Jaka jest różnica między analizą w czasie rzeczywistym a porównywalnym rozwiązaniem platformy Azure?

W miarę postępu transformacji cyfrowej organizacje napotykają coraz większą liczbę źródeł danych. Te źródła generują wrażliwe na czas, skomplikowane punkty danych, zdarzenia i sygnały. Te dane mogą pochodzić z różnych źródeł, takich jak (a) dane czujników z zasobów fizycznych, takich jak rośliny, pojazdy, wieże, urządzenia usługi IoT Edge, (b) przechwytywanie danych (CDC) ze strumieni danych z baz danych obsługujących aplikacje internetowe i mobilne, a także (c) dzienniki z infrastruktury lokalnej i chmury oraz aplikacji, między innymi. Te strumienie danych mają kluczowe znaczenie dla organizacji, aby zamknąć pętlę cyfrowej opinii, lepiej zrozumieć wzorce użycia klientów swoich zasobów fizycznych i cyfrowych oraz stale zwiększać wartość, którą zapewniają, aby utrzymać konkurencyjność rynku.

Zdając sobie sprawę, że ta wartość wymaga budowy architektur przesyłania strumieniowego danych w czasie rzeczywistym, które korzystają zarówno z usług danych opartych na chmurze, jak i lokalnych na potrzeby przechwytywania danych, transportu, przekształceń operacyjnych i przekształceń analitycznych. Te architektury są zwykle tworzone przy użyciu różnych produktów, takich jak Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues i Google Pub/Sub. Gdy dane docierają do chmury, przechodzą różne etapy przetwarzania i przekształcania, często określane jako gorące, ciepłe i zimne ścieżki, przed rozpoczęciem w magazynach danych, takich jak Azure Data Explorer, Azure Synapse Analytics i Azure Data Lake Store Gen 2. Po przetworzeniu te dane są gotowe do zaawansowanej analizy i aplikacji sztucznej inteligencji i można je wizualizować przy użyciu narzędzi takich jak Power BI, Grafana, Web lub Mobile Apps oraz punkty końcowe interfejsu API.

Wprowadzenie analizy w czasie rzeczywistym w sieci szkieletowej oferuje organizacjom wiele metod implementacji i architektur dla ich przypadków użycia, które wymagają zaawansowanej analizy danych przesyłanych strumieniowo. Platforma Microsoft Azure udostępnia profesjonalnym deweloperom niezawodne możliwości projektowania i implementowania architektur, które wymagają głębokiej integracji z innymi usługami platformy Azure, kompleksową automatyzacją i wdrażaniem całego rozwiązania jako ujednoliconego pakietu. Analiza w czasie rzeczywistym w usłudze Microsoft Fabric umożliwia deweloperom obywatelom i użytkownikom biznesowym odnajdywanie strumieni danych w organizacjach oraz tworzenie rozwiązań analitycznych i aplikacji. Dzięki bezproblemowej integracji z usługami Azure Event Hubs, Azure Event Grid i Azure Data Explorer analiza w czasie rzeczywistym ułatwia rozszerzenie architektur opartych na platformie Azure w usłudze Microsoft Fabric oraz tworzenie nowych rozwiązań przy użyciu istniejących lub nowych źródeł danych. Na poniższym diagramie przedstawiono architekturę rozwiązania opartego na platformie Azure (PaaS) i architekturę rozwiązania analizy w czasie rzeczywistym dla przypadków użycia analizy telemetrii w typowych organizacjach produkcyjnych/motoryzacyjnych.

Aby uzyskać więcej informacji na temat analizy w czasie rzeczywistym, zobacz Co to jest analiza w czasie rzeczywistym w sieci szkieletowej?.

W przeszłości organizacje przeznaczyły znaczne budżety, pracowników i zasoby na opracowywanie, integrowanie, wdrażanie, utrzymanie i zarządzanie różnymi odłączonymi produktami opartymi na chmurze lub lokalnymi produktami i izolowanymi rozwiązaniami. Doprowadziło to do skomplikowanych, złożonych architektur, które są trudne do obsługi i konserwacji. W związku z tym organizacje wahały się, aby realizować takie inwestycje ze względu na złożoność lub uznały koszty za zbyt zbyt zbyt uciążliwe, aby uzasadnić zadowalający zwrot z inwestycji. Jednak zapotrzebowanie na szczegółowe informacje o operacjach biznesowych w czasie rzeczywistym oparte na natychmiastowych, wysokich stopniach szczegółowości jest spójne wśród użytkowników końcowych.

Analiza w czasie rzeczywistym zrewolucjonizuje ten krajobraz dzięki wykorzystaniu pełnego potencjału funkcji w czasie rzeczywistym w usłudze Fabric, umożliwiając natychmiastowe uzyskiwanie cennych, praktycznych szczegółowych informacji z danych innych firm i innych firm. Dzięki funkcji analizy w czasie rzeczywistym możesz korzystać z następujących korzyści:

• Kompleksowa oferta SaaS: kompleksowe rozwiązanie, które ułatwia odnajdywanie szczegółowych informacji z danych wrażliwych na czas, co umożliwia pozyskiwanie, przetwarzanie, wykonywanie zapytań, wizualizowanie i wykonywanie na nim działań w czasie rzeczywistym.
• Scentralizowane centrum danych dynamicznych: ujednolicona przestrzeń danych dla wszystkich danych zdarzeń w ruchu, upraszczając pozyskiwanie, przechowywanie i curowanie precyzyjnych danych z całej organizacji za pośrednictwem centrum czasu rzeczywistego.
• Szybkie opracowywanie rozwiązań: umożliwienie członkom zespołu różnych wiedzy w celu wyodrębnienia większej wartości z danych i szybkiego tworzenia rozwiązań na ich podstawie w celu dalszego rozwoju firmy.
• Szczegółowe informacje obsługiwane przez sztuczną inteligencję w czasie rzeczywistym: skalowanie ręcznego monitorowania i bez wysiłku inicjowanie akcji przy użyciu gotowych do użycia, zautomatyzowanych funkcji, które odkrywają ukryte wzorce i w pełni wykorzystują ekosystem firmy Microsoft do przesyłania dalej firmy.

W tym artykule opisano kluczowe zagadnienia dotyczące określania najbardziej odpowiedniej architektury implementacji dostosowanej do przypadków użycia przesyłania strumieniowego:

Ogółem

Możliwość	Rozwiązanie oparte na usłudze PaaS platformy Azure	Rozwiązanie analizy w czasie rzeczywistym
Integracja usług	Zależy od zgodności integracji między usługami w zakresie architektury.	Integracja jednym kliknięciem na każdym etapie pozyskiwania danych, przetwarzania, analizowania, wizualizowania i działania.
Środowisko deweloperskie pro i obywatel	Bardziej odpowiednie dla profesjonalnych deweloperów.	Deweloperzy pro, deweloperzy obywatelscy i użytkownicy biznesowi mogą współistnieć.
Kod z małą ilością kodu/bez kodu	Dostępne tylko do przekształcania w usłudze Azure Stream Analytics i tworzenia alertów przy użyciu usługi Logics Apps lub Power Automate. Programowanie pro wymagane do zakończenia implementacji.	Kompleksowa implementacja z pozyskiwania do analizy w celu przekształcenia w celu wizualizacji i działania można zrealizować.
Model zużycia	Szacowanie, zużycie i model rozliczeń zależny od usługi.	Ujednolicone użycie jednostek wydajności sieci szkieletowej i model rozliczeń.

Pozyskiwanie i przetwarzanie

Możliwość	Rozwiązanie oparte na usłudze PaaS platformy Azure	Rozwiązanie analizy w czasie rzeczywistym
Łączniki wielochmurowe	Usługa Azure Stream Analytics łączy się z platformą Confluent Kafka. Brak łączników do odczytywania danych z usługi Amazon Kinesis lub Google Pub/Sub.	Natywna integracja z platformą Confluent Kafka, Amazon Kinesis, Google Pub/Sub.
Obsługa strumieni CDC	Wymaga wdrożenia innych usług, takich jak Debezium.	Natywna integracja z usługami Azure Cosmos DB, Postgresql i Azure SQL.
Obsługa protokołów	Azure Event Hubs, AMQP, Kafka i MQTT.	Azure Event Hubs, AMQP, Kafka.

Analizowanie i przekształcanie

Możliwość	Rozwiązanie oparte na usłudze PaaS platformy Azure	Rozwiązanie analizy w czasie rzeczywistym
Profilowanie danych	Niedostępny	Widok profilowania danych w tabelach czasu rzeczywistego zawiera gotowe histogramy i minimalne maksymalne zakresy dla każdej kolumny.
Eksploracja danych wizualnych	Niedostępny	Funkcje przeciągania i upuszczania w celu wizualnego analizowania danych w czasie rzeczywistym.
Doświadczenie Copilot	Klaster usługi Azure Data Explorer można dodać jako źródło w zestawie zapytań KQL sieci szkieletowej w celu korzystania z funkcji Copilot.	Dostępne natywnie
Wbudowane modele uczenia maszynowego	Dostępne modele wykrywania anomalii i prognozowania. Programowanie pro wymagane do wdrożenia modeli wykrywania anomalii i prognozowania.	Dostępne modele wykrywania anomalii i prognozowania. Użytkownicy biznesowi mogą również stosować modele wykrywania anomalii na przychodzących danych przesyłanych strumieniowo.
Wizualizacja (Microsoft)	Power BI, pulpity nawigacyjne usługi Azure Data Explorer	Natywna integracja jednym kliknięciem z usługą Power BI i pulpitem nawigacyjnym w czasie rzeczywistym
Wizualizacja (inna firma)	Grafana, Kibana, Matlab.	Grafana, Kibana, Matlab można również zintegrować z domem eventowym.

Działaj

Możliwość	Rozwiązanie oparte na usłudze PaaS platformy Azure	Rozwiązanie analizy w czasie rzeczywistym
Kierowanie akcjami biznesowymi na podstawie szczegółowych informacji	Wymaga usługi Azure Logic Apps lub Power Automate lub Azure Functions, alertów usługi Azure Monitor.	Natywnie dostępne w sieci szkieletowej przy użyciu elementów Refleksu w aktywatorze danych z wbudowaną integracją z modelami semantycznymi usługi Power BI, strumieniem zdarzeń i zapytaniami KQL.
Reaktywne zdarzenia systemowe	Niedostępny	Wbudowane zdarzenia publikowane za pośrednictwem centrum czasu rzeczywistego; Elementy refleksu służą do automatyzowania procesów danych, takich jak potoki i notesy.
Modele semantyczne w czasie rzeczywistym	Rozwiązanie nie jest dostępne ani oparte na kodzie przy użyciu usługi Logic Apps lub Azure Functions	Niedostępny
Wbudowana sztuczna inteligencja	Niedostępny	Niedostępny
Miejsca docelowe powiadomień	Zależy od portfolio łączników usługi.	Łączniki microsoft Teams, Microsoft Outlook i Power Automate.

Wykaz

Możliwość	Rozwiązanie oparte na usłudze PaaS platformy Azure	Rozwiązanie analizy w czasie rzeczywistym
Ujednolicony wykaz strumieni danych	Niedostępny	Centrum czasu rzeczywistego: 1. Strumienie danych utworzone przez użytkowników 2. Istniejące strumienie ze źródeł firmy Microsoft 3. Strumienie zdarzeń systemu sieci szkieletowej
Odnajdywanie strumieni danych firmy Microsoft	Niedostępny	Centrum analizy w czasie rzeczywistym odnajduje strumienie danych w dzierżawie platformy Azure.
Przechwytywanie i wykonywanie działań na zdarzeniach z usługi Azure Storage	Wymaga wdrożenia usługi Azure Event Grid w celu działania na zdarzeniach występujących w usłudze Azure Storage.	Można wdrożyć z sieci szkieletowej. Zasób usługi Event Grid jest tworzony w tej samej grupie zasobów co konto usługi Azure Storage.
Przechwytywanie i wykonywanie działań na zdarzeniach z sieci szkieletowej	Nie dotyczy	Natywnie dostępne w sieci szkieletowej

Powiązana zawartość

• Wprowadzenie do analizy w czasie rzeczywistym