Hvad er forskellen mellem Realtidsintelligens og sammenlignelige Azure-løsninger?
I takt med at organisationer gør fremskridt på deres digitale transformationsrejse, støder de på et stigende antal datakilder. Disse kilder genererer tidsfølsomme, komplicerede datapunkter, hændelser og signaler. Disse data kan stamme fra forskellige kilder, f.eks. (a) sensordata fra fysiske aktiver, f.eks. anlæg, køretøjer, tårne, IoT Edge-enheder, (b) ændre CDC-streams (Data Capture) fra databaser, der styrer kundeorienterede web- og mobilprogrammer, og (c) logge fra infrastruktur og programmer i det lokale miljø og cloudmiljøet. Disse datastrømme er afgørende for, at organisationer kan lukke den digitale feedbackløkke, få en dybere forståelse af kundeforbrugsmønstre for deres fysiske og digitale aktiver og løbende forbedre den værdi, de giver for at opretholde markedets konkurrenceevne.
Hvis du vil realisere denne værdi, er det nødvendigt at bygge arkitekturer til datastreaming i realtid, der bruger både cloudbaserede datatjenester og datatjenester i det lokale miljø til datahentning, transport, driftsmæssige transformationer og analytiske transformationer. Disse arkitekturer bygges typisk ved hjælp af en blanding af produkter som Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues og Google Pub/Sub. Når dataene ankommer i cloudmiljøet, gennemgår de forskellige faser i behandling og transformation, ofte kaldet varme, varme og kolde stier, før de lander i datalagre som Azure Data Explorer, Azure Synapse Analytics og Azure Data Lake Store Gen 2. Når dataene er behandlet, er de klar til avancerede analyser og AI-programmer og kan visualiseres ved hjælp af værktøjer som Power BI, Grafana, Web eller Mobile Apps og API-slutpunkter.
Introduktionen af realtidsintelligens i Fabric giver organisationer flere implementeringsmetoder og arkitekturer til deres use cases, der kræver avanceret analyse af streamingdata. Microsoft Azure udstyrer professionelle udviklere med robuste funktioner til at designe og implementere arkitekturer, der kræver dyb integration med andre Azure-tjenester, komplet automatisering og udrulning af hele løsningen som en samlet pakke. Realtidsintelligens i Microsoft Fabric gør det muligt for borgere og virksomhedsbrugere at finde datastrømme i deres organisationer og bygge deres analytiske løsninger og programmer. Med problemfri integration med Azure Event Hubs, Azure Event Grid og Azure Data Explorer faciliterer realtidsintelligens udvidelsen af Azure-baserede arkitekturer til Microsoft Fabric og oprettelse af nye løsninger ved hjælp af eksisterende eller nye datakilder. I følgende diagram illustreres både Azure Platform as a Service (PaaS)-baseret løsningsarkitektur og realtidsintelligensløsningsarkitektur til telemetrianalysebrug i typiske produktions-/bilorganisationer.
Du kan få flere oplysninger om realtidsintelligens under Hvad er realtidsintelligens i Fabric?.
Organisationer har historisk set allokeret betydelige budgetter, arbejdsstyrke og ressourcer til at udvikle, integrere, udrulle, opretholde og administrere forskellige cloudbaserede produkter og isolerede løsninger, der ikke er baseret på cloudmiljøet eller i det lokale miljø. Dette har ført til komplicerede, komplekse arkitekturer, der er udfordrende at betjene og vedligeholde. Så organisationer har tøvet med at forfølge sådanne investeringer på grund af kompleksiteten, eller har anset omkostningerne for uoverkommelig til at begrunde et tilfredsstillende investeringsafkast. Men efterspørgslen efter indsigt i forretningshandlinger i realtid, der er baseret på øjeblikkelige, høje granularitetsdata, har været konsistent blandt slutbrugerne.
Realtidsintelligens revolutionerer dette landskab ved at udnytte det fulde potentiale af funktioner i realtid i Fabric, så du øjeblikkeligt kan få værdifuld indsigt, der kan handles på, fra dine førstepartsdata og tredjepartsdata. Med realtidsintelligens kan du drage fordel af:
- Et omfattende SaaS-tilbud: En altomfattende løsning, der faciliterer opdagelsen af indsigt fra dine tidsfølsomme data, så du kan indtage, behandle, forespørge, visualisere og reagere på dem i realtid.
- En central hub til dine dynamiske data: Et samlet dataområde for alle dine hændelsesdata i bevægelse, der forenkler indtagelse, lagring og kurering af detaljerede data fra hele organisationen via realtidshubben.
- Hurtig løsningsudvikling: Sæt teammedlemmer af forskellig ekspertise i stand til at udtrække mere værdi fra data og hurtigt bygge løsninger oven på dem for yderligere vækst i virksomheden.
- Indsigt, der er baseret på ai i realtid: Skaler manuel overvågning, og start ubesværet handlinger med brugsklare, automatiserede funktioner, der afdækker skjulte mønstre, og brug Microsoft-økosystemet til at drive din virksomhed fremad.
I denne artikel beskrives de vigtigste overvejelser i forbindelse med fastlæggelsen af den mest passende implementeringsarkitektur, der er skræddersyet til dine streaminganvendelsessager:
Overall
| Egenskab | Azure PaaS-baseret løsning | Intelligence-løsning i realtid |
|---|---|---|
| Integration af tjenester | Afhænger af integrationskompatibilitet mellem tjenesterne i arkitekturens omfang. | Integration med et enkelt klik på hvert trin i dataindtagelse, proces, analyse, visualisering og handling. |
| Pro- og borgerudviklingsoplevelse | Mere velegnet til professionelle udviklere. | Pro-udviklere, borgerudviklere og forretningsbrugere kan eksistere sammen. |
| Lavkode/Ingen kode | Kun tilgængelig til transformation i Azure Stream Analytics og til oprettelse af beskeder ved hjælp af Logics Apps eller Power Automate. Pro-udvikling kræves for at afslutte implementeringen. | Komplette implementeringer fra indtagelse til analyse for at transformere for at visualisere og handle kan realiseres. |
| Forbrugsmodel | Tjenesteafhængig estimerings-, forbrugs- og faktureringsmodel. | Uniform Fabric Capacity Unit forbrug og faktureringsmodel. |
Indfødning og proces
| Egenskab | Azure PaaS-baseret løsning | Intelligence-løsning i realtid |
|---|---|---|
| Multicloud-connectors | Azure Stream Analytics opretter forbindelse til Confluent Kafka. Ingen connectors til at læse data fra Amazon Kinesis eller Google Pub/Sub. | Oprindelig integration for Confluent Kafka, Amazon Kinesis, Google Pub/Sub. |
| Understøttelse af CDC-streams | Kræver installation af andre tjenester, f.eks. Debezium. | Oprindelig integration til Azure Cosmos DB, PostgreSQL, MySQL DB og Azure SQL. |
| Understøttelse af protokoller | Azure Event Hubs, AMQP, Kafka og MQTT. | Azure Event Hubs, AMQP, Kafka. |
Analysér &transformering
| Egenskab | Azure PaaS-baseret løsning | Intelligence-løsning i realtid |
|---|---|---|
| Dataprofilering | Ikke tilgængelig | Dataprofileringsvisning af dine realtidstabeller indeholder histogrammer og min. maksimumintervaller for hver kolonne. |
| Udforskning af visuelle data | Ikke tilgængelig | Træk og slip-funktioner for visuelt at analysere dine data i realtid. |
| Copilot-oplevelse | Azure Data Explorer-klyngen kan tilføjes som en kilde i Fabric KQL Queryset for at bruge Copilot-funktioner. | Oprindeligt tilgængelig |
| Indbyggede ML-modeller | Tilgængelige modeller til registrering af uregelmæssigheder og prognoser. Pro-udvikling kræves for at udrulle registrering af uregelmæssigheder og forudsigelsesmodeller. | Tilgængelige modeller til registrering af uregelmæssigheder og prognoser. Erhvervsbrugere kan også anvende modeller til registrering af uregelmæssigheder på indgående streamingdata. |
| Visualisering (Microsoft) | Power BI, Azure Data Explorer-dashboards | Oprindelig integration med ét klik med Power BI og dashboard i realtid |
| Visualisering (tredjepart) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab kan også integreres med Eventhouse. |
Akt
| Egenskab | Azure PaaS-baseret løsning | Intelligence-løsning i realtid |
|---|---|---|
| Kørsel af forretningshandlinger fra indsigt | Kræver Azure Logic Apps eller Power Automate eller Azure Functions, Azure Monitor-beskeder. | Oprindeligt tilgængelig i Fabric ved hjælp af Fabric Activator-elementer med klar integration med semantiske Power BI-modeller, Eventstream og KQL-forespørgsler. |
| Reaktive systemhændelser | Ikke tilgængelig | Indbyggede hændelser, der udgives via realtidshubben; Brug Aktivatorelementer til at automatisere dataprocesser, f.eks. pipelines og notesbøger. |
| Semantiske modeller i realtid | Ikke tilgængelig eller første kodeløsning ved hjælp af Logic Apps eller Azure Functions | Ikke tilgængelig |
| Indbygget AI | Ikke tilgængelig | Ikke tilgængelig |
| Meddelelsesdestinationer | Afhænger af tjenestens connectoroversigt. | Microsoft Teams-, Microsoft Outlook- og Power Automate-connectors. |
Katalog
| Egenskab | Azure PaaS-baseret løsning | Intelligence-løsning i realtid |
|---|---|---|
| Samlet katalog over datastrømme | Ikke tilgængelig | Hub i realtid: 1. Datastrømme, der er oprettet af brugerne 2. Eksisterende streams fra Microsoft-kilder 3. Fabric system eventstreams |
| Registrering af Microsoft-datastrømme | Ikke tilgængelig | Intelligence-hubben i realtid registrerer datastrømme i din Azure-lejer. |
| Registrer og optag hændelser fra Azure Storage | Kræver udrulning af Azure Event Grid for at reagere på hændelser, der forekommer i Azure Storage. | Azure Blob Storage-hændelsesbaserede udløsere er tilgængelige. |
| Registrer og optag hændelser fra Fabric | Ikke tilgængelig | Oprindeligt tilgængelig i Fabric |