Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Power BI può essere integrato con Real-Time Intelligence per offrire prestazioni migliorate per gli utenti che necessitano di frequenze di aggiornamento elevate o volumi elevati di dati. Questo articolo descrive l'esperienza campione di Intelligenza in Tempo Reale, che funge da punto di ingresso da Power BI all'Intelligenza in Tempo Reale.
Quando integrato con l'Intelligenza in Tempo Reale, Power BI può usare i dati di streaming per fornire informazioni dettagliate aggiornate al minuto. Real-Time Intelligence gestisce l'inserimento, la trasformazione e l'archiviazione dei dati di streaming e lo rende disponibile per l'analisi e la visualizzazione in Power BI. Questa integrazione offre una soluzione completa e interamente integrata per l'analisi e la visualizzazione dei dati in tempo reale per i casi d'uso con volumi elevati di dati o frequenze di aggiornamento elevate.
Real-Time Intelligence è un servizio potente nella suite di prodotti Fabric che consente di estrarre informazioni dettagliate e visualizzare i dati in movimento. Offre una soluzione end-to-end per scenari basati su eventi, dati in streaming e log di dati.
Altre informazioni su Intelligenza in tempo reale.
Creare un esempio
Quando la frequenza di aggiornamento del modello semantico è superiore a una determinata soglia, viene visualizzato un popup a bolla che invita l'utente a provare un'esperienza di esempio di Intelligenza in tempo reale.
Selezionare Prova un esempio per iniziare a creare una soluzione end-to-end di esempio in Intelligenza in tempo reale. Vengono creati i seguenti componenti:
- Flusso di eventi
- Eventhouse
- Database KQL
- Set di query KQL
- Dashboard in tempo reale
- report di Power BI
Questa soluzione si basa sui dati di esempio di streaming, per mostrare la facilità e la potenza della soluzione in Intelligenza in tempo reale. Una volta completata la compilazione, si apre una finestra di dialogo con singoli collegamenti a ognuno degli articoli campione, che vengono aperti in una nuova scheda nella barra di spostamento.
- Selezionare il nome di un articolo per aprirlo in Intelligenza in tempo reale.
- Selezionare Esplora per chiudere la finestra di dialogo e passare alla finestra del database KQL per l'esempio.
L'istogramma e le tabelle nel riquadro di visualizzazione principale vengono aggiornate automaticamente man mano che i dati vengono aggiornati.
Componenti della soluzione di Intelligenza in tempo reale
I componenti dell'esperienza di esempio di Intelligenza in tempo reale sono:
Flusso di eventi: un flusso di eventi è fondamentale per l'ingestione e l'elaborazione dei dati in tempo reale in Microsoft Fabric. È possibile trasformare i dati e instradarli tramite filtri a varie destinazioni. Altre informazioni sui flussi di eventi.
Eventhouse: una eventhouse è la posizione in cui vengono archiviati e analizzati i dati. Una eventhouse è progettata per gestire in modo efficiente i flussi di dati in tempo reale. Una eventhouse può contenere uno o più database KQL. Sono specificamente personalizzate per grandi volumi di eventi di streaming basati sul tempo, con dati strutturati, semi strutturati e non strutturati. Altre informazioni su Eventhouse.
Database KQL: un database KQL è la posizione in cui vengono archiviati e gestiti i dati. Consente di eseguire query sui dati in tempo reale, offrendo uno strumento potente per l'esplorazione e l'analisi dei dati. Il database KQL supporta vari criteri e trasformazioni dei dati. Altre informazioni sui database KQL.
Set di query KQL: un set di query SQL viene usato per eseguire query, visualizzare e personalizzare i risultati delle query sui dati da un database KQL. Leggi di più sul set di query KQL.
Real-Time Dashboard: un dashboard in tempo reale fornisce un'istantanea aggiornata al secondo di vari obiettivi e punti dati in una raccolta di riquadri. Ogni riquadro ha una query sottostante e una rappresentazione visiva. Consente di visualizzare i dati in tempo reale, fornendo informazioni dettagliate e abilitando l'esplorazione dei dati. Altre informazioni sui dashboard in tempo reale.
Power BI: crea report in tempo reale che visualizzano dati da flussi di eventi e database KQL gestiti da Real-Time Intelligence. I report si connettono al database KQL tramite DirectQuery usando il connettore Esplora dati di Azure (Kusto), che supporta sia Esplora dati di Azure che Fabric database KQL. I parametri di query M dinamici trasmettono i filtri e i parametri di granularità temporale dei dati al database KQL, in modo che le visualizzazioni ricevano risultati aggregati anziché eventi non elaborati.
Crea la tua soluzione per l'Intelligenza in tempo reale
È possibile implementare questa soluzione con i propri dati. Prima di iniziare, è necessario un workspace con una capacità abilitata con funzionalità Microsoft Fabric.
Per configurare il dashboard in tempo reale, seguire le esercitazioni sull'intelligenza in tempo reale. Ecco un riepilogo della procedura:
- Creare un centro eventi e configurare l'ambiente.
- Creare un flusso di eventi e inserire i dati in un database KQL.
- Creare un set di query KQL ed eseguire query sui dati.
- Creare una dashboard in tempo reale ed esplorare visivamente i dati.
-
Crea un report di Power BI.
- Connettersi al database KQL usando DirectQuery tramite il connettore Esplora dati di Azure (Kusto), che supporta sia Esplora dati di Azure che Fabric database KQL.
- Usare i parametri di query M dinamici per passare l'intervallo di tempo e la dimensione del bin nelle query KQL, in modo che Power BI riceva serie aggregate (ad esempio,
make-seriesosummarizeoutput) invece di eventi grezzi. - Eseguire il rilevamento anomalie in KQL usando funzioni come
series_decompose_anomaliese restituire i risultati calcolati agli oggetti visivi Power BI.
Suggerimento
Per grandi volumi di dati di serie temporali, usare il ripiegamento delle query con query M con parametri in modo che i filtri e le aggregazioni vengano eseguiti in KQL. Evitare di importare dati di eventi non elaborati con volumi elevati, fornendo solo set di dati aggregati alle visualizzazioni per prestazioni interattive.