Echtzeit-Intelligenz in Microsoft Fabric

Da Organisationen immer mehr ereignisgesteuerte Daten generieren, ist die Fähigkeit, Daten in Bewegung zu verarbeiten, zu analysieren und zu reagieren, für den Wettbewerbsvorteil von wesentlicher Bedeutung. Real-Time Intelligence bietet umfassende Funktionen zum Arbeiten mit Streamingdaten mit minimaler Latenz.

Erkunden Real-Time Intelligence-Anwendungsfälle

Im Gegensatz zu Batchsystemen, die Daten in geplanten Intervallen verarbeiten, hilft ihnen Real-Time Intelligence, auf Ereignisse zu reagieren, sobald sie geschehen, und liefert nahezu Echtzeiteinblicke.

Im Folgenden finden Sie einige gängige Arten von Ereignisdaten und Beispiele dafür, wie Real-Time Intelligence nachgeschaltete Aktionen und geschäftliche Reaktionsfähigkeit unterstützen kann:

• Sendungsverfolgung: Überwachen von Fahrzeugstandorten, um Kunden zu benachrichtigen, wenn Pakete verzögert werden
• Geräteüberwachung: Nachverfolgen der Maschinentemperatur, um kostspielige Aufschlüsselungen zu verhindern
• Betrugserkennung: Analysieren Von Kaufmustern, um verdächtige Transaktionen sofort zu blockieren
• Websiteleistung: Überwachen der Seitenladezeiten zur Verbesserung der Benutzererfahrung
• Systemintegrität: Nachverfolgen von Anwendungsfehlern zur Aufrechterhaltung der Dienstzulässigkeit

Real-Time Intelligence-Komponenten

Die Real-Time Intelligence von Microsoft Fabric ist eine integrierte Gruppe von Komponenten, die zusammenarbeiten, um Streamingdaten über automatisierte Antworten zu verarbeiten.

Das Diagramm zeigt, wie Real-Time Intelligence-Komponenten für die End-to-End-Verarbeitung zusammenarbeiten. Jede Komponente behandelt eine bestimmte Phase des Echtzeitanalyseprozesses:

Aufnehmen und Verarbeiten von Daten in Bewegung mit Eventstreams

Die Erfassung und Verarbeitung von Daten kann über Eventstreams erfolgen, die Streamingdaten aus verschiedenen Quellen erfassen und Echtzeittransformationen als Datenflüsse über das System anwenden. Eventstreams können Ihre Daten filtern, anreichern und transformieren und an verschiedene Ziele weiterleiten.

Speichern von Echtzeitdaten in einem Eventhouse

Real-Time Intelligence speichert Daten in KQL-Datenbanken (Kusto Query Language) in Eventhouses. Diese Datenbanken sind für Zeitreihendaten und schnelle Erfassung von Streamingdaten konzipiert. Der Speicher ist in OneLake integriert und stellt Ihre Daten anderen Fabric-Tools zur Verfügung.

Analysieren von Daten mit KQL Queryset

KQL Queryset bietet einen Arbeitsbereich zum Ausführen und Verwalten von Abfragen für KQL-Datenbanken. Mit dem KQL Queryset können Sie Abfragen für die zukünftige Verwendung speichern, mehrere Abfrageregisterkarten organisieren und Abfragen für die Zusammenarbeit für andere freigeben. Das KQL Queryset unterstützt auch T-SQL-Abfragen, sodass Sie vertraute SQL-Syntax zusammen mit KQL für datenanalysen verwenden können.

Visualisieren von Einblicken mit Real-Time Dashboard

Real-Time Dashboards stellen eine direkte Verbindung mit KQL-Datenbanken her und aktualisieren sie automatisch, sobald neue Daten eintreffen. Mit diesen Dashboards können Sie Daten interaktiv untersuchen und sowohl aktuelle Bedingungen als auch historische Trends überwachen.

Reagieren auf Daten mit Aktivator

Automatisierte Aktionen können mit Aktivator konfiguriert werden, wodurch das Streaming von Daten kontinuierlich anhand von benutzerdefinierten Regeln und Schwellenwerten überwacht wird. Wenn Bedingungen erfüllt sind, kann aktivator Benachrichtigungen senden, Workflows in Power Automate auslösen, Fabric-Datenpipelinen oder -Notizbücher ausführen und ereignisgesteuerte Automatisierung erstellen, die auf Echtzeitbedingungen reagiert.

Entdecken von Streamingdaten mit dem Real-Time Hub

Der Fabric Real-Time Hub ist ein zentraler Ort, an dem Sie alle Daten in Bewegung ermitteln und verwalten können, auf die Sie Zugriff haben. Sie erhalten eine Möglichkeit zum Aufnehmen von Streamingdaten aus Azure und aus externen Quellen und ermöglicht Ihnen das Abonnieren von Azure- und Fabric-Ereignissen.

Stellen Sie sich den Real-Time Hub als Ihren Streamingdatenkatalog vor, in dem Sie sehen können, was in nahezu Echtzeit in Ihrer Organisation passiert. Es gibt Connectors, mit denen Sie Daten aus verschiedenen Quellen in Microsoft Fabric aufnehmen können. Sie können z. B. über Azure Event Hubs eine Verbindung mit IoT-Sensordatenströmen herstellen, Azure Blob Storage-Ereignisse abonnieren, die Änderungsdatenerfassung (Change Data Capture, CDC) verwenden, um Datenbankänderungen zu streamen oder Fabric-Arbeitsbereichsereignisse zu überwachen.

Sobald Sie eine Verbindung zu Datenquelle oder Ereignisquelle konfiguriert haben, werden diese Elemente die Grundlage für ereignisgesteuerte Entscheidungsfindung und eine breite Palette von Echtzeitanalyselösungen, vom Erstellen von Dashboards und Einrichten von Warnungen bis hin zum Auslösen automatisierter Workflows und Analysieren von Trends in Ihren Daten.

Um auf den Echtzeithub zuzugreifen, wählen Sie das Echtzeitsymbol in der Hauptmenüleiste "Fabric" aus.

Der Echtzeithub organisiert Daten in Bewegung in mehrere Hauptkategorien:

• Datenquellen: Durchsuchen und Herstellen einer Verbindung zu verfügbaren Streamingdatenquellen, z. B. Microsoft-Quellen, Datenbankänderungsdatenerfassungsfeeds und externen Quellen von anderen Cloudanbietern
• Azure-Quellen: Ermitteln und Konfigurieren von Azure Streaming-Datenquellen wie Azure IoT Hub, Azure Service Bus, Azure Data Explorer DB und mehr
• Fabric-Ereignisse: Abonnieren von vom System generierten Ereignissen in Fabric, auf die Sie zugreifen können, z. B. Auftragsstatusänderungen, Ereignisse, die von Aktionen für Dateien oder Ordner in OneLake erstellt werden, und Fabric-Arbeitsbereichselementänderungen
• Azure-Ereignisse: Abonnieren von Systemereignissen von Azure-Diensten, die verwendet werden können, um automatisierte Antworten wie Aktionen für Dateien oder Ordner in Azure Blob Storage auszulösen

Im Real-Time Hub können Sie Ihre Streamingdaten in der Vorschau anzeigen und erkunden, indem Sie direkt zu Eventstreams oder KQL-Datenbanken in Eventhouses navigieren, um eine tiefere Analyse und Abfrage zu erhalten. Sie können auch automatisierte Antworten mithilfe von Aktivierregeln erstellen, die Aktionen wie Benachrichtigungen, Workflows oder Datenverarbeitung auslösen, wenn bestimmte Muster erkannt werden.