกรรมการใช้งานที่เหมาะสมที่สุดซึ่งเหมาะกับกรณีการใช้งานการสตรีมของคุณ:
ภาพรวม
| ความสามารถ | โซลูชันที่ใช้ Azure PaaS | โซลูชันข่าวกรองแบบเรียลไทม์ |
|---|---|---|
| การรวมบริการ | ขึ้นอยู่กับความเข้ากันได้ของการรวมระหว่างบริการในขอบเขตของสถาปัตยกรรม | การรวมแบบคลิกเดียวในแต่ละขั้นตอนของการนําเข้าข้อมูล กระบวนการ วิเคราะห์ แสดงภาพ และดําเนินการ |
| ประสบการณ์การพัฒนาแบบ Pro และพลเมือง | เหมาะสําหรับนักพัฒนามืออาชีพ | นักพัฒนามืออาชีพ นักพัฒนาพลเมือง และผู้ใช้ทางธุรกิจสามารถอยู่ร่วมมือกันได้ |
| Low-code/No-code | พร้อมใช้งานสําหรับการแปลงข้อมูลใน Azure Stream Analytics และสําหรับการสร้างการแจ้งเตือนโดยใช้ Logics Apps หรือ Power Automate เท่านั้น การพัฒนาแบบ Pro จําเป็นสําหรับการนําไปใช้งานแบบ end to end | การนําไปปฏิบัติตั้งแต่ต้นจนจบจากการนําเข้าเพื่อวิเคราะห์เพื่อแปลงข้อมูลเป็นภาพและสามารถรับรู้ได้ |
| แบบจําลองปริมาณการใช้ | แบบจําลองการประมาณการที่ขึ้นต่อกัน ของบริการ การใช้ และการเรียกเก็บเงิน | กําลังการผลิตของผ้าแบบเดียวกันการใช้งานหน่วยและรูปแบบการเรียกเก็บเงิน |
การนําเข้าและกระบวนการ
| ความสามารถ | โซลูชันที่ใช้ Azure PaaS | โซลูชันข่าวกรองแบบเรียลไทม์ |
|---|---|---|
| ตัวเชื่อมต่อมัลติคลาวด์ | Azure Stream Analytics เชื่อมต่อกับ Confluent Kafka ไม่มีตัวเชื่อมต่อสําหรับอ่านข้อมูลจาก Amazon Kinesis หรือ Google Pub/Sub | การรวมแบบดั้งเดิมสําหรับ Confluent Kafka, Amazon Kinesis, Google Pub/Sub |
| การสนับสนุนสําหรับสตรีม CDC | จําเป็นต้องมีการปรับใช้บริการอื่น ๆ เช่น Debezium | การรวมแบบดั้งเดิมสําหรับ Azure Cosmos DB, PostgreSQL, MySQL DB, และ Azure SQL |
| การสนับสนุนโพรโทคอล | Azure Event Hubs, AMQP, Kafka และ MQTT | Azure Event Hubs, AMQP, Kafka |
วิเคราะห์และแปลง
| ความสามารถ | โซลูชันที่ใช้ Azure PaaS | โซลูชันข่าวกรองแบบเรียลไทม์ |
|---|---|---|
| การสร้างโพรไฟล์ข้อมูล | ไม่มี | มุมมองการสร้างโพรไฟล์ข้อมูลของตารางแบบเรียลไทม์ของคุณให้ฮิสโทแกรมแบบนอกกรอบและช่วงต่ําสุดสูงสุดสําหรับแต่ละคอลัมน์ |
| การสํารวจข้อมูลแบบเป็นภาพ | ไม่มี | คุณลักษณะลากแล้วปล่อยเพื่อวิเคราะห์ข้อมูลแบบเรียลไทม์ของคุณแบบมองเห็นได้ |
| ประสบการณ์ Copilot | คลัสเตอร์ Azure Data Explorer สามารถเพิ่มเป็นแหล่งข้อมูลใน Fabric KQL Queryset เพื่อใช้ความสามารถของ Copilot | พร้อมใช้งานในแบบดั้งเดิม |
| แบบจําลอง ML ที่มีอยู่ภายใน | การตรวจหาความผิดปกติและแบบจําลองการคาดการณ์ที่พร้อมใช้งาน จําเป็นต้องมีการพัฒนา Pro ในการปรับใช้การตรวจหาความผิดปกติและการคาดการณ์แบบจําลอง | การตรวจหาความผิดปกติและแบบจําลองการคาดการณ์ที่พร้อมใช้งาน ผู้ใช้ทางธุรกิจยังสามารถใช้แบบจําลองการตรวจหาความผิดปกติกับข้อมูลการสตรีมขาเข้าได้ |
| การแสดงภาพ (Microsoft) | แดชบอร์ด Power BI, Azure Data Explorer | การรวมแบบคลิกเดียวแบบเนทีฟกับ Power BI และแดชบอร์ดแบบเรียลไทม์ |
| การแสดงภาพ (บุคคลที่สาม) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab ยังสามารถรวมกับ Eventhouse ได้ด้วย |
ประพฤติ
| ความสามารถ | โซลูชันที่ใช้ Azure PaaS | โซลูชันข่าวกรองแบบเรียลไทม์ |
|---|---|---|
| ขับเคลื่อนการดําเนินการทางธุรกิจจากข้อมูลเชิงลึก | จําเป็นต้องมี Azure Logic Apps หรือ Power Automate หรือฟังก์ชัน Azure การแจ้งเตือน Azure Monitor | มีให้ใช้งานใน Fabric โดยใช้ Reflex items ในตัวเปิดใช้งานข้อมูลด้วยการรวมแบบนอกกรอบกับแบบจําลองความหมาย Power BI, สตรีมเหตุการณ์ และคิวรี KQL |
| เปิดใช้งานเหตุการณ์ของระบบอีกครั้ง | ไม่มี | เหตุการณ์ที่มีอยู่ภายในที่เผยแพร่ผ่านฮับแบบเรียลไทม์ ใช้ Reflex items เพื่อทําให้กระบวนการข้อมูลเป็นแบบอัตโนมัติ เช่น ไปป์ไลน์และสมุดบันทึก |
| แบบจําลองความหมายแบบเรียลไทม์ | โซลูชันแรกที่ไม่พร้อมใช้งานหรือโค้ดโดยใช้ Logic Apps หรือ ฟังก์ชัน Azure | ไม่มี |
| AI ในตัว | ใช้งานไม่ได้ | ใช้งานไม่ได้ |
| ปลายทางการแจ้งเตือน | ขึ้นอยู่กับพอร์ตตัวเชื่อมต่อของบริการ | ตัวเชื่อมต่อ Microsoft Teams, Microsoft Outlook และ Power Automate |
แค็ตตาล็อก
| ความสามารถ | โซลูชันที่ใช้ Azure PaaS | โซลูชันข่าวกรองแบบเรียลไทม์ |
|---|---|---|
| แค็ตตาล็อกแบบรวมของสตรีมข้อมูล | ไม่มี | ฮับแบบเรียลไทม์: 1. สตรีมข้อมูลที่สร้างขึ้นโดยผู้ใช้ 2. สตรีมที่มีอยู่จากแหล่งข้อมูลของ Microsoft 3. Fabric system event streams |
| ค้นพบสตรีมข้อมูลของ Microsoft | ไม่มี | ฮับข่าวกรองแบบเรียลไทม์จะค้นพบสตรีมข้อมูลในผู้เช่า Azure ของคุณ |
| จับภาพและดําเนินการกับเหตุการณ์จาก Azure Storage | จําเป็นต้องมีการปรับใช้ Azure Event Grid เพื่อดําเนินการกับเหตุการณ์ที่เกิดขึ้นในที่เก็บข้อมูล Azure | ทริกเกอร์ที่ใช้เหตุการณ์ที่เก็บข้อมูล Blob ของ Azure พร้อมใช้งาน |
| จับภาพและดําเนินการกับเหตุการณ์จาก Fabric | ไม่สามารถใช้งานได้ | มีดั้งเดิมใน Fabric |