Introduktion
De flesta moderna lösningar för dataanalys möjliggör två vanliga mönster för dataanalys:
- Batchdataanalys, där data läses in i ett analysdatalager med jämna mellanrum som en batchåtgärd, vilket möjliggör historisk analys av data från tidigare händelser.
- Dataanalys i realtid, där data från händelser matas in i realtid (eller nästan i realtid) när händelser inträffar i en dataström som kan analyseras, visualiseras och användas för att utlösa automatiserade svar.
Batch-dataanalys är i allmänhet väl förstådd och implementeras ofta med hjälp av datalager- eller lakehouse-arkitekturer. Realtidsanalyser kan betraktas som mer specialiserade, men i allt högre grad införlivas de i storskaliga dataanalyslösningar i form av en lambda-arkitektur som kombinerar regelbunden inläsning av batchdata för historisk analys med inmatning av dataströmmar för realtidsanalys.
Microsoft Fabric tillhandahåller funktioner för både batchanalys och realtidsanalys. I den här modulen fokuserar vi på funktionerna i Realtidsinformation i Microsoft Fabric för att utforska hur du kan skapa lösningar för dataanalys i realtid med minimal kodning som skalas till enorma mängder data från olika källor.
De ämnen som beskrivs i den här modulen är:
- Förstå grundläggande begrepp som rör dataanalys i realtid.
- Förstå Funktionerna i Realtidsinformation i Microsoft Fabric.
- Utforska kärnkomponenter i Realtidsinformation i Microsoft Fabric.
- Mata in realtidsdata med hjälp av en händelseström.
- Använda ett eventhouse och en KQL-databas för realtidsdataanalys i Microsoft Fabric.
- Visualisera data i realtidsinstrumentpaneler.
- Använda Activator i Microsoft Fabric för att definiera aviseringar som utlöser automatiserade åtgärder.
I slutet av den här modulen kommer du att kunna förstå funktionerna i Microsoft Fabrics realtidsinformationsfunktioner. Du får också praktisk erfarenhet genom en praktisk övning.