Microsoft Fabric Real-Time Intelligence について説明する
Fabric の Real-Time Intelligence ソリューションでは、Fabric サービス全体にわたるデータ分析を高速で行うためのエンドツーエンドのストリーミング ソリューションが提供されます。 時系列データ用に最適化されていて、どんなデータ形式でもパーティション分割およびインデックス作成を自動的に行うことができます。
Real-Time Intelligence は、数ギガバイトから数ペタバイトまで、さまざまなサイズのデータに対して高いパフォーマンスを発揮します。 さまざまなソースからのデータおよびさまざまな形式のデータを処理できます。 Fabric の Real-Time Intelligence ワークロードは、製造、石油、ガス、自動車などの多くのシナリオで IoT やログ分析などのソリューションに使用できます。
Microsoft Fabric の Real-Time Intelligence について理解する
Real-Time Intelligence は、時系列データのストリーミング用に最適化されたフル マネージド サービスです。 Real-Time Intelligence を使用すると、構造化データ、非構造化データ、半構造化データなど、あらゆる種類のデータを大規模に検索する際に、一貫したパフォーマンスを得ることができます。 さらに、Fabric 機能のスイート全体と統合されているため、データの読み込みからデータの視覚化まで、合理化されたワークフローが可能になります。
Fabric で Real-Time Intelligence を使用すると、次のことができます。
- 任意のデータ形式で、任意のソースからデータを取り込みます。
- 生データに対して直接分析クエリを実行するので、複雑なデータ モデルを構築したり、データを変換するためのスクリプトを作成したりする必要がありません。
- 既定のストリーミングを使用してデータをインポートすることで、ハイ パフォーマンス、低待機時間、高鮮度データ分析を実現します。
- インポートされたデータについては、既定のパーティション分割 (時間およびハッシュベースの両方のパーティション分割) と既定のインデックス作成が行われます。
- 多用途のデータ構造を操作し、構造化、半構造化、またはフリーのテキストに対してクエリを実行します。
- 用意されているさまざまな演算子を使用して変換なしで生データに対してクエリを実行するので、パフォーマンスが高く、応答時間が非常に短くなります。
- ギガバイトからペタバイトまで無制限の量のデータにスケーリングでき、同時クエリと同時ユーザーについても無制限のスケーリングができます。
- Microsoft Fabric 内の他のワークロードや項目とシームレスに統合します。
Real-Time ハブを使用してリアルタイム データの世界を探索する
Real-Time ハブは、ストリーミング データのフローを明らかにして制御するためのゲートウェイとして機能します。 これは、以下を含む動的なカタログです。
Real-Time ダッシュボードを使用してデータ分析情報を視覚化する
データ分析情報は、KQL クエリセット、Real-Time ダッシュボード、Power BI レポートを通じて視覚化でき、データ インジェストから視覚化に迅速に移行できます。 これらの視覚化は、初心者と専門家の両方に対応し、最小限のコーディングでデータをグラフやテーブルとして表すことができます。 ユーザーは、組み込みの視覚化の包括的なスイートを利用して、クエリ結果のフィルター処理と集計に関する視覚的な手掛かりを得ることができます。 分析情報には Power BI レポートと Real-Time ダッシュボードからアクセスできます。どちらも、データ分析情報に基づいてアラートを組み込むことができます。
また、設定した確立されたしきい値が満たされたときに通知を提供するために編集モードで、Real-Time ダッシュボードのテーブル以外の視覚化内でアラートを設定することもできます。
アラートでは、Microsoft Teams 内で、または電子メールを送信することによって通知できます。
Kusto クエリ言語 (KQL)
Kusto 照会言語 (KQL) は、構造化、半構造化、および非構造化データを分析して分析情報を抽出するために使用される宣言型クエリ言語です。 KQL は、大規模なログ データを効率的かつ迅速に検索するために特別に設計されたものであり、クラウドベースのデータ分析に最適です。 このモジュールの後の方で、いくつかの基本的な KQL 構文について説明しますが、ここでは、Microsoft Fabric での KQL 機能の次の利点を検討します。
- ユーザーは異種データ ソースを操作し、さまざまな方法で結果を視覚化できます。これにより、データ探索およびデータ分析の効率化が可能です。
- ユーザーが Kusto カーネルを使用してノートブックを作成し、分析のコード、結果、コンテキストをキャプチャできるようにすることで、再現可能な分析をサポートします。
- ユーザーは Kusto カーネルを使用してノートブック内に Runbook または Playbook を作成し、テレメトリ データを使用して問題をトラブルシューティングおよび軽減する方法を詳しく説明できます。これにより、DevOps のトラブルシューティング エクスペリエンスが改善します。
- ユーザーは Git リポジトリと CI/CD パイプラインに KQL ファイルと KQL ノートブック ファイルを追加することができます。これにより、DevOps フローが強化されます。
- 潜在的なエラーを迅速に特定し、問題の解決方法に関するヒントを表示することができる KQL エディターが使用されています。これにより、ガイダンスを参照し、検索クエリを最初から容易に作成できます。
- 他のソースから長くて複雑なクエリを受け取った場合に、それらをエディターに直接、すばやく貼り付けることができます。
- 読みやすく作成しやすいさまざまな演算子や関数を使用して、データのフィルタリング、表示、集計を行うことができます。