Mi a különbség a valós idejű intelligencia és a hasonló Azure-megoldások között?
A szervezetek digitális átalakítási folyamata során egyre több adatforrást tapasztalnak. Ezek a források időérzékeny, bonyolult adatpontokat, eseményeket és jeleket hoznak létre. Ezek az adatok különböző forrásokból származhatnak, például (a) fizikai eszközökből származó érzékelőadatokból, például üzemekből, járművekből, tornyokból, IoT Edge-eszközökből, (b) adatrögzítési (CDC) adatfolyamokból az ügyféloldali webes és mobilalkalmazásokat működtető adatbázisokból, valamint (c) a helyszíni és felhőbeli infrastruktúrából és alkalmazásokból származó naplókból, többek között. Ezek az adatfolyamok elengedhetetlenek a szervezetek számára a digitális visszajelzési ciklus bezárásához, a fizikai és digitális eszközök ügyfélhasználati mintáinak mélyebb megértéséhez, valamint a piaci versenyképesség fenntartásához nyújtott érték folyamatos növeléséhez.
Ennek az értéknek a felismerése szükségessé teszi olyan valós idejű adatstreamelési architektúrák kiépítését, amelyek felhőalapú és helyszíni adatszolgáltatásokat is használnak az adatrögzítéshez, az átvitelhez, a működési átalakításokhoz és az elemzési átalakításokhoz. Ezek az architektúrák általában olyan termékek kombinációjával készülnek, mint az Azure Event Hubs, az Azure Event Grid, az Apache Kafka, az Amazon Kinesis, az IBM Message Queues és a Google Pub/Sub. Amikor az adatok a felhőbe érkeznek, a feldolgozás és az átalakítás különböző szakaszain megy keresztül, amelyet gyakran gyakori, meleg és hideg útvonalaknak is neveznek, mielőtt olyan adattárakba érkeznek, mint az Azure Data Explorer, az Azure Synapse Analytics és az Azure Data Lake Store Gen 2. A feldolgozás után ezek az adatok készen állnak a fejlett elemzési és AI-alkalmazásokra, és olyan eszközökkel jeleníthetők meg, mint a Power BI, a Grafana, a Web vagy a Mobile Apps, valamint az API-végpontok.
A Valós idejű intelligencia bevezetése a Fabricben több megvalósítási módszert és architektúrát kínál a szervezeteknek a streamadatok fejlett elemzését igénylő használati esetekhez. A Microsoft Azure robusztus képességekkel rendelkezik a professzionális fejlesztők számára olyan architektúrák tervezéséhez és implementálásához, amelyek megkövetelik a többi Azure-szolgáltatással való mély integrációt, a teljes automatizálást és a teljes megoldás egységes csomagként való üzembe helyezését. A Microsoft Fabric valós idejű intelligenciája lehetővé teszi a civil fejlesztők és üzleti felhasználók számára, hogy felfedezzék a szervezeten belüli adatfolyamokat, és elemzési megoldásaikat és alkalmazásaikat felépíthessék. Az Azure Event Hubs, az Azure Event Grid és az Azure Data Explorer zökkenőmentes integrációjával a valós idejű intelligencia megkönnyíti az Azure-alapú architektúrák Microsoft Fabricbe való kiterjesztését, valamint új megoldások létrehozását meglévő vagy új adatforrások használatával. Az alábbi ábra az Azure Platform mint szolgáltatás (PaaS) alapú megoldásarchitektúrát és a telemetriai elemzések valós idejű megoldásarchitektúráját szemlélteti a tipikus gyártási/autóipari szervezetek esetében.
A valós idejű intelligenciával kapcsolatos további információkért lásd : Mi a valós idejű intelligencia a Hálóban?.
A szervezetek korábban jelentős költségvetéseket, munkaerőt és erőforrásokat osztottak ki a különböző leválasztott felhőalapú vagy helyszíni termékek és elkülönített megoldások fejlesztésére, integrálására, üzembe helyezésére, fenntartására és kezelésére. Ez bonyolult, összetett architektúrákat eredményezett, amelyek üzemeltetése és karbantartása nehézkes. A szervezetek tehát a bonyolultság miatt haboztak az ilyen beruházások megvalósításában, vagy túlságosan tiltónak tekintették a költségeket ahhoz, hogy kielégítő megtérülést indokoljanak. Az azonnali, nagy részletességű adatokon alapuló valós idejű üzleti üzemeltetési elemzések iránti kereslet azonban konzisztens volt a végfelhasználók körében.
A valós idejű intelligencia forradalmasítja ezt a tájat azáltal, hogy kihasználja a Fabric valós idejű képességeinek teljes potenciálját, lehetővé téve, hogy azonnal értékes, végrehajtható megállapításokat nyerjen az első és harmadik féltől származó adatokból. A valós idejű intelligenciával a következő előnyöket élvezheti:
- Átfogó SaaS-ajánlat: Átfogó megoldás, amely lehetővé teszi az időérzékeny adatokból származó megállapítások felderítését, lehetővé téve a valós idejű betöltést, feldolgozást, lekérdezést, vizualizációt és azok kezelését.
- Központosított központ a dinamikus adatokhoz: Egységes adattulajdon minden mozgásban lévő eseményadathoz, leegyszerűsítve a részletes adatok betöltését, tárolását és gondnokolását a szervezet egészéből a valós idejű központon keresztül.
- Gyors megoldásfejlesztés: Lehetővé teszi a különböző szakértelemmel rendelkező csapattagok számára, hogy több értéket nyerjenek ki az adatokból, és gyorsan építhessenek rá megoldásokat a további üzleti növekedés érdekében.
- Valós idejű AI-alapú elemzések: A manuális monitorozás skálázása és a műveletek egyszerű kezdeményezése használatra kész, automatizált funkciókkal, amelyek rejtett mintázatokat fednek fel, és teljes mértékben a Microsoft ökoszisztémáját használják az üzleti fejlődés előmozdítására.
Ez a cikk a streamelési használati esetekre szabott legmegfelelőbb implementációs architektúra meghatározásának legfontosabb szempontjait ismerteti:
Összesítés
| Funkció | Azure PaaS-alapú megoldás | Valós idejű intelligenciamegoldás |
|---|---|---|
| Szolgáltatások integrációja | Az architektúra hatókörében lévő szolgáltatások integrációs kompatibilitásától függ. | Az adatbetöltés, a feldolgozás, az elemzés, a vizualizáció és a művelet minden lépésénél egy kattintással integrálhatja az adatokat. |
| Profi és állampolgári fejlesztői élmény | Profi fejlesztőknek alkalmasabb. | A pro fejlesztők, a civil fejlesztők és az üzleti felhasználók együtt létezhetnek. |
| Low-code/No-code | Csak az Azure Stream Analyticsben való átalakításhoz és a Logics Apps vagy a Power Automate használatával történő riasztások létrehozásához érhető el. Pro fejlesztés szükséges a végpontok közötti megvalósításhoz. | A betöltéstől az elemzésen át az átalakításon át a vizualizációig és a cselekvésig a végpontok közötti implementáció megvalósítható. |
| Használati modell | Szolgáltatásfüggő becslés, felhasználás és számlázási modell. | Egységes hálókapacitási egység használati és számlázási modellje. |
Betöltés és feldolgozás
| Funkció | Azure PaaS-alapú megoldás | Valós idejű intelligenciamegoldás |
|---|---|---|
| Többfelhős összekötők | Az Azure Stream Analytics a Confluent Kafkához csatlakozik. Nincsenek összekötők az Amazon Kinesis vagy a Google Pub/Sub adatainak olvasásához. | A Confluent Kafka, az Amazon Kinesis, a Google Pub/Sub natív integrációja. |
| CDC-streamek támogatása | Más szolgáltatások, például a Debezium üzembe helyezését igényli. | Natív integráció az Azure Cosmos DB-hez, a PostgreSQL-hez, a MySQL DB-hez és az Azure SQL-hez. |
| Protokollok támogatása | Azure Event Hubs, AMQP, Kafka és MQTT. | Azure Event Hubs, AMQP, Kafka. |
Elemzés > átalakítás
| Funkció | Azure PaaS-alapú megoldás | Valós idejű intelligenciamegoldás |
|---|---|---|
| Adatprofilozás | Nem elérhető | A valós idejű táblák adatprofilozási nézete minden oszlophoz beépített hisztogramokat és minimális maximális tartományokat biztosít. |
| Vizuális adatfeltárás | Nem elérhető | Húzással vizuálisan elemezheti valós idejű adatait. |
| Copilot-élmény | Az Azure Data Explorer-fürt forrásként hozzáadható a Fabric KQL Querysetben a Copilot képességeinek használatához. | Natívan elérhető |
| Beépített ml-modellek | Rendelkezésre álló anomáliadetektálási és előrejelzési modellek. Pro fejlesztés szükséges az anomáliadetektálási és előrejelzési modellek üzembe helyezéséhez. | Rendelkezésre álló anomáliadetektálási és előrejelzési modellek. Az üzleti felhasználók anomáliadetektálási modelleket is alkalmazhatnak a bejövő streamelési adatokra. |
| Vizualizáció (Microsoft) | Power BI, Azure Data Explorer-irányítópultok | Natív, egykattintásos integráció a Power BI-val és a valós idejű irányítópulttal |
| Vizualizáció (külső fél) | Grafana, Kibana, Matlab. | Grafana, Kibana, Matlab is integrálható eventhouse. |
Felvonás
| Funkció | Azure PaaS-alapú megoldás | Valós idejű intelligenciamegoldás |
|---|---|---|
| Üzleti műveletek mozgatása elemzésekből | Az Azure Logic Appshez, a Power Automate-hez vagy az Azure Functionshez, az Azure Monitor-riasztásokhoz van szükség. | Natívan elérhető a Fabricben a Fabric Activator elemeivel, beépített integrációval a Power BI szemantikai modellekkel, az Eventstreamdel és a KQL-lekérdezésekkel. |
| Reaktív rendszeresemények | Nem elérhető | A valós idejű központon keresztül közzétett beépített események; Az Activator elemeivel automatizálhatja az adatfolyamatokat, például a folyamatokat és a jegyzetfüzeteket. |
| Valós idejű szemantikai modellek | Nem érhető el vagy kódelső megoldás a Logic Apps vagy az Azure Functions használatával | Nem elérhető |
| Beépített AI | Nem érhető el | Nem érhető el |
| Értesítési célhelyek | A szolgáltatás összekötőportfóliójától függ. | Microsoft Teams, Microsoft Outlook és Power Automate-összekötők. |
Katalógus
| Funkció | Azure PaaS-alapú megoldás | Valós idejű intelligenciamegoldás |
|---|---|---|
| Adatfolyamok egységes katalógusa | Nem elérhető | Valós idejű központ: 1. A felhasználók által létrehozott adatfolyamok 2. Meglévő streamek Microsoft-forrásokból 3. Hálórendszer eseménystreamjei |
| Microsoft-adatfolyamok felderítése | Nem elérhető | A valós idejű Intelligence Hub adatstreameket fedez fel az Azure-bérlőben. |
| Események rögzítése és kezelése az Azure Storage-ból | Az Azure Event Grid üzembe helyezését igényli az Azure Storage-ban bekövetkező események végrehajtásához. | Az Azure Blob Storage eseményalapú eseményindítói elérhetők. |
| A Fabric eseményeinek rögzítése és kezelése | Nem alkalmazható | Natívan elérhető a Fabricben |