Translitik uygulamalar için kaynak olarak SQL veritabanını kullanma

Şunlar için geçerlidir:✅Microsoft Fabric'te SQL veritabanı

Bu makalede, aynı verilere hem işlemsel hem de analitik erişim gerektiren uygulamalar olan translitik uygulamalar için işletimsel omurga olarak Microsoft Fabric'teki SQL veritabanının nasıl kullanılacağı açıklanmaktadır.

Amaç, yönetilen ve güvenli Microsoft Fabric platformunda tek bir veritabanında işlem iş yüklerini, operasyonel API'leri ve anında analiz verilerini etkinleştirmektir. Temel olarak SQL veritabanıyla kayıtları güncelleştirme, ek açıklama ekleme veya diğer sistemlerde eylemleri tetikleyen iş akışları oluşturma gibi son kullanıcı eylemlerini otomatikleştirebilirsiniz. Daha fazla bilgi için bkz. Power BI'da translitik görev akışlarını anlama.

SQL analiz uç noktası

Fabric'te bir SQL veritabanı oluşturduğunuzda, veriler neredeyse gerçek zamanlı olarak OneLake'e çoğaltılır ve Delta tablolarında T-SQL aracılığıyla SQL analiz uç noktası üzerinden erişilebilen salt okunur bir kopyası oluşturulur. Bu mimari, işlem sistemi tarafından oluşturulan verilerin herhangi bir işleme veya karmaşık ETL işlem hattı olmadan analiz sorguları için kullanılabildiği anlamına gelir. SQL analytics uç noktasını kullanarak, işlem iş yükünüzü etkilemeden verileri neredeyse gerçek zamanlı olarak analiz edebilirsiniz. Bu veriler Power BI raporlaması, makine öğrenmesi modelleri veya Doku içindeki diğer analizler için kullanılabilir. SQL analiz uç noktasına, verilere analitik erişim gerektiren dış uygulamalar da erişebilir.

Örnekler şunları içerir:

  • Sağlık: Sağlık uzmanlarına gerçek zamanlı içgörüler sağlamak için sağlık ölçümlerini izleyin.
  • Finans: Ticaret stratejilerini gerçek zamanlı olarak iyileştirmek için pazar verilerini analiz edin.
  • Perakende: Kişiselleştirilmiş alışveriş deneyimleri sağlamak için müşteri davranışlarını analiz edin.
  • Üretim: Ürün kalitesini artırmak için üretim süreçlerini izleyin.

Translitik görev akışları

Verileri çözümlemek için Power BI kullandığınızda, veriler üzerinde kayıt güncelleştirme, ek açıklama ekleme veya verileri temel alan başka bir sistemde eylem tetikleme gibi işlemler yapmanız gerekebilir. Fabric'da translytical görev akışlarını kullanarak bu görevleri kolayca gerçekleştirebilirsiniz.

Kullanıcı verileri işlevleri aşağıdakiler gibi senaryoları etkinleştirir:

  • Veri ekleme: Veritabanınızdaki bir tabloya veri kaydı ekleyin ve raporunuzda yansıtılmış olarak görün. Örneğin, yeni bir müşteri kaydı ekleme.
  • Verileri düzenle: Veritabanınızdaki bir tablodaki mevcut veri kaydını düzenleyin ve özel kodlama olmadan raporunuzda yansıtılmış olarak görün. Örneğin, bir durum alanını veya ek açıklamayı güncelleştirme.
  • Verileri silme: Veritabanınızdaki bir tablodan mevcut bir veri kaydını silin ve raporunuzdan kaldırıldığını görün. Örneğin, artık gerekli olmayan bir müşteri kaydını kaldırma.
  • Dış API'yi çağırma: Ağ isteği aracılığıyla erişilebilen bir API isteği oluşturun. Örneğin, temel alınan verileri veya son kullanıcının girişini güncelleştiren veya farklı bir sistemde işlem yapan bir genel API'nin REST uç noktasına istekte bulunma.

Veri geri yazma senaryoları için kullanıcı veri işlevleri Fabric, ambarlar ve lakehouse'larda bulunan SQL veritabanları için bağlantı yönetimi sağlar. Translitik görev akışı şu şekilde çalışabilir:

  • Doku'daki kullanıcı veri işlevleri , temel alınan Doku veri kaynaklarında işlevleri çağırır. Kullanıcı verileri işlevleri, parametre olarak geçirilen geçerli rapor bağlamıyla (filtreler, dilimleyiciler ve seçimler) çalışır.
  • SQL analytics uçbirimi OneLake'te neredeyse gerçek zamanlı bir çoğaltmaya sahip olduğundan, görev akışları tarafından yapılan güncellemeler ekstra ETL işlemi olmadan anında analiz ve Power BI görselleri için kullanılabilir.
  • Kullanıcı veri işlevleri aracılığıyla yakalanan eylemler, SQL veritabanında son kalıcılık öncesinde yapay zeka destekli işleme (örneğin sınıflandırma veya zenginleştirme) için ELT işlem hatlarındaki Doku Not Defterlerine yönlendirilebilir.

Translitik görev akışı oluşturmak şu ana görevleri içerir:

  1. Verilerinizi bir Fabric veri kaynağında depolama.
  2. Eylemi işlemek için bir kullanıcı verisi fonksiyonu geliştirme.
  3. Bu verileri kullanmak için bir Power BI anlam modeli oluşturma.
  4. Kullanıcının girişini yakalamak ve işlevi çağırmak için etkileşimli öğeler içeren bir Power BI raporu oluşturma.

Fabric SQL veritabanı kullanım senaryoları

Fabric SQL veritabanı için en iyi kullanım örnekleri hakkında daha fazla bilgi edinmek için bkz:

İlgili içerik

  • Last updated on