Dela via

Skapa instrumentpanel i realtid med Power BI-datauppsättning som skapats från Stream Analytics utan kodredigerare

  • Artikel

Den här artikeln beskriver hur du kan använda redigeringsprogrammet utan kod för att enkelt skapa ett Stream Analytics-jobb för att producera bearbetade data till Power BI-datauppsättningen. Den läser kontinuerligt från dina eventhubbar, bearbetar och matar ut data till Power BI-datauppsättningen för att skapa Power BI-instrumentpanelen i realtid.

Förutsättningar

  • Dina Azure Event Hubs-resurser måste vara offentligt tillgängliga och inte ligga bakom en brandvägg eller skyddas i ett virtuellt Azure-nätverk
  • Du bör ha en befintlig Power BI-arbetsyta och du har behörighet att skapa en datauppsättning där.
  • Data i dina Event Hubs måste serialiseras i antingen JSON-, CSV- eller Avro-format.

Utveckla ett Stream Analytics-jobb för att skapa Power BI-datauppsättning med valda data

  1. Leta upp och välj Azure Event Hubs-instansen i Azure Portal.

  2. Välj Funktioner>Bearbeta data och välj sedan Starta på instrumentpanelen Skapa data i nära realtid med Power BI-kortet.

    Skärmbild som visar sidan Bearbeta data i en händelsehubb.

  3. Ange ett namn för Stream Analytics-jobbet och välj sedan Skapa.

    Skärmbild som visar var du anger ett jobbnamn.

  4. Ange serialiseringstypen för dina data i fönstret Event Hubs och den autentiseringsmetod som jobbet använder för att ansluta till händelsehubbarna. Välj sedan Anslut.

    Skärmbild som visar konfigurationen av Event Hubs-anslutningen.

  5. När anslutningen har upprättats och du har dataströmmar som flödar till din Event Hubs-instans ser du omedelbart två saker:

    • Fält som finns i indata. Du kan välja Lägg till fält eller välja symbolen med tre punkter bredvid ett fält för att ta bort, byta namn på eller ändra dess typ.

      Skärmbild som visar fältlistan för Event Hubs där du kan ta bort, byta namn på eller ändra fälttyp.

    • Ett live-exempel på inkommande data i tabellen Dataförhandsgranskning under diagramvyn. Den uppdateras automatiskt med jämna mellanrum. Du kan välja Pausa förhandsversionen av direktuppspelning för att se en statisk vy över exempelindata.

      Skärmbild som visar exempeldata under Förhandsversion av data.

  6. Välj panelen Hantera . I konfigurationspanelen Hantera fält väljer du de fält som du vill mata ut. Om du vill lägga till alla fält väljer du Lägg till alla fält.

    Skärmbild som visar operatorkonfigurationen Hantera fält.

  7. Välj Power BI-panelen . I Power BI-konfigurationspanelen fyller du i nödvändiga parametrar och ansluter.

    • Datauppsättning: det är Power BI-målet där Azure Stream Analytics-jobbets utdata skrivs till.
    • Tabell: det är tabellnamnet i datauppsättningen där utdata går till.

    Skärmbild som visar Power BI-utdatakonfigurationen.

  8. Du kan också välja Hämta statisk förhandsversion/Uppdatera statisk förhandsversion för att se den dataförhandsgranskning som ska matas in i händelsehubben.
    Skärmbild som visar alternativet Hämta statisk förhandsversion/Uppdatera statisk förhandsversion.

  9. Välj Spara och välj sedan Starta Stream Analytics-jobbet.
    Skärmbild som visar alternativen Spara och Starta.

  10. Om du vill starta jobbet anger du:

    • Antalet strömningsenheter (SUs) som jobbet körs med. SUs representerar mängden beräkning och minne som allokerats till jobbet. Vi rekommenderar att du börjar med tre och sedan justerar efter behov.
    • Hantering av utdatafel – Du kan ange vilket beteende du vill ha när ett jobbs utdata till målet misslyckas på grund av datafel. Jobbet försöker som standard igen tills skrivåtgärden har slutförts. Du kan också välja att släppa sådana utdatahändelser.
      Skärmbild som visar jobbalternativen Starta Stream Analytics där du kan ändra utdatatiden, ange antalet enheter för direktuppspelning och välja alternativen för hantering av utdatafel.

  11. När du har valt Start börjar jobbet köras inom två minuter och måtten öppnas i flikavsnittet.

    Skärmbild som visar jobbmåtten när det har startats.

    Du kan också se jobbet under avsnittet Processdata på fliken Stream Analytics-jobb . Välj Öppna mått om du vill övervaka det eller stoppa och starta om det efter behov.

    Skärmbild av fliken Stream Analytics-jobb där du visar jobbstatusen som körs.

Skapa instrumentpanelen i realtid i Power BI

Nu har du Azure Stream Analytics-jobbet igång och data skrivs kontinuerligt till tabellen i den Power BI-datauppsättning som du har konfigurerat. Nu kan du skapa instrumentpanelen i realtid i Power BI-arbetsytan.

  1. Gå till Power BI-arbetsytan, som du har konfigurerat i power BI-utdatapanelen ovan, och välj + Ny i det övre vänstra hörnet och välj sedan Instrumentpanel för att ge den nya instrumentpanelen ett namn. Skärmbild av skapandet av pbi-instrumentpanelen.
  2. När den nya instrumentpanelen har skapats kommer du att ledas till den nya instrumentpanelen. Välj Redigera och välj + Lägg till en panel i den översta menyraden. En högerruta är öppen. Välj Anpassade strömmande data för att gå till nästa sida. Skärmbild av pbi-instrumentpanelen som lägger till panel.
  3. Välj den strömmande datauppsättningen (till exempel nocode-pbi-demo-xujx) som du har konfigurerat i Power BI-noden och gå till nästa sida. Skärmbild av pbi-instrumentpanelen som lägger till panel med vald datauppsättning.
  4. Fyll i panelinformationen och följ nästa steg för att slutföra panelkonfigurationen. Skärmbild av pbi-instrumentpanelen som lägger till panel med konfigurerad information.
  5. Sedan kan du justera dess storlek och hämta den kontinuerligt uppdaterade instrumentpanelen enligt följande exempel. Skärmbild av pbi-instrumentpanelens rapport.

Överväganden vid användning av geo-replikeringsfunktionen i Event Hubs

Azure Event Hubs lanserade nyligen geo-replikeringsfunktionen i offentlig förhandsversion. Den här funktionen skiljer sig från geo-haveriberedskapsfunktionen i Azure Event Hubs.

När redundanstypen är Tvingad och replikeringskonsekvensen är asynkron garanterar Stream Analytics-jobbet inte exakt en gång utdata till en Azure Event Hubs-utdata.

Azure Stream Analytics, som producent med en händelsehubb som utdata, kan observera vattenstämpelfördröjning på jobbet under redundansväxlingen och under begränsningen av Event Hubs om replikeringsfördröjningen mellan primär och sekundär når den maximala konfigurerade fördröjningen.

Azure Stream Analytics, som konsument med Event Hubs som indata, kan observera vattenstämpelfördröjning på jobbet under redundansväxlingen och kan hoppa över data eller hitta duplicerade data när redundansväxlingen är klar.

På grund av dessa varningar rekommenderar vi att du startar om Stream Analytics-jobbet med lämplig starttid direkt efter att Event Hubs-redundansväxlingen har slutförts. Eftersom Geo-replikeringsfunktionen i Event Hubs är en offentlig förhandsversion rekommenderar vi inte heller att du använder det här mönstret för stream analytics-produktionsjobb just nu. Det aktuella Stream Analytics-beteendet förbättras innan funktionen Event Hubs Geo-replikering är allmänt tillgänglig och kan användas i Stream Analytics-produktionsjobb.

Nästa steg

Läs mer om Azure Stream Analytics och hur du övervakar det jobb du har skapat.