Strömmande dataflöden (förhandsversion)

Organisationer vill arbeta med data när de kommer in, inte dagar eller veckor senare. Visionen med Power BI är enkel: skillnaderna mellan batchdata, realtidsdata och strömmande data försvinner i dag. Användarna bör kunna arbeta med alla data så snart de är tillgängliga.

Analytiker behöver vanligtvis teknisk hjälp för att hantera strömmande datakällor, förberedelse av data, komplexa tidsbaserade åtgärder och datavisualisering i realtid. IT-avdelningar förlitar sig ofta på specialbyggda system och en kombination av tekniker från olika leverantörer för att utföra snabba analyser av data. Utan den här komplexiteten kan de inte ge beslutsfattare information i nära realtid.

Med strömmande dataflöden kan författare ansluta till, mata in, blanda, modellera och skapa rapporter baserat på strömmande data i nära realtid direkt i Power BI tjänsten. Tjänsten möjliggör dra och släpp-funktioner utan kod.

Användare kan blanda och matcha strömmande data med batchdata om det behövs. Detta görs via ett användargränssnitt som innehåller en diagramvy för enkel data kombination. Den slutliga artefakten som skapas är ett dataflöde som kan användas i realtid för att skapa mycket interaktiv rapportering nästan i realtid. Alla datavisualiseringsfunktioner i Power BI med strömmande data, precis som med batchdata.

Användare kan utföra åtgärder för förberedelse av data, till exempel kopplingar och filter. De kan också utföra tidsfönsteraggregeringar (till exempel rullande fönster, hoppande fönster och sessionsfönster) för gruppera efter-åtgärder.

Strömmande dataflöden i Power BI organisationer att:

• Fatta säkra beslut nästan i realtid. Organisationer kan vara mer flexibla och vidta meningsfulla åtgärder baserat på de mest aktuella insikterna.
• Demokratisera strömmande data. Organisationer kan göra data mer tillgängliga och enklare att tolka med en lösning utan kod och minska IT-resurser.
• Få snabbare insikter med hjälp av en strömningsanalyslösning från end-to-end med integrerad datalagring och BI.

Strömmande dataflöden stöder DirectQuery och automatisk siduppdatering/ändringsidentifiering. Med det här stödet kan användare skapa rapporter som uppdateras nästan i realtid, upp till varje sekund, med hjälp av alla visuella objekt som är tillgängliga i Power BI.

Krav

Kontrollera att du uppfyller följande krav innan du skapar ditt första strömmande dataflöde:

• Om du vill skapa och köra ett strömmande dataflöde behöver du en arbetsyta som ingår i en Premium-kapacitet eller Premium en PPU-licens (per användare).

  Viktigt

  Om du använder en PPU-licens och du vill att andra användare ska använda rapporter som skapats med strömmande dataflöden som uppdateras i realtid, behöver de också en PPU-licens. De kan sedan använda rapporterna med samma uppdateringsfrekvens som du har angett, om uppdateringen är snabbare än var 30:e minut.

• Aktivera dataflöden för din klientorganisation. Mer information finns i Aktivera dataflöden i Power BI Premium.

• För att säkerställa att strömmande dataflöden Premium din kapacitet måste den förbättrade beräkningsmotorn aktiveras. Motorn är aktiverad som standard, men Power BI kapacitetsadministratörer kan inaktivera den. Om så är fallet kontaktar du administratören för att aktivera det.

  Den förbättrade beräkningsmotorn är endast tillgänglig i Premium P eller Embedded A3 och större kapaciteter. Om du vill använda strömmande dataflöden behöver du antingen PPU, en Premium P-kapacitet av valfri storlek eller en inbäddad A3- eller större kapacitet. Mer information om hur du Premium SKU:er och deras specifikationer finns i Kapacitet och SKU:er i Power BI inbäddad analys.

• Om du vill skapa rapporter som uppdateras i realtid kontrollerar du att din administratör (kapacitet och/eller Power BI för PPU) har aktiverat automatisk siduppdatering. Kontrollera också att administratören har tillåtit ett minsta uppdateringsintervall som matchar dina behov. Mer information finns i Automatisk siduppdatering i Power BI.

Skapa ett strömmande dataflöde

Ett strömmande dataflöde, precis som dess relativa dataflöde, är en samling entiteter (tabeller) som skapas och hanteras i arbetsytor i Power BI tjänsten. En tabell är en uppsättning fält som används för att lagra data, ungefär som en tabell i en databas.

Du kan lägga till och redigera tabeller i ditt strömmande dataflöde direkt från arbetsytan där ditt dataflöde skapades. Den största skillnaden med vanliga dataflöden är att du inte behöver bekymra dig om uppdateringar eller frekvens. På grund av hur strömmande data ser ut kommer en kontinuerlig dataström in. Uppdateringen är konstant eller oändlig såvida du inte stoppar den.

Så här skapar du ett strömmande dataflöde:

1. Öppna Power BI i en webbläsare och välj sedan en Premium arbetsyta. (Strömmande dataflöden, t.ex. vanliga dataflöden, är inte tillgängliga i Min arbetsyta.)

2. Välj listrutan Nytt och välj Strömmande dataflöde.

   

3. I sidofönstret som öppnas måste du namnge ditt strömmande dataflöde. Ange ett namn i rutan Namn (1) och välj sedan Skapa (2).

   

   Den tomma diagramvyn för strömmande dataflöden visas.

Följande skärmbild visar ett färdigt dataflöde. Den visar alla avsnitt som är tillgängliga för redigering i användargränssnittet för strömmande dataflöde.

1. Menyfliksområde: I menyfliksområdet följer avsnitten ordningen på en "klassisk" analysprocess: indata (även kallade datakällor), transformningar (strömmande ETL-åtgärder), utdata och en knapp för att spara förloppet.

2. Diagramvy: Det här är en grafisk representation av ditt dataflöde, från indata till åtgärder till utdata.

3. Sidofönster: Beroende på vilken komponent du valde i diagramvyn har du inställningar för att ändra varje indata, transformering eller utdata.

4. Flikar för förhandsgranskning av data, redigeringsfel och körningsfel: För varje kort som visas visar dataförhandsvisningen resultat för det steget (live för indata och på begäran för omvandlingar och utdata).

   Det här avsnittet sammanfattar även eventuella redigeringsfel eller varningar som du kan ha i dina dataflöden. Om du väljer varje fel eller varning markeras transformeringen. Dessutom har du åtkomst till körningsfel när dataflödet körs, till exempel ignorerade meddelanden.

   Du kan alltid minimera det här avsnittet av strömmande dataflöden genom att välja pilen i det övre högra hörnet.

Ett strömmande dataflöde bygger på tre huvudkomponenter: strömmande indata, transformationer och utdata. Du kan ha så många komponenter du vill, inklusive flera indata, parallella grenar med flera transformationer och flera utdata.

Lägga till strömmande indata

Om du vill lägga till strömmande indata väljer du ikonen i menyfliksområdet och anger den information som behövs i sidofönstret för att konfigurera den. Från och med juli 2021 stöder förhandsversionen av strömmande dataflöden Azure Event Hubs och Azure IoT Hub som indata.

Tjänsterna Azure Event Hubs och Azure IoT Hub bygger på en gemensam arkitektur för att underlätta snabb och skalbar inmatning och förbrukning av händelser. IoT Hub är särskilt skräddarsytt som en central meddelandehubb för kommunikation i båda riktningarna mellan ett IoT-program och dess anslutna enheter.

Azure Event Hubs

Azure Event Hubs är en stordataströmningsplattform och händelseinmatningstjänst. Den kan ta emot och behandla miljoner händelser per sekund. Data som skickas till en händelsehubb kan omvandlas och lagras med hjälp av valfri provider för realtidsanalys eller batchbearbetnings-/lagringsadaptrar.

Om du vill konfigurera en händelsehubb som indata för strömmande dataflöden väljer du händelsehubbikonen. Ett kort visas i diagramvyn, inklusive ett sidofönster för dess konfiguration.

Du kan välja att klistra Event Hubs anslutningssträngen. Strömmande dataflöden fyller i all nödvändig information, inklusive den valfria konsumentgruppen (som standard är $Default). Om du vill ange alla fält manuellt kan du aktivera växlingsknappen för manuell inmatning för att visa dem. Du kan lära dig mer Event Hubs om anslutningssträngar i Hämta en Event Hubs-anslutningssträng.

När du har angett Event Hubs autentiseringsuppgifter och valt Anslut kan du lägga till fält manuellt med hjälp av + Lägg till fält om du känner till fältnamnen. Om du i stället vill identifiera fält och datatyper automatiskt baserat på ett exempel på inkommande meddelanden väljer du Identifiera fält automatiskt. Om du väljer kugghjulsikonen kan du redigera autentiseringsuppgifterna om det behövs.

När strömmande dataflöden identifierar fälten visas de i listan. Du ser också en liveförhandsvisning av inkommande meddelanden i tabellen Dataförhandsvisning under diagramvyn.

Du kan alltid redigera fältnamnen eller ta bort eller ändra datatypen genom att välja de tre punkterna (...) bredvid varje fält. Du kan också expandera, välja och redigera kapslade fält från inkommande meddelanden, som du ser i följande bild.

Azure IoT Hub

IoT Hub är en hanterad tjänst som finns i molnet. Den fungerar som en central meddelandehubb för kommunikation i båda riktningarna mellan ett IoT-program och dess anslutna enheter. Du kan ansluta miljontals enheter och deras backend-lösningar på ett tillförlitligt och säkert sätt. Nästan alla enheter kan anslutas till en IoT-hubb.

IoT Hub konfiguration liknar den Event Hubs konfigurationen på grund av deras gemensamma arkitektur. Men det finns några skillnader, inklusive var du hittar den Event Hubs anslutningssträngen för den inbyggda slutpunkten. Du kan läsa mer om IoT Hub inbyggda slutpunkten i Läsa "enhet till molnet"-meddelanden från den inbyggda slutpunkten.

När du har klistrat in anslutningssträngen för den inbyggda slutpunkten är alla funktioner för att välja, lägga till, automatiskt upptäcka och redigera fält som kommer från IoT Hub desamma som i Event Hubs. Du kan också redigera autentiseringsuppgifterna genom att välja kugghjulsikonen.

När du använder strömma data från Event Hubs eller IoT Hub har du åtkomst till följande metadatatidsfält i ditt strömmande dataflöde:

• EventProcessedUtcTime: Datum och tid då händelsen bearbetades.
• EventEnqueuedUtcTime: Datum och tid då händelsen togs emot.

Inget av dessa fält visas i förhandsversionen av indata. Du måste lägga till dem manuellt.

Blob Storage

Azure Blob Storage är Microsofts objektlagringslösning för molnet. Blob Storage är optimerad för lagring av enorma mängder ostrukturerade data. Ostrukturerade data är data som inte följer en viss datamodell eller definition, till exempel text eller binära data.

Vi kan använda Azure Blobs som strömmande/referensindata. Strömmande blobar kontrolleras vanligtvis varje sekund för uppdateringar. Till skillnad från en strömmande blob läses en referensblob bara in i början av uppdateringen. Det är statiska data som inte förväntas ändras och den rekommenderade gränsen är 50 MB eller mindre.

Referensblobar förväntas användas tillsammans med strömmande källor (t.ex. Via en JOIN). Därför måste ett strömmande dataflöde med en referensblob också ha en strömningskälla.

Konfigurationen för Azure-blobar skiljer sig något från konfigurationen för en Azure Event Hub-nod. Du hittar anslutningssträngen för Azure Blob genom att följa anvisningarnai avsnittet "Visa åtkomstnycklar för konto" i den här artikeln Hantera åtkomstnycklar för konton – Azure Storage .

När du har angett blobanslutningssträngen måste du också ange namnet på din container samt sökvägsmönstret i katalogen för att komma åt de filer som du vill ange som källa för ditt dataflöde.

För strömmande blobar förväntas katalogsökvägens mönster vara ett dynamiskt värde. Det krävs för att datumet ska vara en del av filökvägen för bloben – refereras till som {date}. Dessutom en asterisk () i sökvägsmönstret – t.ex. {date}/{time}/.json stöds inte.

Om du till exempel har en blob med namnet ExampleContainer där du lagrar kapslade .json-filer – där den första nivån är skapandedatumet och den andra nivån är skapandetimme (t.ex. 2021-10-21/16) skulle containerindata vara "ExampleContainer". Katalogsökvägen skulle då vara "{date}/{time}" där du kan ändra datum- och tidsmönstret.

När bloben är ansluten till slutpunkten är alla funktioner för att välja, lägga till, automatiskt upptäcka och redigera fält som kommer från Azure Blob samma som i Event Hubs. Du kan också redigera autentiseringsuppgifterna genom att välja kugghjulsikonen.

När du arbetar med realtidsdata komprimeras ofta data och identifierare används för att representera objektet. Ett möjligt användningsfall för blobar kan också vara som referensdata för dina strömmande källor. Med referensdata kan du koppla statiska data till strömmande data för att utöka dina dataströmmar för analys. Nu ska vi gå igenom ett snabbt exempel på när detta skulle vara användbart. Imagine du installerar sensorer på olika avdelningsbutiker för att mäta hur många personer som kommer in i butiken vid en viss tidpunkt. Vanligtvis måste sensor-ID:t vara sammanfogat med en statisk tabell för att ange vilket avdelningslager och vilken plats sensorn finns på. Nu när det gäller referensdata är det möjligt att koppla dessa data under inmatningsfasen för att göra det enkelt att se vilket lager som har högst utdata från användarna.

Datatyper

Tillgängliga datatyper för strömmande dataflödesfält är:

• DateTime: Fältet Datum och tid i ISO-format.
• Flyttal: Decimaltal.
• Int: Heltal.
• Post: Kapslat objekt med flera poster.
• Sträng: Text.

Lägga till en transformering av strömmande data

Transformering av strömmande data skiljer sig från batchdatatransformationer. Nästan alla strömmande data har en tidskomponent som påverkar eventuella dataförberedelseuppgifter.

Om du vill lägga till en strömmande datatransformering i ditt dataflöde väljer du transformeringsikonen i menyfliksområdet för den omvandlingen. Respektive kort tas bort i diagramvyn. När du har valt den visas sidofönstret för omvandlingen för att konfigurera den.

Från och med juli 2021 stöder strömmande dataflöden följande strömningstransformationer.

Filtrera

Använd filtertransformering för att filtrera händelser baserat på värdet för ett fält i indata. Beroende på datatypen (tal eller text) behåller transformeringen de värden som matchar det valda villkoret.

Hantera fält

Med omvandlingen Hantera fält kan du lägga till, ta bort eller byta namn på fält som kommer från en indata eller en annan transformering. Inställningarna i sidofönstret ger dig möjlighet att lägga till ett nytt genom att välja Lägg till fält eller lägga till alla fält samtidigt.

Aggregera

Du kan använda aggregeringsomvandlingen för att beräkna en aggregering (Summa , Minimum , Maximum eller Average) varje gång en ny händelse inträffar under en viss tidsperiod. Med den här åtgärden kan du också filtrera eller dela upp aggregeringen baserat på andra dimensioner i dina data. Du kan ha en eller flera aggregeringar i samma transformering.

Om du vill lägga till en aggregering väljer du transformeringsikonen. Anslut sedan en indata, välj aggregeringen, lägg till ett filter eller segmentdimensioner och välj den tidsperiod som aggregeringen ska beräknas under. I det här exemplet beräknar vi summan av det avgiftsbelagda värdet efter det tillstånd där fordonet kommer från under de senaste 10 sekunderna.

Om du vill lägga till en annan aggregering i samma transformering väljer du Lägg till mängdfunktion. Tänk på att filtret eller segmentet gäller för alla aggregeringar i omvandlingen.

Anslut

Använd kopplingsomvandlingen för att kombinera händelser från två indata baserat på de fältpar som du väljer. Om du inte väljer ett fältpar baseras koppling på tid som standard. Standardvärdet är det som gör att den här omvandlingen skiljer sig från en batch.

Precis som med vanliga kopplingar har du olika alternativ för din kopplingslogik:

• Inre koppling: Inkludera endast poster från båda tabellerna där paret matchar. I det här exemplet är det där licenstavlan matchar båda indata.
• Vänster yttre koppling: Inkludera alla poster från den vänstra (första) tabellen och endast posterna från den andra som matchar fältparet. Om det inte finns någon matchning blir fälten från den andra indatan tomma.

Om du vill välja typ av koppling väljer du ikonen för önskad typ i sidofönstret.

Välj slutligen under vilken tidsperiod du vill att koppling ska beräknas. I det här exemplet tittar koppling på de senaste 10 sekunderna. Tänk på att ju längre perioden är, desto mindre frekvent blir utdata – och ju mer bearbetningsresurser du använder för transformeringen.

Som standard inkluderas alla fält från båda tabellerna. Prefix till vänster (första noden) och höger (andra noden) i utdata hjälper dig att särskilja källan.

Gruppera efter

Använd transformeringen Gruppera efter för att beräkna aggregeringar för alla händelser inom ett visst tidsfönster. Du har möjlighet att gruppera efter värdena i ett eller flera fält. Det liknar aggregeringsomvandlingen men innehåller fler alternativ för aggregeringar. Den innehåller också mer komplexa alternativ för tidsperioder. Du kan också lägga till mer än en aggregering per transformering på samma sätt som i Mängd.

De aggregeringar som är tillgängliga i den här omvandlingen är: Average, Count, Maximum, Minimum, Percentile (kontinuerlig och diskret), Standardavvikelse, Summa och Varians.

Så här konfigurerar du den här transformeringen:

1. Välj önskad aggregering.
2. Välj det fält som du vill aggregera i.
3. Välj ett valfritt gruppera efter-fält om du vill hämta den sammanställda beräkningen över en annan dimension eller kategori (till exempel Delstat).
4. Välj din funktion för tidsfönster.

Om du vill lägga till ytterligare en aggregering i samma transformering väljer du Lägg till mängdfunktion. Tänk på att fältet Gruppera efter och fönsterfunktionen gäller för alla aggregeringar i transformeringen.

En tidsstämpel för slutet av tidsfönstret anges som en del av transformeringsutdata som referens.

Ett avsnitt senare i den här artikeln beskriver varje typ av tidsperiod som är tillgänglig för den här omvandlingen.

Union

Använd Union-transformeringen för att ansluta två eller flera indata för att lägga till händelser med delade fält (med samma namn och datatyp) i en tabell. Fält som inte matchar tas bort och tas inte med i utdata.

Konfigurera tidsfönsterfunktioner

Tidsfönster är ett av de mest komplexa begreppen inom strömmande data. Det här konceptet är kärnan i strömningsanalys.

Med strömmande dataflöden kan du konfigurera tidsfönster när du aggregerar data som ett alternativ för Gruppera efter transformering.

Det finns fem typer av tidsfönster att välja mellan: rullande fönster, hoppande fönster, glidande fönster, sessioner och ögonblicksbilder.

Rullande fönster

Rullande är den vanligaste typen av tidsfönster. De viktigaste egenskaperna för rullande fönster är att de upprepas, har samma tidslängd och inte överlappar varandra. En händelse kan inte tillhöra mer än ett rullande fönster.

När du ställer in ett rullande fönster i strömmande dataflöden måste du ange varaktigheten för fönstret (samma för alla fönster i det här fallet). Du kan också ange en valfri förskjutning. Som standard inkluderar rullande fönster slutet av fönstret och exkluderar början. Du kan använda den här parametern för att ändra det här beteendet och inkludera händelserna i början av fönstret och exkludera dem i slutet.

Hoppande fönster

Hoppande fönster "hopp" framåt i tiden med en fast period. Du kan se dem som rullande fönster som kan överlappa och genereras oftare än fönsterstorleken. Händelser kan tillhöra mer än en resultatuppsättning för ett hoppande fönster. Om du vill göra ett hoppande fönster detsamma som ett rullande fönster kan du ange att hoppstorleken ska vara samma som fönsterstorleken.

När du ställer in ett hoppande fönster i strömmande dataflöden måste du ange varaktigheten för fönstret (samma som för rullande fönster). Du måste också ange hoppstorleken, som talar om för strömmande dataflöden hur ofta du vill att sammansättningen ska beräknas för den definierade varaktigheten.

Offsetparametern är också tillgänglig i hoppande fönster av samma anledning som i rullande fönster: för att definiera logiken för att inkludera och exkludera händelser för början och slutet av hoppande fönster.

Skjutfönster

Skjutfönster, till skillnad från rullande eller hoppande fönster, beräknar aggregeringen endast för tidpunkter när innehållet i fönstret faktiskt ändras. När en händelse går in i eller lämnar fönstret beräknas sammansättningen. Varje fönster har alltså minst en händelse. Händelser kan tillhöra mer än ett skjutfönster, ungefär som hoppande fönster.

Den enda parameter som du behöver för ett skjutfönster är varaktigheten, eftersom själva händelserna definierar när fönstret startar. Ingen offsetlogik krävs.

Sessionsfönster

Sessionsfönster är den mest komplexa typen. De grupperar händelser som inkommer vid liknande tidpunkter och filtrerar bort tidsperioder där det inte finns några data. För detta måste du ange:

• En tidsgräns: hur lång tid det tar att vänta om det inte finns några nya data.
• En maximal varaktighet: den längsta tid som aggregeringen beräknas om data fortsätter att komma.

Du kan också definiera en partition om du vill.

Du ställer in ett sessionsfönster direkt på sidopanelen för transformeringen. Om du anger en partition grupperar sammansättningen endast händelser för samma nyckel.

Fönstret Ögonblicksbild

Ögonblicksbilder av Windows grupperar händelser som har samma tidsstämpel. Till skillnad från andra fönster kräver inte en ögonblicksbild några parametrar eftersom den använder tiden från systemet.

Definiera utmatningar

När du är redo med indata och transformningar är det dags att definiera en eller flera utdata. Från och med juli 2021 stöder strömmande dataflöden endast en typ av utdata: en Power BI tabell.

Dessa utdata är en dataflödestabell (det vill säga en entitet) som du kan använda för att skapa rapporter Power BI Desktop. Du måste koppla noderna i föregående steg med de utdata som du skapar för att det ska fungera. Efter det behöver du bara namnge tabellen.

När du har anslutt till ditt dataflöde blir den här tabellen tillgänglig för dig att skapa visuella objekt som uppdateras i realtid för dina rapporter.

Förhandsgranskning av data och fel

Strömmande dataflöden innehåller verktyg som hjälper dig att skapa, felsöka och utvärdera prestanda för din analyspipeline för strömmande data.

Vi börjar med förhandsgranskningen av data.

Förhandsgranskning av livedata för indata

När du ansluter till en händelsehubb eller IoT-hubb och väljer dess kort i diagramvyn (fliken Dataförhandsgranskning) får du en liveförhandsgranskning av data som kommer in om följande stämmer:

• Data push-skickas.
• Indata är korrekt konfigurerade.
• Fält har lagts till.

Som du ser i följande skärmbild kan du pausa förhandsgranskningen (1) om du vill se eller öka detaljgranskningen till något specifikt. Eller så kan du starta det igen om du är klar.

Du kan också se information om en viss post (en "cell" i tabellen) genom att markera den och sedan välja Visa/dölj information (2). Skärmbilden visar den detaljerade vyn för ett kapslat objekt i en post.

Statisk förhandsversion för transformationer och utdata

När du har lagt till och ställt in steg i diagramvyn kan du testa deras beteende genom att välja knappen statiska data .

När du har gjort det utvärderar strömmande dataflöden alla omvandlingar och utdata som är korrekt konfigurerade. Strömmande dataflöden visar sedan resultatet i förhandsversionen av statiska data, som du ser i följande bild.

Du kan uppdatera förhandsversionen genom att välja Uppdatera statisk förhandsversion (1). När du gör detta tar strömmande dataflöden nya data från indata och utvärderar alla transformationer och utdata igen med eventuella uppdateringar som du kan ha utfört. Alternativet Visa/dölj information är också tillgängligt (2).

Redigeringsfel

Om du har redigeringsfel eller varningar visas de på fliken Redigeringsfel (1), som du ser i följande skärmbild. Listan innehåller information om felet eller varningen, typen av kort (indata, transformering eller utdata), felnivån och en beskrivning av felet eller varningen (2). När du väljer något av felen eller varningarna väljs respektive kort och fönstret på konfigurationssidan öppnas där du kan göra nödvändiga ändringar.

Körningsfel

Den sista tillgängliga fliken i förhandsversionen är Körningsfel (1), som du ser i följande skärmbild. På den här fliken visas eventuella fel vid inmatning och analys av det strömmande dataflödet när du har börjat. Du kan till exempel få ett körningsfel om ett meddelande kom in skadat och dataflödet inte kunde mata in det och utföra de definierade omvandlingarna.

Eftersom dataflöden kan köras under en längre tid erbjuder den här fliken alternativet att filtrera efter tidsintervall och ladda ned listan över fel och uppdatera den om det behövs (2).

Ändra inställningar för strömmande dataflöden

Precis som med vanliga dataflöden kan inställningarna för strömmande dataflöden ändras beroende på behoven hos ägare och författare. Följande inställningar är unika för strömmande dataflöden. För resten av inställningarna kan du, på grund av den delade infrastrukturen mellan de två typerna av dataflöden, anta att användningen är densamma.

• Uppdateringshistorik: Eftersom strömmande dataflöden körs kontinuerligt visar uppdateringshistoriken endast information om när dataflödet startades, när det avbröts eller när det misslyckades (med information och felkoder i tillämpliga fall). Den här informationen liknar den som visas för vanliga dataflöden. Du kan använda den här informationen för att felsöka problem eller Power BI support med begärd information.

• Autentiseringsuppgifter för datakälla: Den här inställningen visar de indata som har konfigurerats för det specifika strömmande dataflödet.

• Förbättrade inställningar för beräkningsmotorn: Strömmande dataflöden behöver den förbättrade beräkningsmotorn för att tillhandahålla visuella objekt i realtid, så den här inställningen är aktiverad som standard och kan inte ändras.

• Kvarhållningstid: Den här inställningen är specifik för strömmande dataflöden. Här kan du definiera hur länge du vill behålla realtidsdata som ska visualiseras i rapporter. Historiska data sparas som standard i Azure Blob Storage. Den här inställningen är specifik för realtidssidan för dina data (het lagring). Det minsta värdet här är 1 dag eller 24 timmar.

  Viktigt

  Mängden heta data som lagras av den här kvarhållningstiden påverkar prestandan för dina visuella objekt i realtid när du skapar rapporter ovanpå dessa data. Ju mer kvarhållning du har här, desto mer kan dina visuella realtidsvisuella objekt i rapporter påverkas av låg prestanda. Om du behöver utföra historisk analys rekommenderar vi att du använder kalllagring för strömmande dataflöden.

Köra och redigera ett strömmande dataflöde

När du har sparat och konfigurerat ditt strömmande dataflöde är allt klart så att du kan köra det. Du kan sedan börja mata in data i Power BI med den strömningsanalyslogik som du har definierat.

Kör ditt strömmande dataflöde

Starta ditt strömmande dataflöde genom att först spara ditt dataflöde och gå till arbetsytan där du skapade det. Hovra över det strömmande dataflödet och välj uppspelningsknappen som visas. Ett popup-meddelande anger att det strömmande dataflödet håller på att startas.

Redigera ditt strömmande dataflöde

När ett strömmande dataflöde körs kan det inte redigeras. Men du kan gå till ett strömmande dataflöde som körs och se den analyslogik som dataflödet bygger på.

När du går till ett strömmande dataflöde som körs inaktiveras alla redigeringsalternativ och ett meddelande visas: "Dataflödet kan inte redigeras när det körs. Stoppa dataflödet om du vill fortsätta." Förhandsgranskningen av data är också inaktiverad.

Om du vill redigera ditt strömmande dataflöde måste du stoppa det. Ett stoppat dataflöde resulterar i att data saknas.

Den enda upplevelsen som är tillgänglig när ett strömmande dataflöde körs är fliken Körningsfel, där du kan övervaka dataflödets beteende för eventuella ignorerade meddelanden och liknande situationer.

Överväg datalagring när du redigerar ditt dataflöde

När du redigerar ett dataflöde måste du ta hänsyn till andra överväganden. Om du gör ändringar i en utdatatabell förlorar du data som redan har push-lagts till och sparats i Power BI. Gränssnittet ger tydlig information om konsekvenserna av dessa ändringar i ditt strömmande dataflöde, tillsammans med alternativ för ändringar som du gör innan du sparar.

Den här upplevelsen visas bättre med ett exempel. Följande skärmbild visar det meddelande som du får när du har lagt till en kolumn i en tabell, ändrat namnet på en andra tabell och lämnat en tredje tabell på samma sätt som den var tidigare.

I det här exemplet tas data som redan sparats i båda tabellerna med schema- och namnändringar bort om du sparar ändringarna. För tabellen som förblir densamma får du alternativet att ta bort gamla data och börja från början, eller spara dem för senare analys tillsammans med nya data som kommer in.

Tänk på dessa nyanser när du redigerar ditt strömmande dataflöde, särskilt om du behöver historiska data som är tillgängliga senare för ytterligare analys.

Använda ett strömmande dataflöde

När ditt strömmande dataflöde körs är du redo att börja skapa innehåll ovanpå dina strömmande data. Det finns inga strukturella ändringar jämfört med vad du för närvarande måste göra för att skapa rapporter som uppdateras i realtid. Men det finns vissa nyanser och uppdateringar att överväga, så du kan dra nytta av den här nya typen av dataförberedelse för strömmande data.

Konfigurera datalagring

Som vi nämnde tidigare sparar strömmande dataflöden data på följande två platser. Användningen av dessa källor beror på vilken typ av analys du försöker göra.

• Varm lagring (realtidsanalys): När data kommer in i Power BI från strömmande dataflöden lagras data på en snabb plats så att du kan komma åt dem med visuella objekt i realtid. Hur mycket data som sparas i den här lagringen beror på det värde som du har definierat för Kvarhållningstid i inställningarna för strömmande dataflöde. Standardvärdet (och minimum) är 24 timmar.
• Kall lagring (historisk analys): Alla tidsperioder som inte faller inom den period som du har definierat för Kvarhållningsperiod sparas i kall lagring (blobar) i Power BI som du kan använda vid behov.

Anslut till strömmande dataflöden från Power BI Desktop

I juli 2021-versionen av Power BI Desktop finns det en ny anslutningsapp med namnet Power Platform dataflöden (Beta) som du kan använda. Som en del av den här nya anslutningsappen för strömmande dataflöden ser du två tabeller som matchar den tidigare beskrivna datalagringen.

Så här ansluter du till dina data för strömmande dataflöden:

1. Gå till Hämta data, sök efter Power Platform och välj sedan anslutningsappen Power Platform dataflöden (Beta).

   

2. Logga in med dina Power BI autentiseringsuppgifter.

3. Välj arbetsytor. Leta efter det som innehåller ditt strömmande dataflöde och välj det dataflödet. (I det här exemplet kallas det strömmande dataflödet Toll.)

4. Observera att alla dina utdatatabeller visas två gånger: en för strömmande data (hot) och en för arkiverade data (kall). Du kan skilja dem åt med etiketterna som läggs till efter tabellnamnen och efter ikonerna.

   

5. Anslut till strömmande data. Det arkiverade datafallet är detsamma, endast tillgängligt i importläge. Välj de tabeller som innehåller etiketterna Streaming och Hot och välj sedan Läs in.

   

6. När du uppmanas att välja ett lagringsläge väljer du DirectQuery om målet är att skapa visuella objekt i realtid.

   

Nu kan du skapa visuella objekt, mått med mera med hjälp av de funktioner som finns i Power BI Desktop.

Aktivera automatisk siduppdatering för visuella objekt i realtid

När rapporten är klar och du har lagt till allt innehåll som du vill dela är det enda steget kvar att se till att dina visuella objekt uppdateras i realtid. För detta kan du använda en funktion som kallas automatisk siduppdatering. Med den här funktionen kan du uppdatera visuella objekt från en DirectQuery-källa så ofta som en sekund.

Mer information om funktionen finns i Automatisk siduppdatering i Power BI. Den här informationen omfattar hur du använder den, hur du ställer in den och hur du kontaktar din administratör om du har problem. Här är grunderna för hur du ställer in det:

1. Gå till rapportsidan där du vill att de visuella objekten ska uppdateras i realtid.

2. Rensa alla visuella objekt på sidan. Om möjligt väljer du sidans bakgrund.

3. Gå till formatfönstret (1) och aktivera växlingsknappen Siduppdatering (2).

   

4. Konfigurera önskad frekvens (upp till varje sekund om din administratör har tillåtit det) och få realtidsuppdateringar av dina visuella objekt.

   

5. Om du vill dela en realtidsrapport publicerar du först tillbaka till Power BI tjänsten. Sedan kan du konfigurera dina autentiseringsuppgifter för dataflödet för datauppsättningen och resursen.

Överväganden och begränsningar

Allmänna begränsningar

• En Power BI Premium prenumeration (kapacitet eller PPU) krävs för att skapa och köra strömmande dataflöden.
• Endast en typ av dataflöde tillåts per arbetsyta.
• Det går inte att länka vanliga och strömmande dataflöden.
• Kapaciteter som är mindre än A3 tillåter inte användning av strömmande dataflöden.
• Om dataflöden eller den förbättrade beräkningsmotorn inte är aktiverad i en klientorganisation kan du inte skapa eller köra strömmande dataflöden.
• Arbetsytor som är anslutna till ett lagringskonto stöds inte.
• Varje strömmande dataflöde kan ge upp till 1 megabyte per sekund dataflöde.

Tillgänglighet

Förhandsversionen av strömmande dataflöden är inte tillgänglig i följande regioner:

• Indien, centrala
• Tyskland, norra
• Mellanöstern
• Västtyskland
• Förenade Arabemiraten, centrala
• Sydafrika, norra
• Sydafrika, västra
• Schweiz, norra
• Schweiz, västra
• Brasilien, sydöstra

Licensiering

Antalet strömmande dataflöden som tillåts per klientorganisation beror på vilken licens som används:

• För vanliga kapaciteter använder du följande formel för att beräkna det maximala antalet strömmande dataflöden som tillåts i en kapacitet:

  Maximalt antal strömmande dataflöden per kapacitet = virtuella kärnor i kapaciteten x 5

  Till exempel har P1 8 virtuella kärnor: 8 * 5 = 40 strömmande dataflöden.

• För Premium per användare tillåts ett strömmande dataflöde per användare. Om en annan användare vill använda ett strömmande dataflöde på en PPU-arbetsyta behöver de även en PPU-licens.

Redigering av dataflöde

När du skapar strömmande dataflöden bör du tänka på följande:

• Strömmande dataflöden kan bara ändras av sina ägare och endast om de inte körs.
• Strömmande dataflöden är inte tillgängliga i Min arbetsyta.

Ansluta från Power BI Desktop

Du kan endast komma åt kalllagring med hjälp av anslutningsappen Power Platform dataflöden (Beta) som är tillgänglig från och med juli 2021 Power BI Desktop uppdateringen. Den befintliga Power BI för dataflöde tillåter endast anslutningar till strömmande datalagring (hot). Anslutningsappens dataförhandsgranskning fungerar inte.

Nästa steg

Den här artikeln innehåller en översikt över förberedelse av strömmande data med självbetjäning med hjälp av strömmande dataflöden. Följande artiklar innehåller information om hur du testar den här funktionen och hur du använder andra strömmande datafunktioner i Power BI:

• Skapa en IoT-exempellösning för att testa strömmande dataflöden med ett klick
• Använd Azure Raspberry Pi-simulatorn och den kostnadsfria nivån IoT Hub för att testa strömmande dataflöden
• Konfigurera push- och strömmande datauppsättningar i Power BI
• Läs mer om automatisk siduppdatering