Was ist der Unterschied zwischen Real-Time Intelligence und vergleichbaren Azure-Lösungen?
Wenn Organisationen auf ihrer digitalen Transformationsreise voranschreiten, treten immer mehr Datenquellen auf. Diese Quellen generieren zeitempfindliche, komplexe Datenpunkte, Ereignisse und Signale. Diese Daten können aus verschiedenen Quellen stammen, z. B. (a) Sensordaten aus physischen Ressourcen wie Anlagen, Fahrzeugen, Türmen, IoT Edge-Geräten, (b) Change Data Capture (CDC)-Streams aus Datenbanken, die kundenorientierte Web- und mobile Anwendungen unterstützen, sowie (c) Protokolle aus lokalen und Cloud-Infrastrukturen und Anwendungen usw. Diese Streams sind für Organisationen entscheidend, um die digitale Feedbackschleife zu schließen, ein tieferes Verständnis der Kundenverbrauchsmuster ihrer physischen und digitalen Ressourcen zu gewinnen und den Nutzen, den sie für nachhaltige Marktwettbewerbsfähigkeit bieten, kontinuierlich zu verbessern.
Die Realisierung dieses Werts erfordert die Erstellung von Echtzeit-Stream-Architekturen, die sowohl Cloud-basierte als auch lokale Datendienste für die Datenerfassung, den Transport, die betriebliche Transformationen und analytische Transformationen verwenden. Diese Architekturen werden in der Regel mit einer Mischung aus Produkten wie Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues und Google Pub/Sub erstellt. Da die Daten in der Cloud ankommen, durchlaufen sie verschiedenen Phasen der Verarbeitung und Transformation, die häufig als heiße, warme und kalte Pfade bezeichnet werden, bevor sie in Datenspeichern wie Azure Data Explorer, Azure Synapse Analytics und Azure Data Lake Store Gen 2 landen. Nach der Verarbeitung sind diese Daten für erweiterte Analysen und KI-Anwendungen bereit und können mithilfe von Tools wie Power BI, Grafana, Web oder Mobile Apps und API-Endpunkten visualisiert werden.
Die Einführung von Real-Time Intelligence in Fabric bietet Organisationen mehrere Implementierungsansätze und -architekturen für ihre Anwendungsfälle, die erweiterte Analysen von Streaming-Daten erfordern. Microsoft Azure bietet professionellen Entwicklern robuste Funktionen zum Entwerfen und Implementieren von Architekturen, die eine umfassende Integration in andere Azure-Dienste, die End-to-End-Automatisierung und die Bereitstellung der gesamten Lösung als einheitliches Paket erfordern. Real-Time Intelligence in Microsoft Fabric ermöglicht es Citizen Developern und Geschäftsbenutzern, Streams in ihren Organisationen zu entdecken und ihre analytischen Lösungen und Anwendungen zu erstellen. Mit nahtloser Integration in Azure Event Hubs, Azure Event Grid und Azure Data Explorer erleichtert Real-Time Intelligence die Erweiterung von Azure-basierten Architekturen in Microsoft Fabric und die Erstellung neuer Lösungen mit vorhandenen oder neuen Datenquellen. Das folgende Diagramm veranschaulicht sowohl die Azure Platform as a Service (PaaS)-basierte Lösungsarchitektur als auch die Architektur der Real-Time Intelligence-Lösung für Telemetrieanalysen in typischen Produktions-/Automobilorganisationen.
Weitere Informationen zu Real-Time Intelligence finden Sie unter Was ist Real-Time Intelligence in Fabric?.
In der Vergangenheit haben Organisationen erhebliche Budgets, Mitarbeiter und Ressourcen bereitgestellt, um verschiedene getrennte Cloud-basierte oder lokale Produkte und isolierte Lösungen zu entwickeln, zu integrieren, bereitzustellen, aufrechtzuerhalten und zu verwalten. Dies hat zu komplizierten, komplexen Architekturen geführt, die schwierig zu bedienen und zu pflegen sind. Organisationen haben also gezögert, solche Investitionen aufgrund der Komplexität fortzusetzen oder die Kosten als zu hoch eingestuft zu haben, um hier eine zufriedenstellende Rendite für Investitionen rechtfertigen zu können. Die Nachfrage nach Echtzeit-Geschäftsvorgangerkenntnissen, die durch sofortige, hohe Granularitätsdaten gesteuert werden, war jedoch unter den Endbenutzern konsistent.
Real-Time Intelligence revolutioniert diese Landschaft, indem sie das volle Potenzial von Echtzeitfunktionalitäten innerhalb von Fabric nutzt, sodass Sie wertvolle, umsetzbare Erkenntnisse aus Ihren Erstanbieter- und Drittanbieterdaten sofort ableiten können. Mit Real-Time Intelligence profitieren Sie von:
- Ein umfassendes SaaS-Angebot: Eine allumfassende Lösung, die die Ermittlung von Erkenntnissen aus Ihren zeitkritischen Daten erleichtert, sodass Sie sie in Echtzeit erfassen, verarbeiten, abfragen, visualisieren und darauf reagieren können.
- Ein zentraler Hub für Ihre dynamischen Daten: Eine einheitliche Datenmenge für alle Ihre Ereignisdaten in Bewegung vereinfacht die Aufnahme, Speicherung und Zusammenstellung feinkörniger Daten aus Ihrer Organisation über den Echtzeit-Hub.
- Schnelle Lösungsentwicklung: Ermöglichen Sie Teammitgliedern unterschiedlicher Expertise, mehr Wert aus Daten zu extrahieren und schnell Lösungen für weiteres Geschäftswachstum zu erstellen.
- Erkenntnisse aus Echtzeit-KI: Skalieren Sie manuelle Überwachung und initiieren Sie mühelos Aktionen mit einsatzbereiten, automatisierten Features, die versteckte Muster aufdecken und das Microsoft-Ökosystem vollständig nutzen, um Ihr Unternehmen voranzutreiben.
In diesem Artikel werden wichtige Überlegungen zur Ermittlung der am besten geeigneten Implementierungsarchitektur beschrieben, die auf Ihre Streaming-Anwendungsfälle zugeschnitten ist:
Overall
| Funktion | Azure-PaaS-basierte Lösung | Real-Time Intelligence-Lösung |
|---|---|---|
| Integration von Diensten | Hängt von der Integrationskompatibilität zwischen den Diensten im Bereich der Architektur ab. | Ein-Klick-Integration bei jedem Schritt der Erfassung, Verarbeitung, Analyse und Visualisierung von Daten sowie Aktionen basierend auf diesen Daten. |
| Pro- und Citizen Developer-Erfahrung | Für Pro-Entwickler besser geeignet. | Pro-Entwickler, Citizen Developer und im geschäftlichen Bereich tätige Personen können koexistieren. |
| Wenig oder kein Code | Nur für die Transformation in Azure Stream Analytics und zum Erstellen von Warnungen mit Logics Apps oder Power Automate verfügbar. Für die End-to-End-Implementierung erforderliche Pro-Entwicklung. | End-to-End-Implementierung von der Erfassung bis hin zur Analyse zur Transformation zur Visualisierung und zur Ableitung von Aktionen kann realisiert werden. |
| Nutzungsmodell | Dienstabhängiges Schätzungs-, Verbrauchs- und Abrechnungsmodell. | Einheitliches Fabric-Kapazitätseinheit-Verbrauch und Abrechnungsmodell. |
Erfassen und Verarbeiten
| Funktion | Azure-PaaS-basierte Lösung | Real-Time Intelligence-Lösung |
|---|---|---|
| Multicloud-Verbindung | Azure Stream Analytics verbindet sich mit Confluent Kafka. Keine Connectors zum Lesen von Daten aus Amazon Kinesis oder Google Pub/Sub. | Native Integration für Confluent Kafka, Amazon Kinesis, Google Pub/Sub. |
| Unterstützung von CDC-Streams | Erfordert die Bereitstellung anderer Dienste wie Debezium. | Native Integration für Azure Cosmos DB, PostgreSQL, MySQL DB und Azure SQL. |
| Unterstützung für Protokolle | Azure Event Hubs, AMQP, Kafka und MQTT. | Azure Event Hubs, AMQP, Kafka. |
Analysieren und transformieren
| Funktion | Azure-PaaS-basierte Lösung | Real-Time Intelligence-Lösung |
|---|---|---|
| Datenprofilerstellung | Nicht verfügbar | Die Ansicht der Datenprofilerstellung Ihrer Echtzeittabellen bietet vordefinierte Histogramme und Min-Max-Bereiche für jede Spalte. |
| Visuelle Datenexploration | Nicht verfügbar | Drag & Drop-Features, um Ihre Echtzeitdaten visuell zu analysieren. |
| Copilot-Erfahrung | Azure Data Explorer-Cluster kann als Quelle im Fabric KQL-Abfrageset hinzugefügt werden, um Copilot-Funktionen zu verwenden. | Nativ verfügbar |
| Integrierte Modelle | Anomalieerkennungs- und -vorhersagemodelle verfügbar. Pro-Entwicklung erforderlich, um Anomalieerkennungs- und Prognosemodelle bereitzustellen. | Anomalieerkennungs- und -vorhersagemodelle verfügbar. Geschäftsbenutzer können auch Anomalieerkennungsmodelle auf eingehende Streaming-Daten anwenden. |
| Visualisierung (Microsoft) | Power BI, Azure Data Explorer-Dashboards | Native One-Click-Integration mit Power BI und Echtzeit-Dashboard |
| Visualisierung (Drittanbieter) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab kann auch in Eventhouse integriert werden. |
Agieren
| Funktion | Azure-PaaS-basierte Lösung | Real-Time Intelligence-Lösung |
|---|---|---|
| Fördern von Geschäftsaktionen aus Erkenntnissen | Erfordert Azure Logic Apps, Power Automate, Azure Functions oder Azure Monitor-Warnungen. | Nativ verfügbar in Fabric unter Verwendung von Fabric Activator-Elementen mit sofortiger Integration in Power BI Semantic Models, Event Stream und KQL-Abfragen. |
| Reaktive Systemereignisse | Nicht verfügbar | Integrierte Ereignisse, die über den Real-Time-Hub veröffentlicht werden; Verwenden Sie Activator-Elemente, um Datenprozesse wie Pipelines und Notizbücher zu automatisieren. |
| Semantikmodelle in Echtzeit | Nicht verfügbar oder Code-first-Lösung mit Logic Apps oder Azure-Funktionen | Nicht verfügbar |
| Integrierte KI | Nicht verfügbar | Nicht verfügbar |
| Benachrichtigungsziel | Hängt vom Connector-Portfolio des Diensts ab. | Microsoft Teams-, Microsoft Outlook- und Power Automate-Connectors. |
Katalog
| Funktion | Azure-PaaS-basierte Lösung | Real-Time Intelligence-Lösung |
|---|---|---|
| Einheitlicher Katalog von Streams | Nicht verfügbar | Echtzeit-Hub: 1. Von den Benutzern erstellte Streams 2. Vorhandene Streams aus Microsoft-Quellen 3. Fabric-Systemeventstreams |
| Ermittlung von Microsoft-Streams | Nicht verfügbar | Der Real-Time Intelligence-Hub ermittelt Streams in Ihrem Azure-Mandanten. |
| Erfassen und Reagieren auf Ereignisse aus Azure Storage | Erfordert die Bereitstellung von Azure Event Grid, um auf Ereignisse zu reagieren, die in Azure Storage auftreten. | Ereignisbasierte Azure Blob Storage-Trigger verfügbar. |
| Erfassen und Reagieren auf Ereignisse aus Fabric | Nicht zutreffend | Nativ verfügbar in Fabric |