Mitä eroa on reaaliaikaisen älyn ja vertailukelpoisten Azure-ratkaisujen välillä?
Kun organisaatiot etenevät digitaalisessa muuntamismatkallaan, niiden tietolähteiden määrä kasvaa. Nämä lähteet luovat aikasietoisia, monimutkaisia arvopisteitä, tapahtumia ja signaaleja. Nämä tiedot voivat olla peräisin erilaisista lähteistä, kuten a) anturitiedoista fyysisistä resursseista, kuten kasveista, ajoneuvoista, torneista, IoT Edge -laitteista, b) tietovirroista (CDC) tietovirroista, jotka käyttävät asiakaskohtaisia verkko- ja mobiilisovelluksia, ja c) lokeista paikallisesta ja pilvi-infrastruktuurista ja sovelluksista. Näiden tietovirtojen on tärkeää, että organisaatiot voivat sulkea digitaalisen palautesilmukan, saada entistä syvemmän käsityksen fyysisten ja digitaalisten resurssiensa asiakaskäyttötavoista ja parantaa jatkuvasti niiden tarjoamaa arvoa markkinakilpailukyvyn säilyttämiseksi.
Tämän arvon toteutus edellyttää reaaliaikaisten tietojen suoratoistoarkkitehtuurien rakentamista, joissa käytetään sekä pilvipohjaisia että paikallisia tietopalveluita tietojen tallentamiseen, siirtoon, toiminnallisiin muunnoksiin ja analyyttisiin muunnoksiin. Nämä arkkitehtuurit luodaan yleensä käyttämällä yhdistelmää tuotteita, kuten Azure Event Hubs, Azure-tapahtumaverkko, Apache Kafka, Amazon Kinesis, IBM Message Queues ja Google Pub/Sub. Kun tiedot saapuvat pilvipalveluun, siihen suoritetaan erilaisia käsittely- ja muuntamisvaiheita, joita kutsutaan usein kuumiksi, lämpimiksi ja kylmiksi poluiksi, ennen kuin se laskeutuu tietosäilöihin, kuten Azure Data Exploreriin, Azure Synapse Analyticsiin ja Azure Data Lake Store Gen 2:een. Käsittelyn jälkeen nämä tiedot ovat valmiita kehittyneeseen analysointiin ja tekoälysovelluksiin, ja ne voidaan visualisoida työkaluilla, kuten Power BI, Grafana, Verkko tai Mobiilisovellukset, ja ohjelmointirajapinnan päätepisteillä.
Fabricin reaaliaikaisten tietojen käyttöönotto tarjoaa organisaatioille useita käyttöönottotapoja ja käyttöarkkitehtuureja, jotka edellyttävät tarkennetun analytiikan suoratoistotietoja. Microsoft Azure varustaa ammattikehittäjät tehokkailla toiminnoilla, joilla he voivat suunnitella ja ottaa käyttöön arkkitehtuureja, jotka edellyttävät syvällistä integrointia muihin Azure-palveluihin, alusta loppuun -automaatiota ja koko ratkaisun käyttöönottoa yhtenäisenä pakettina. Microsoft Fabricin reaaliaikaisten tietojen avulla kansalaiskehittäjät ja yrityskäyttäjät voivat löytää organisaatioissaan tietovirtoja ja luoda analyyttisia ratkaisujaan ja sovelluksiaan. Saumattoman integroinnin myötä Azure-tapahtumatoimintoihin, Azure-tapahtumaverkko ja Azure Data Exploreriin reaaliaikainen älykkyys helpottaa Azure-pohjaisten arkkitehtuurien laajentamista Microsoft Fabriciin ja uusien ratkaisujen luomista olemassa olevia tai uusia tietolähteitä käyttämällä. Seuraavassa kaaviossa esitetään sekä Azure Platform as a service (PaaS) -pohjainen ratkaisuarkkitehtuuri että reaaliaikaisen älyn ratkaisuarkkitehtuuri telemetrianalytiikan käyttötapauksissa tyypillisissä tuotanto- ja auto-organisaatioissa.
Lisätietoja reaaliaikaista älykkyydestä on artikkelissa Mikä on reaaliaikainen älykkyys Fabricissa?.
Aiemmin organisaatiot ovat varanneet huomattavia budjetteja, työvoimaa ja resursseja erilaisten pilvipohjaisten tai paikallisten tuotteiden ja eristettyjen ratkaisujen kehittämiseen, käyttöönottoon, ylläpitoon ja hallintaan. Tämä on johtanut monimutkaisiin, monimutkaisiin arkkitehtuureja, joiden käyttö ja ylläpito on haastavaa. Organisaatiot ovat siis epäröineet tehdä tällaisia investointeja monimutkaisuuden vuoksi tai pitäneet kustannuksia liian kohtuuttomana riittävän sijoitetun pääoman tuoton oikeuttamiseksi. Kuitenkin reaaliaikaisten liiketoiminnan merkityksellisten tietojen kysyntä välittömien ja suuren askelvälin tietojen perusteella on ollut johdonmukaista loppukäyttäjien keskuudessa.
Reaaliaikainen älykkyys mullistaa tämän maiseman hyödyntämällä Fabricissa reaaliaikaisten toimintojen koko potentiaalin, jolloin voit välittömästi saada arvokkaita ja toiminnallisia merkityksellisiä tietoja ensimmäisen osapuolen ja kolmannen osapuolen tiedoista. Reaaliaikaisten tiedustelutietojen avulla voit hyödyntää
- Kattava SaaS-tarjous: kaiken kattava ratkaisu, joka helpottaa merkityksellisten tietojen löytämistä aikasi huomioon ottavasta tiedosta. Sen avulla voit käyttää, käsitellä, tehdä kyselyjä, visualisoida ja käsitellä niitä reaaliaikaisesti.
- Keskitetty keskus dynaamisille tiedoille: Yhdistetty tietotila kaikille liikkeessä olevia tapahtumatietojasi varten, mikä yksinkertaistaa hienorakeisten tietojen käsittelyä, tallennusta ja kokoamista koko organisaatiosta reaaliaikaisen keskittimen kautta.
- Nopea ratkaisukehitys: Anna tiimille eri asiantuntemuksen omaavia jäseniä, jotta he voivat tuoda tiedoista lisää lisäarvoa ja rakentaa nopeasti ratkaisuja sen päälle liiketoiminnan kehittämiseksi edelleen.
- Reaaliaikaisen tekoälyn tarjoamat merkitykselliset tiedot: Skaalaa manuaalinen valvonta ja aloita vaivattomasti toimintoja käyttövalmiilla ja automatisoiduilla ominaisuuksilla, jotka tunnistavat piilotetut kuviot ja käyttävät täysin Microsoft-ekosysteemiä liiketoimintasi kehittämiseen.
Tässä artikkelissa esitellään tärkeimmät seikat suoratoiston käyttötapauksissa räätälöidyn sopivimman toteutusarkkitehtuurin määrittämisessä:
Yleinen
| Ominaisuus | Azure PaaS -pohjainen ratkaisu | Reaaliaikainen tietoratkaisu |
|---|---|---|
| Palveluiden integrointi | Riippuu arkkitehtuurin palvelujen integroinnin yhteensopivuudesta. | Yhden napsautuksen integrointi jokaisessa tietojen käsittelyn vaiheessa, prosessissa, analysoinnissa, visualisoinnissa ja toimimisessa. |
| Ammattilaisten ja kansalaisten kehityskokemus | Sopii paremmin ammattilaiskehittäjille. | Pro-kehittäjät, kansalaiskehittäjät ja yrityskäyttäjät voivat olla olemassa samanaikaisesti. |
| Low-code/no-code | Käytettävissä vain muuntamiseen Azure Stream Analyticsissa ja ilmoitusten luomiseen Logics Appsin tai Power Automaten avulla. Pro-kehitys vaaditaan, jotta toteutus voidaan lopettaa. | Alusta loppuun -toteutus käsittelystä analysointiin visualisoinnin muuntamiseksi ja toiminta voidaan toteuttaa. |
| Kulutusmalli | Palveluun riippuvainen arvio, kulutus ja laskutusmalli. | Uniform Fabric -kapasiteetin yksikön kulutus- ja laskutusmalli. |
Käyttö ja prosessi
| Ominaisuus | Azure PaaS -pohjainen ratkaisu | Reaaliaikainen tietoratkaisu |
|---|---|---|
| Monipilviliittimet | Azure Stream Analytics muodostaa yhteyden Confluent Kafkaan. Ei liittimiä tietojen lukemiseen Amazon Kinesisistä tai Google Pubista / Subista. | Alkuperäinen integraatio Confluent Kafkalle, Amazon Kinesisille, Google Pub/ Subille. |
| CDC-tietovirtojen tuki | Edellyttää muiden palvelujen, kuten Debezium, käyttöönottoa. | Alkuperäinen integrointi Azure Cosmos DB:hen, PostgreSQL:ään, MySQL DB:hen ja Azure SQL:ään. |
| Protokollien tuki | Azure-tapahtumatoiminnot, AMQP, Kafka ja MQTT. | Azure Event Hubs, AMQP, Kafka. |
Analysoi ja muunna
| Ominaisuus | Azure PaaS -pohjainen ratkaisu | Reaaliaikainen tietoratkaisu |
|---|---|---|
| Tietojen profilointi | Ei saatavissa | Reaaliaikaisten taulukoiden tietojen profilointinäkymä tarjoaa valmiita histogrammeja ja enimmäiskestot kullekin sarakkeelle. |
| Visuaalinen tietojen tarkasteleminen | Ei saatavissa | Voit analysoida reaaliaikaisia tietoja visuaalisesti vetämällä ja pudottamalla. |
| Copilot-käyttökokemus | Azure Data Explorer -klusteri voidaan lisätä lähteeksi Fabric KQL -kyselyjoukkoon Copilot-ominaisuuksien käyttämistä varten. | Suoraan käytettävissä |
| Sisäiset koneoppimismallit | Käytettävissä olevat poikkeamien tunnistamis- ja ennustemallit. Poikkeamien tunnistamisen ja ennustemallien käyttöönottoon tarvittava Pro-kehitys. | Käytettävissä olevat poikkeamien tunnistamis- ja ennustemallit. Yrityskäyttäjät voivat myös käyttää poikkeamien tunnistusmalleja saapuvissa virtautettavissa tiedoissa. |
| Visualisointi (Microsoft) | Power BI:n, Azure Data Explorerin koontinäytöt | Natiivi yhden napsautuksen integrointi Power BI:hin ja reaaliaikaiseen koontinäyttöön |
| Visualisointi (kolmas osapuoli) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab voidaan myös integroida Eventhousen kanssa. |
Toimia
| Ominaisuus | Azure PaaS -pohjainen ratkaisu | Reaaliaikainen tietoratkaisu |
|---|---|---|
| Liiketoimintatoimintojen luominen merkityksellisistä tiedoista | Vaatii Azure Logic Apps tai Power Automaten tai Azure-funktiot, Azure Monitor -hälytykset. | Suoraan saatavilla Fabricissa Käyttämällä Fabric Activator -kohteita, jotka on integroitu täysin Power BI:n semanttisiin malleihin, Eventstream- ja KQL-kyselyihin. |
| Reactive system -tapahtumat | Ei saatavissa | Sisäiset tapahtumat, jotka on julkaistu reaaliaikaisen keskittimen kautta; Aktivointikohteiden avulla voit automatisoida tietoprosesseja, kuten putkia ja muistikirjoja. |
| Reaaliaikaiset semanttiset mallit | Logic Appsia tai Azure-funktiot käyttävää ei ole saatavilla koodia edeltävää ratkaisua tai koodia edeltävää ratkaisua | Ei saatavissa |
| Sisäinen tekoäly | Ei käytettävissä | Ei käytettävissä |
| Ilmoituskohteet | Riippuu palvelun liitinportfoliosta. | Microsoft Teamsin, Microsoft Outlookin ja Power Automaten liittimet. |
Luettelo
| Ominaisuus | Azure PaaS -pohjainen ratkaisu | Reaaliaikainen tietoratkaisu |
|---|---|---|
| Yhdistetty tietovirtojen luettelo | Ei saatavissa | Reaaliaikainen keskus: 1. Käyttäjien luomat tietovirrat 2. Microsoftin aiemmin luodut tietovirrat 3. Kankaisi järjestelmän tapahtumavirrat |
| Microsoftin tietovirtojen etsiminen | Ei saatavissa | Reaaliaikainen tiedustelukeskus löytää tietovirtoja Azure-vuokraajastasi. |
| Tapahtumien tallentaminen ja käyttäminen Azure-tallennus | Edellyttää Azure-tapahtumaverkko käyttöönottoa Azure-tallennus esiintyvien tapahtumien perusteella. | Azure Blob -säilön tapahtumapohjaiset käynnistimet käytettävissä. |
| Fabricin tapahtumien sieppaaminen ja siihen toiminta | Ei käytettävissä | Suoraan saatavilla Fabricissa |