Real-Time 智慧和可比較的 Azure 解決方案可協助組織處理時間敏感數據。 這些來源會產生時間敏感的複雜數據點、事件和訊號。 數據可能來自來自實體資產的感測器數據，例如工廠、車輛、塔樓和IoT Edge裝置;異動資料擷取 （CDC） 從支援客戶面向 Web 和行動應用程式的資料庫串流：和來自內部部署和雲端基礎結構和應用程式的記錄。 這些數據流可協助組織關閉數位意見反應迴圈、深入了解客戶如何使用其實體和數字資產，並持續改善其提供的價值，以保持競爭力。
為了取得此值，組織會建置即時數據流架構，以使用雲端和內部部署數據服務進行數據擷取、傳輸和轉換。 這些架構通常會使用 Azure 事件中樞、Azure 事件方格、Apache Kafka、Amazon Kinesis、IBM 消息佇列和 Google Pub/Sub 等產品。 當數據抵達雲端時，它會經過處理和轉換的階段，通過熱路徑、溫路徑和冷路徑，再儲存在數據存放區，例如 Azure Data Explorer、Azure Synapse Analytics 和 Azure Data Lake Store Gen 2。 處理之後，此數據已準備好用於分析和 AI 應用程式，並可在 Power BI、Grafana、Web 或行動應用程式及 API 端點等工具中顯示。
Real-Time Fabric 中的 Intelligence 可讓組織以不同的方式實作串流數據的進階分析。 Microsoft Azure 可讓專業開發人員設計和建置需要與其他 Azure 服務深度整合、端對端自動化和統一部署的架構。 Microsoft Fabric 中的 Real-Time Intelligence 可讓商務使用者和公民開發人員在其組織中尋找數據流，並建置分析解決方案。 透過與 Azure 事件中樞、Azure 事件方格和 Azure 數據總管整合，Real-Time Intelligence 會將 Azure 架構延伸至 Microsoft Fabric，並協助使用現有或新的數據源建立新的解決方案。 下圖顯示 Azure 平臺即服務 （PaaS） 解決方案架構，以及用於製造和汽車組織中遙測分析的 Real-Time 智慧解決方案架構。
若要深入瞭解 Real-Time Intelligence，請參閱 什麼是 Fabric 中的 Real-Time Intelligence？。
過去，組織花費大量預算、時間和資源來開發、整合、部署及管理中斷聯機的雲端或內部部署產品和隔離解決方案。 這會導致難以運作和維護的複雜架構。 許多組織因這種複雜性而猶豫不決，或因為成本似乎太高而無法回報。 不過，使用者始終想要從詳細且即時的數據中獲取商務深入解析。
Real-Time Intelligence 會使用 Fabric 中的即時功能來變更這項功能，因此您可以立即從第一方和第三方數據取得寶貴的可作見解。 透過 Real-Time Intelligence，您會收到：
- 完整的 SaaS 供應專案：可協助您從時間敏感資料中尋找深入解析的解決方案，讓您能夠即時內嵌、處理、查詢、可視化及採取行動。
- 動態數據的集中式中樞：移動中所有事件數據的統一位置，可讓您更輕鬆地透過 Real-Time 中樞內嵌、儲存及策劃整個組織的詳細數據。
- 快速解決方案開發：讓具有不同專業知識的小組成員從數據獲得更多價值，並快速建置業務成長解決方案。
- 即時 AI 所提供的深入解析：使用現成可用的自動化功能來調整手動監視和啟動動作，以尋找隱藏模式，並使用Microsoft生態系統來推動業務向前發展。
本文概述可協助您為串流使用案例選擇最佳實作架構的重要考慮：
整體而言
| 能力 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 服務整合 | 取決於架構中服務之間的整合相容性。 | 每個步驟的一鍵整合：擷取、處理、分析、可視化及採取行動。 |
| 專業和公民開發體驗 | 更適合專業開發人員。 | 專業開發人員、公民開發人員和商務使用者可以共存。 |
| 低程式碼/無程式碼 | 僅適用於 Azure 串流分析中的轉換，以及使用 Logic Apps 或 Power Automate 建立警示。 需要專業開發來完成端對端的實作。 | 您可以從攝取、分析、轉換、可視化到採取行動，建置端對端解決方案。 |
| 使用量模型 | 服務相依估計、耗用量和計費模型。 | 統一的Fabric架構容量單位耗用量與計費模型。 |
攝取和處理
| 能力 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 多雲端連接器 | Azure 串流分析會連接到 Confluent Kafka。 沒有連接器可從 Amazon Kinesis 或 Google Pub/Sub 讀取數據。 | Confluent Kafka、Amazon Kinesis 和 Google Pub/Sub 的原生整合。 |
| 支援 CDC 串流 | 需要部署其他服務，例如Debezium。 | Azure Cosmos DB、PostgreSQL、MySQL DB 和 Azure SQL 的原生整合。 |
| 支援通訊協定 | Azure 事件中樞、AMQP、Kafka 和 MQTT。 | Azure 事件中樞、AMQP 和 Kafka。 |
分析與轉換
| 能力 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 資料剖析 | 無法取得 | 即時表格的資料剖析檢視，會顯示每個欄位的預設直方圖和最小值-最大值範圍。 |
| 數字對應項模型 | Azure Digital Twins (Azure 數位雙胞胎) | 數位雙胞胎建構器（預覽） |
| 視覺化資料探索 | 無法取得 | 拖曳功能以可視化方式分析您的實時數據。 |
| 協作助手體驗 | 將 Azure 數據總管叢集新增為 Fabric KQL 查詢集中的來源，以使用 Copilot 功能。 | 原生可用 |
| 內建 ML 模型 | 異常偵測和預測模型可供使用。 需要專業開發才能部署異常偵測和預測模型。 | 異常偵測和預測模型可供使用。 商務使用者也可以將異常偵測模型套用至傳入串流數據。 |
| 視覺效果 (Microsoft) | Power BI、Azure 資料總管儀表板 | 原生一鍵整合至 Power BI 與即時儀表板 |
| 視覺效果 (第三方) | Grafana、Kibana、Matlab | Grafana、Kibana 和 Matlab 也可以與 Eventhouse 整合。 |
採取行動
| 能力 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 從深入解析推動商務動作 | 需要 Azure Logic Apps、Power Automate、Azure Functions 或 Azure 監視器警示。 | 在 Fabric 中可用的 Fabric 啟動器項目，內建整合 Power BI 語意模型、Eventstream，以及使用 KQL 查詢集或 Real-Time 儀錶板的 KQL 查詢。 |
| 反應式系統事件 | 無法取得 | 透過 Real-Time 樞紐發佈的內建事件。 使用啟動器專案來自動化數據處理程式，例如管線和筆記本。 |
| 即時語意模型 | 無法使用或使用 Logic Apps 或 Azure Functions 的程式碼優先解決方案不適用。 | 無法取得 |
| 內建人工智慧 | 無法取得 | 無法取得 |
| 通知目的地 | 取決於服務的連接器組合。 | Microsoft Teams、Microsoft Outlook 和 Power Automate 連接器。 |
目錄
| 能力 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 資料流的整合目錄 | 無法取得 | 即時資訊中心 - 使用者建立的數據流 - 來自Microsoft來源的現有數據流 - Fabric 系統事件流 |
| 探索Microsoft資料流 | 無法取得 | 即時智慧中樞會在 Azure 租用戶中尋找數據流。 |
| 從 Azure 儲存體 擷取和處理事件 | 部署 Azure 事件方格以處理 Azure 記憶體中的事件。 | Azure Blob 記憶體事件型觸發程式可供使用。 |
| 擷取並處理來自 Fabric 的事件 | 不適用 | 網狀架構中的原生 |