Vad är realtidsanalys i Infrastrukturresurser?

De senaste decennierna har vi sett ett paradigmskifte i hur vi kommer åt och använder information, eftersom användarna har vant sig vid data som är interaktiva, på begäran och tillgängliga för alla. Det här skiftet har drivits av stordata, strömmande datainmatning och indexerad, nyckelordsbaserad sökning. Tillsammans bildar de en förenklad användarupplevelse. Med Realtidsanalys i Microsoft Fabric gör vi det möjligt för organisationer att fokusera och skala upp sin analyslösning samtidigt som de demokratiserar data för både medborgardataexpertens behov hela vägen till den avancerade datateknikern. Realtidsanalyser har blivit viktiga i många scenarier i företagsvärlden, till exempel cybersäkerhet, tillgångsspårning och hantering, förutsägande underhåll, leveranskedjeoptimering, kundupplevelse, energihantering, lagerhantering, kvalitetskontroll, miljöövervakning, hantering av flottan samt hälsa och säkerhet.

Hur? Realtidsanalys minskar komplexiteten och förenklar dataintegreringen. Få snabb åtkomst till datainsikter med bara sekunders etablering, automatisk dataströmning, indexering och partitionering för alla datakällor eller format, samt frågegenerering och visualiseringar på begäran. Den här användarprocessen förenklas samtidigt som kraftfulla analysfunktioner bevaras. Med realtidsanalys kan du fokusera på dina analyslösningar genom att skala upp sömlöst med tjänsten när dina data- och frågebehov växer.

Realtidsanalys är en fullständigt hanterad plattform för stordataanalys som är optimerad för strömning och tidsseriedata. Den använder ett frågespråk och en motor med exceptionella prestanda för att söka efter strukturerade, halvstrukturerade och ostrukturerade data. Realtidsanalys är helt integrerat med hela paketet med Fabric-produkter för både datainläsning, datatransformering och avancerade visualiseringsscenarier.

Vad gör Realtidsanalys unikt?

• Samla in, transformera och dirigera realtidshändelser till olika mål, inklusive anpassade appar.
• Mata enkelt in eller läsa in data från valfri källa, i valfritt dataformat.
• Kör analysfrågor direkt på rådata utan att behöva skapa komplexa datamodeller eller skapa skript för att transformera data.
• Importera data med strömning som standard som ger hög prestanda, låg svarstid, dataanalys med hög färskhet.
• Importerade data genomgår standardpartitionering – både tids- och hashbaserad partitionering och indexering som standard.
• Arbeta med mångsidiga datastrukturer , inklusive frågestrukturerad, halvstrukturerad eller fritext.
• Fråga rådata utan transformering, med höga prestanda, otroligt låg svarstid, samtidigt som du använder en mängd olika tillgängliga operatorer.
• Hantera en obegränsad mängd data, från gigabyte till petabyte, med obegränsad skalning på samtidiga frågor och samtidiga användare.
• Inbyggd autoskalning justerar resurser för att matcha arbetsbelastningsfaktorer som cache, minne, CPU-användning och inmatning, optimera prestanda och minimera kostnader.
• Integrera sömlöst med andra upplevelser och objekt i Microsoft Fabric.

När ska du använda realtidsanalys?

Om någon av dessa frågor beskriver dina databehov är Realtidsanalys rätt lösning för dig:

• Behöver jag hög färskhet från datainmatning för att fråga?
• Vill jag transformera strömmande data?
• Har jag en tjänst som behöver komma åt data med låg frågesvarstid (inom några sekunder)?
• Behöver jag söka eller komma åt data i olika format, till exempel strukturerade data, halvstrukturerade data (inklusive komplicerade data som JSON eller andra matriser) eller ostrukturerade data (till exempel fritext)?
• Vill jag kunna köra frågor mot stora mängder data?
• Har mina data en tidskomponent som kan dra nytta av den tidsserieoptimerade databasstrukturen?
• Vill jag kunna skapa ad hoc-frågor på alla fält eller rader utan tidigare optimering?

De typer av branscher som drar nytta av dataanalys i realtidsanalys varierar. Till exempel: ekonomi, transport och logistik, smarta städer, smarta byggnader, tillverkningsverksamhet, fordon och olja och gas.

Scenarier

Marketing

Som marknadsföringsspecialist som implementerar en ny kampanj gör Realtidsanalys att du kan analysera kampanjens omedelbara inverkan på försäljning, lager och logistik. Du kan strömma stora mängder data till din KQL-databas via Eventstream med en svarstid på några sekunder och sedan använda en KQL-frågeuppsättning för att analysera kampanjens prestanda och visualisera dina resultat i en delbar Power BI-rapport. Du kan använda dessa insikter för att omedelbart ändra de olika aspekterna av din kampanj och enkelt visa effekten i realtid. Du kan också ge visningsåtkomst för din KQL-databas till olika team i ditt företag, till exempel ekonomi- och produktionsteamen för att analysera dina strömmande data och göra justeringar i kostnaden och produktionen av produkten i enlighet med detta.

Sales

Som affärsanalytiker som arbetar för en global detaljhandelskedja ansvarar du för att analysera inkommande data och kommunicera dina insikter till viktiga intressenter i din verksamhet. Du kan samla in och lagra data från en mängd olika källor, till exempel tillverkare, speditörer, leverantörer och i olika format, till exempel strukturerade, halvstrukturerade och ostrukturerade data. Alla dessa användbara data samlas in i en KQL-databas, vilket ger en skalbar datalösning för dina växande data som kan innehålla miljarder poster som kan behållas i flera år i slutet för att du ska kunna fråga och jämföra med strömmande data. Du kan inte bara använda en KQL-frågeuppsättning för att utföra tidsserieanalyser, utan du kan också skapa Power BI-rapporter som visualiserar geospatiala analyser av land- och sjövägar, snabbt identifiera avvikelser och samarbeta med projektledare på instrumentpaneler för att fatta bättre affärsbeslut.

Hur fungerar man i realtidsanalys?

De viktigaste objekten som är tillgängliga i Realtidsanalys är:

• Händelseström för att samla in, transformera och dirigera realtidshändelser till olika mål utan kod.
• En KQL-databas för datalagring och hantering. Data som läses in i en KQL-databas kan nås i OneLake och exponeras för andra infrastrukturresurser.
• En KQL-frågeuppsättning för att köra frågor, visa och anpassa frågeresultat på data. Med KQL-frågeuppsättningen kan du spara frågor för framtida användning, exportera och dela frågor med andra och inkluderar alternativet att generera en Power BI-rapport.

Se hur dessa objekt fungerar tillsammans i scenariot för dataförbrukning och analys från slutpunkt till slutpunkt: Självstudie om realtidsanalys – Introduktion

Integrering med andra upplevelser

• Skapa Event Hubs-molnanslutningar för att strömma data till realtidsanalys.
• Data i OneLake nås av Realtidsanalys på flera sätt:
  • Data från OneLake kan efterfrågas från Realtidsanalys som en genväg.
  • Data från OneLake kan läsas in i realtidsanalys .
  • Data som läses in i realtidsanalys återspeglas i OneLake som en logisk kopia.
• Data som läses in i realtidsanalys kan användas som underliggande data för visualisering i en Power BI-rapport.
• Data som läses in i realtidsanalys kan användas för analys i Spark Notebooks i Datateknik.
• Utlösa datainläsningshändelser i Data Factory med hjälp av pipelines.
• Utlösa datainläsningshändelser med dataflöden.

Relaterat innehåll

• Microsoft Fabric-händelseströmmar – översikt
• Jämföra realtidsanalys med Azure Data Explorer
• Självstudie: Realtidsanalys
• Fråga efter data i en KQL-frågeuppsättning
• Kusto-frågespråk översikt