Hvad er forskellen mellem Realtidsintelligens og sammenlignelige Azure-løsninger?

Real-Time Intelligens og sammenlignelige Azure-løsninger hjælper organisationer med at behandle tidsfølsomme data fra flere kilder: sensordata fra fysiske aktiver, change data capture (CDC)-strømme fra databaser og logfiler fra infrastruktur og applikationer. Denne tilgang giver professionelle udviklere finjusteret kontrol over valg af tjenester, implementering, netværk, automatisering og integrationsmønstre.

Real-Time Intelligence i Microsoft Fabric leverer en samlet SaaS-oplevelse for samme klasse af hændelsesdrevne og streaming-analysescenarier. I stedet for at samle hver fase fra separate tjenester kan brugere opdage datastrømme i Real-Time hub, indtage og rute begivenheder med Eventstream, gemme og forespørge data i Eventhouse, analysere data med KQL og notebooks, visualisere data i Real-Time dashboards eller Power BI, modellere operationel kontekst og udløse handlinger med Activator.

Den største forskel er implementeringsmodellen. Azure PaaS giver professionelle udviklere maksimal kontrol over brugerdefinerede arkitekturer og dyb Azure-integration. Real-Time Intelligence giver forretningsbrugere, borgerudviklere, dataanalytikere og professionelle udviklere en integreret arbejdsgang til hurtigere opbygning af realtidsløsninger med færre manuelt sammensatte tjenester. Lær mere om Real-Time intelligens i Hvad er Real-Time intelligens i Fabric?

Diagram, der viser Azure PaaS-løsninger sammenlignet med Real-Time Intelligence-arkitekturer til telemetrianalyse.

Microsoft Fabric-funktioner til realtidsanalyse

Real-Time Intelligence omfatter et bredt sæt integrerede tjenester og erfaringer til at bygge end-to-end realtidsanalyseløsninger. Disse funktioner omfatter:

  • Real-Time hub til at opdage, administrere og styre streamingdata, Fabric begivenheder, Azure begivenheder og Microsoft datakilder.
  • Eventstream til at indlæse, filtrere, transformere, berige og route streamingdata fra Microsoft, multicloud og brugerdefinerede kilder.
  • Multicloud-forbindelse, herunder Amazon Kinesis, Google Cloud Pub/Sub, Apache Kafka, Confluent Cloud Kafka og Amazon MSK.
  • Change Data Capture (CDC)-integration for databaser som Azure SQL Database, Azure Cosmos DB, PostgreSQL, MySQL, Azure SQL Managed Instance og SQL Server.
  • Eventhouse - og KQL-databaser til opbevaring, forespørgsler og analyse af strukturerede, semistrukturerede og ustrukturerede streamingdata.
  • Kusto Query Language (KQL) til avanceret analyse, udforskning og operationel overvågning.
  • Copilot i Real-Time Intelligence til udforskning af naturlige sprogdata, KQL-generering, oprettelse af dashboards og analyse.
  • Real-Time Dashboards til operationel overvågning, visualisering, undersøgelser og alarmering.
  • Power BI-integration til business intelligence og rapportering af realtidsdata.
  • Activator til at opdage betingelser, udløse notifikationer, automatisere arbejdsgange og starte Fabric-aktiviteter såsom notesbøger, pipelines, Spark-jobs, dataflows, funktioner, kopijobs og forretningsbegivenheder.
  • Digital Twin Builder (forhåndsvisning) til modellering af fysiske systemer og forretningsenheder ved brug af digitale tvillinger.
  • Schema Registry (forhåndsvisning) til at definere, validere, styre og udvikle hændelsesskemaer på tværs af realtidsarbejdsgange.
  • Integration af Fabric-events og Azure-events til at reagere på platform-genererede forretnings- og driftshændelser.
  • Notebook- og Spark-integration til avanceret streambehandling, maskinlæring, AI-funktioner og udviklerdrevne analyseworkflows.
  • Operations Agents og MCP-integrationer til AI-assisterede operationelle overvågnings- og styringsscenarier.
  • Modeller til detektion og forudsigelse af anomalier til at opdage usædvanlige mønstre og forudsige fremtidige tendenser i streamingdata.
  • Ontologi og Fabric IQ for forretningskontekst, semantisk forståelse og AI-drevne oplevelser på tværs af virksomhedsdata.

Diagram, der viser løsningsarkitektur ved hjælp af Real-Time Intelligence i Fabric.

Azure PaaS-baserede løsninger for realtidsanalyse

Azure tilbyder et bredt sæt af tjenester, som du kan kombinere for at bygge skræddersyede realtidsanalyser og hændelsesdrevne arkitekturer. Disse funktioner omfatter:

  • Azure Event Hubs til højkapacitets hændelsesindtagning, telemetriindsamling og streaminganalysescenarier.
  • Azure Event Grid til reaktiv hændelsesrouting og event-drevet applikationsintegration.
  • Azure Service Bus til virksomhedsbeskeder, transaktionelle arbejdsgange og pålidelig meddelelseslevering.
  • Azure Stream Analytics til realtids strømbehandling, filtrering, aggregering og kompleks hændelsesbehandling.
  • Azure Data Explorer til højtydende analyse af telemetri, logs, tidsserier og streamingdata.
  • Azure IoT Hub til sikker enhedsforbindelse og IoT-dataindlæsning.
  • Azure Functions til hændelsesdrevet kodeudførelse og automatisering.
  • Azure Logic Apps til low-code workflow-automatisering og integration på tværs af cloud- og enterprise-systemer.
  • Azure Monitor til operationel overvågning, alarmering, observabilitet og diagnostik.
  • Azure Digital Twins til modellering af fysiske miljøer, aktiver og relationer.
  • Azure Event Hubs Schema Registry til skemastyring og styring i hændelsesdrevne arkitekturer.
  • Apache Kafka-kompatibel event streaming gennem Azure Event Hubs.
  • Power BI, Azure Data Explorer-dashboards, Grafana og andre visualiseringsværktøjer til overvågning og analyse.
  • Azure AI og maskinlæringstjenester til detektion, prognoser, forudsigende analyser og AI-drevne applikationer.
  • Infrastructure-as-code, netværk, sikkerhed, governance og DevOps-funktioner til implementering og drift af skræddersyede realtidsløsninger på tværs af Azure-miljøer.

Overordnede forskelle

Egenskab Azure PaaS-baseret løsning Intelligence-løsning i realtid
Integration af tjenester Afhænger af integrationskompatibilitet mellem tjenesterne i arkitekturen. For mere information, se Vælg mellem Azure Event Grid, Event Hubs og Service Bus. Integrerer dataindlæsning, behandling, visualisering og handling i en samlet oplevelse via Eventstream, KQL, Spark og Real-Time Dashboards. Denne erfaring gør det muligt for dig at bygge end-to-end realtidsløsninger mere effektivt uden at kombinere og administrere flere tjenester.
Pro- og borgerudviklingsoplevelse Mere velegnet til professionelle udviklere. Pro-udviklere, borgerudviklere og forretningsbrugere kan eksistere sammen.
Lavkode/Ingen kode Kun tilgængelig til transformation i Azure Stream Analytics og til oprettelse af beskeder med Logic Apps eller Power Automate. Pro-udvikling er påkrævet for at kunne implementere fra ende til anden. Du kan bygge end-to-end løsninger ved at indlæse, analysere, transformere, visualisere og handle uden at skulle skrive kode. For mere information, se Interaktion med RTI-komponenter.
Forbrugsmodel Tjenesteafhængig estimerings-, forbrugs- og faktureringsmodel. Uniform Fabric Capacity Unit forbrug og faktureringsmodel.

Indfødning og proces

Egenskab Azure PaaS-baseret løsning Intelligence-løsning i realtid
Multicloud-connectors Azure Stream Analytics opretter forbindelse til Confluent Kafka. Der er ikke connectors til at læse data fra streamingkilder i andre clouds som Amazon Kinesis eller Google Pub/Sub. Native integrationer på tværs af flere clouds, herunder Confluent Kafka, Amazon Kinesis og Google Pub/Sub.
Understøttelse af CDC-streams Kræver installation af andre tjenester som Debezium. Native integration til streaming af CDC-kilder såsom Azure Cosmos DB CDC, Azure SQL CDC, Azure SQL Managed Instance CDC, PostgreSQL CDC, MySQL DB CDC, SQL Server CDC, Oracle Database CDC, MongoDB CDC og Fabric spejlet databaseændringsfeed. For den fulde liste over CDC-kilder, se Tilføj og administrer eventstream-kilder.
Understøttelse af protokoller HTTP, AMQP, Kafka og MQTT. HTTP, AMQP og Kafka.
Strømbehandling Azure Stream Analytics, en fuldt administreret realtidsanalysetjeneste, hjælper dig med at analysere og behandle hurtigt bevægende datastrømme for at udlede handlingsorienterede indsigter. I Fabric Real-Time Intelligence er streambehandling indbygget direkte i Eventstream med native funktioner til filtrering, transformation og routing af streamingdata. Til avanceret analyse og specialbehandling kan Eventstream også integreres med Spark-notebooks, hvilket gør det muligt for udviklere at bruge kodebaserede tilgange til at behandle streamingdata.
Integration af lokale og virtuelle netværk Kræver udrulning og håndtering af selvhostede integrationsruntimes eller gateways for hver service. Den virtuelle netværksdatagateway giver en enkelt, genanvendelig forbindelse til on-premises og virtuelle netværksdatakilder på tværs af alle Eventstream-forbindelser.

Analysér &transformering

Egenskab Azure PaaS-baseret løsning Intelligence-løsning i realtid
Dataprofilering Ikke tilgængelig Dataprofileringsvisningen for dine tabeller i realtid viser histogrammer og min. maksimumintervaller for hver kolonne.
Digital tvillingemodellering Azure Digital Twins Digital twin builder (prøveversion)
Udforskning af visuelle data Ikke tilgængelig Træk funktioner for visuelt at analysere dine data i realtid.
Copilot-oplevelse Der er ikke noget copilot specifikt for Azure beskedtjenester, men overordnet set kan Azure Copilot hjælpe med Azure ressourcestyring og drift på tværs af Azure tjenester generelt. Copilot i Fabric Real-Time Intelligence-arbejdsbyrden er en AI-assistent, der hjælper dig med at forespørge, analysere og udforske dine realtidsdata. Copilot oversætter naturligt sprog til Kusto Query Language (KQL) forespørgsler og muliggør interaktiv dataudforskning uden behov for KQL-ekspertise. For mere information, se Copilot for Real-Time Intelligence.
Indbyggede ML-modeller Modeller til afvigelsesdetektering og -forudsigelse er tilgængelige, men du skal skrive din egen kode for at udnytte Azure Machine Learning til at bygge, træne og implementere dem. Modeller til detektion og forudsigelse af anomalier er indbygget, så du kan anvende dem på indkommende streamingdata uden at skrive kode. Eventstream understøtter også Spark Structured Streaming, så du kan bruge indbyggede AI-funktioner til at berige og transformere streamingdata med forudtrænede AI-modeller direkte i dine streamingpipelines.
Visualisering (Microsoft) Power BI, Azure Data Explorer-dashboards Oprindelig integration med ét klik med Power BI og dashboard i realtid
Visualisering (tredjepart) Grafana, Kibana, Matlab Grafana, Kibana og Matlab kan også integreres med Eventhouse.

Akt

Egenskab Azure PaaS-baseret løsning Intelligence-løsning i realtid
Kørsel af forretningshandlinger fra indsigt Har brug for Azure Logic Apps, Power Automate, Azure Functions eller Azure Monitor-beskeder. Fås i Fabric ved hjælp af Fabric Activator-elementer med indbygget integration med semantiske Power BI-modeller, Eventstream og KQL-forespørgsler ved hjælp af KQL-forespørgselssæt eller Real-Time dashboards. Operationsagenten (forhåndsvisning) kan også overvåge et eventhouse eller en ontologi og anbefale eller udløse handlinger, såsom Teams-beskeder, notesbøger, pipelines eller Power Automate-flows.
Reaktive systemhændelser Ikke tilgængelig Indbyggede begivenheder udgivet gennem Real-Time hub. Brug Aktivatorelementer til at automatisere dataprocesser, f.eks. pipelines og notesbøger.
Semantiske modeller i realtid Ikke tilgængelig eller første kodeløsning ved hjælp af Logic Apps eller Azure Functions Ikke tilgængelig
Indbygget AI Ikke tilgængelig Copilot i Real-Time Intelligence er AI-agenter (preview) til Eventhouse- og KQL-databaser samt Operations-agent (preview) til kontinuerlig overvågning og anbefalede handlinger indbygget, så du kan anvende dem på indkommende streamingdata uden at skrive kode. Eventstream understøtter også Spark Structured Streaming, så du kan bruge indbyggede AI-funktioner til at berige og transformere streamingdata med forudtrænede AI-modeller direkte i dine streamingpipelines.
Meddelelsesdestinationer Afhænger af tjenestens connectoroversigt. Microsoft Teams, Microsoft Outlook, Dataflow, Pipeline, Spark-job, Notebook, Function, Copy-job og Business events (forhåndsvisning). For mere information, se Konfigurér handlinger for Aktivator-regler.

Katalog

Egenskab Azure PaaS-baseret løsning Intelligence-løsning i realtid
Samlet katalog over datastrømme Ikke tilgængelig Hub i realtid:
– Datastrømme, der er oprettet af brugerne
- Eksisterende streams fra Microsoft-kilder
- Fabric-system-hændelsesstrømme
Registrering af Microsoft-datastrømme Ikke tilgængelig Intelligence-hubben i realtid finder datastrømme i din Azure-lejer.
Skema-register Azure Schema Registry er en funktion i Event Hubs, der tilbyder et centralt arkiv for skemaer til hændelsesdrevne og beskedcentrerede applikationer. Det giver fleksibilitet for, at dine producent- og forbrugerapplikationer kan udveksle data uden at skulle administrere og dele skemaet. For mere information, se Azure Schema Registry i Azure Event Hubs. Schema Registry i Fabric Real-Time Intelligence er et centralt sted til at definere, validere og udvikle dataskemaer til streaming af data. Schema Registry i Fabric Real-Time Intelligence hjælper med at forbedre datakvaliteten, ensartetheden og kontrollen på tværs af dine hændelsesdrevne arbejdsprocesser. For mere information, se Schema Registry i Fabric Real-Time Intelligence - Microsoft Fabric.

Relateret indhold

  • Sidst opdateret den