Wat is het verschil tussen realtime intelligence en vergelijkbare Azure-oplossingen?
Naarmate organisaties vooruitgang boeken in hun digitale transformatietraject, krijgen ze steeds meer gegevensbronnen te zien. Deze bronnen genereren tijdgevoelige, ingewikkelde gegevenspunten, gebeurtenissen en signalen. Deze gegevens kunnen afkomstig zijn van verschillende bronnen, zoals (a) sensorgegevens van fysieke assets zoals installaties, voertuigen, torens, IoT Edge-apparaten, (b) gegevensopnamestromen (CDC) wijzigen uit databases die klantgerichte web- en mobiele toepassingen mogelijk maken, en (c) logboeken van on-premises en cloudinfrastructuur en toepassingen, onder andere. Deze gegevensstromen zijn van cruciaal belang voor organisaties om de digitale feedbacklus te sluiten, meer inzicht te krijgen in klantgebruikspatronen van hun fysieke en digitale activa en voortdurend de waarde te verbeteren die ze bieden om het concurrentievermogen van de markt te behouden.
Het realiseren van deze waarde vereist de bouw van realtime gegevensstreamingarchitecturen die gebruikmaken van zowel cloud- als on-premises gegevensservices voor gegevensopname, transport, operationele transformaties en analytische transformaties. Deze architecturen worden doorgaans gebouwd met behulp van een combinatie van producten zoals Azure Event Hubs, Azure Event Grid, Apache Kafka, Amazon Kinesis, IBM Message Queues en Google Pub/Sub. Naarmate de gegevens in de cloud binnenkomen, ondergaan ze verschillende fasen van verwerking en transformatie, ook wel dynamisch, warm en koud genoemd, voordat ze terechtkomen in gegevensarchieven zoals Azure Data Explorer, Azure Synapse Analytics en Azure Data Lake Store Gen 2. Zodra deze gegevens zijn verwerkt, zijn deze gegevens gereed voor geavanceerde analyses en AI-toepassingen en kunnen ze worden gevisualiseerd met behulp van hulpprogramma's zoals Power BI, Grafana, Web of Mobile Apps en API-eindpunten.
De introductie van Realtime Intelligence in Fabric biedt organisaties meerdere implementatiemethoden en architecturen voor hun gebruiksvoorbeelden waarvoor geavanceerde analyse van streaminggegevens is vereist. Microsoft Azure biedt professionele ontwikkelaars krachtige mogelijkheden voor het ontwerpen en implementeren van architecturen die een diepgaande integratie met andere Azure-services, end-to-end automatisering en implementatie van de hele oplossing als een uniform pakket vereisen. Realtime intelligence in Microsoft Fabric stelt burgerontwikkelaars en zakelijke gebruikers in staat om gegevensstromen binnen hun organisatie te ontdekken en hun analytische oplossingen en toepassingen te bouwen. Dankzij naadloze integratie met Azure Event Hubs, Azure Event Grid en Azure Data Explorer faciliteert Realtime Intelligence de uitbreiding van Azure-architecturen in Microsoft Fabric en het maken van nieuwe oplossingen met behulp van bestaande of nieuwe gegevensbronnen. Het volgende diagram illustreert zowel op PaaS gebaseerde oplossingsarchitectuur (Azure Platform as a Service) als real-time intelligence-oplossingsarchitectuur voor gebruiksscenario's voor telemetrieanalyse in typische productie- en automobielorganisaties.
Zie Wat is Real-Time Intelligence in Fabric? voor meer informatie over realtime intelligentie.
In het verleden hebben organisaties aanzienlijke budgetten, werknemers en resources toegewezen voor het ontwikkelen, integreren, implementeren, onderhouden en beheren van verschillende niet-verbonden cloudproducten of on-premises producten en geïsoleerde oplossingen. Dit heeft geleid tot complexe, complexe architecturen die lastig zijn om te werken en te onderhouden. Organisaties aarzelen dus om dergelijke investeringen uit te voeren vanwege de complexiteit, of hebben de kosten te verbieden geacht een bevredigend rendement op investeringen te rechtvaardigen. De vraag naar realtime zakelijke inzichten die worden aangestuurd door onmiddellijke, hoge granulariteitsgegevens, is echter consistent geweest voor eindgebruikers.
Realtime intelligence verandert dit landschap door gebruik te maken van het volledige potentieel van realtime mogelijkheden in Fabric, zodat u waardevolle, bruikbare inzichten kunt afleiden uit uw gegevens van uw eerste partij en externe gegevens. Met Realtime Intelligence profiteert u van:
- Een uitgebreide SaaS-aanbieding: een allesomvattende oplossing die de detectie van inzichten van uw tijdgevoelige gegevens vereenvoudigt, zodat u deze in realtime kunt opnemen, verwerken, query's kunt uitvoeren, visualiseren en er actie op kunt ondernemen.
- Een gecentraliseerde hub voor uw dynamische gegevens: een geïntegreerde gegevensinfrastructuur voor al uw gebeurtenisgegevens die in beweging zijn, waardoor de opname, opslag en curatie van verfijnde gegevens in uw organisatie wordt vereenvoudigd via de realtime hub.
- Snelle ontwikkeling van oplossingen: geef teamleden van verschillende expertise de mogelijkheid om meer waarde uit gegevens te halen en snel oplossingen te bouwen voor verdere bedrijfsgroei.
- Inzichten mogelijk gemaakt door realtime AI: schaal handmatige bewaking en initieer moeiteloos acties met kant-en-klare, geautomatiseerde functies die verborgen patronen ontdekken en volledig gebruikmaken van het Microsoft-ecosysteem om uw bedrijf vooruit te helpen.
In dit artikel worden belangrijke overwegingen beschreven voor het bepalen van de meest geschikte implementatiearchitectuur die is afgestemd op uw streaminggebruiksscenario's:
Algemeen
| Mogelijkheid | Oplossing op basis van Azure PaaS | Realtime intelligence-oplossing |
|---|---|---|
| Integratie van services | Is afhankelijk van de integratiecompatibiliteit tussen de services binnen het bereik van de architectuur. | Integratie met één klik bij elke stap van gegevensopname, proces, analyse, visualiseren en handelen. |
| Ervaring voor pro- en burgerontwikkeling | Geschikter voor pro-ontwikkelaars. | Pro-ontwikkelaars, burgerontwikkelaars en zakelijke gebruikers kunnen naast elkaar bestaan. |
| Weinig code/geen code | Alleen beschikbaar voor transformatie in Azure Stream Analytics en voor het maken van waarschuwingen met Logics Apps of Power Automate. Pro-ontwikkeling vereist voor end-to-end-implementatie. | End-to-end-implementatie van opname om te analyseren om te transformeren om te visualiseren en te handelen, kan worden gerealiseerd. |
| Verbruiksmodel | Serviceafhankelijke schatting, verbruik en factureringsmodel. | Uniform Fabric Capacity Unit-verbruik en factureringsmodel. |
Opnemen en verwerken
| Mogelijkheid | Oplossing op basis van Azure PaaS | Realtime intelligence-oplossing |
|---|---|---|
| Connectors met meerdere clouds | Azure Stream Analytics maakt verbinding met Confluent Kafka. Er zijn geen connectors voor het lezen van gegevens van Amazon Kinesis of Google Pub/Sub. | Systeemeigen integratie voor Confluent Kafka, Amazon Kinesis, Google Pub/Sub. |
| Ondersteuning voor CDC-streams | Vereist implementatie van andere services, zoals Debezium. | Systeemeigen integratie voor Azure Cosmos DB, PostgreSQL, MySQL DB en Azure SQL. |
| Ondersteuning voor protocollen | Azure Event Hubs, AMQP, Kafka en MQTT. | Azure Event Hubs, AMQP, Kafka. |
Analyseren en transformeren
| Mogelijkheid | Oplossing op basis van Azure PaaS | Realtime intelligence-oplossing |
|---|---|---|
| Gegevensprofilering | Niet beschikbaar | De weergave voor gegevensprofilering van uw realtime tabellen biedt out-of-the-box histogrammen en minimale bereiken voor elke kolom. |
| Visuele gegevensverkenning | Niet beschikbaar | Sleep en neerzetten om uw realtime gegevens visueel te analyseren. |
| Copilot-ervaring | Azure Data Explorer-cluster kan worden toegevoegd als een bron in Fabric KQL Queryset om Copilot-mogelijkheden te gebruiken. | Systeemeigen beschikbaar |
| Ingebouwde ML-modellen | Er zijn anomaliedetectie- en prognosemodellen beschikbaar. Pro-ontwikkeling vereist voor het implementeren van anomaliedetectie- en prognosemodellen. | Er zijn anomaliedetectie- en prognosemodellen beschikbaar. Zakelijke gebruikers kunnen ook anomaliedetectiemodellen toepassen op binnenkomende streaminggegevens. |
| Visualisatie (Microsoft) | Power BI- en Azure Data Explorer-dashboards | Systeemeigen integratie met één klik met Power BI en realtime dashboard |
| Visualisatie (derde partij) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab kan ook worden geïntegreerd met Eventhouse. |
Daad
| Mogelijkheid | Oplossing op basis van Azure PaaS | Realtime intelligence-oplossing |
|---|---|---|
| Zakelijke acties stimuleren op grond van inzichten | Hiervoor zijn Azure Logic Apps- of Power Automate- of Azure Functions-waarschuwingen van Azure Monitor vereist. | Systeemeigen beschikbaar in Fabric met Fabric Activator-items met out-of-the-box-integratie met semantische Power BI-modellen, Eventstream- en KQL-query's. |
| Reactieve systeem gebeurtenissen | Niet beschikbaar | Ingebouwde gebeurtenissen die zijn gepubliceerd via realtime hub; Gebruik Activator-items om gegevensprocessen, zoals pijplijnen en notebooks, te automatiseren. |
| Realtime Semantische modellen | Niet beschikbaar of code-first-oplossing met Logic Apps of Azure Functions | Niet beschikbaar |
| Ingebouwde AI | Niet beschikbaar | Niet beschikbaar |
| Meldingsbestemmingen | Is afhankelijk van de connectorportfolio van de service. | Microsoft Teams-, Microsoft Outlook- en Power Automate-connectors. |
Catalogus
| Mogelijkheid | Oplossing op basis van Azure PaaS | Realtime intelligence-oplossing |
|---|---|---|
| Uniforme catalogus met gegevensstromen | Niet beschikbaar | Realtime hub: 1. Gegevensstromen die door de gebruikers zijn gemaakt 2. Bestaande streams uit Microsoft-bronnen 3. Fabric-systeem eventstreams |
| Detectie van Microsoft-gegevensstromen | Niet beschikbaar | Realtime Intelligence Hub detecteert gegevensstromen in uw Azure-tenant. |
| Gebeurtenissen uit Azure Storage vastleggen en erop reageren | Vereist het implementeren van Azure Event Grid om te reageren op gebeurtenissen die plaatsvinden in Azure Storage. | Beschikbare triggers op basis van gebeurtenissen in Azure Blob Storage. |
| Gebeurtenissen van Fabric vastleggen en erop reageren | Niet van toepassing | Systeemeigen beschikbaar in Fabric |