即時智慧與可比較的 Azure 解決方案有何差異？
隨著組織在數字轉型旅程中的進展，他們遇到越來越多的資料源。 這些來源會產生時間敏感、複雜的資料點、事件和訊號。 此資料可能源自各種來源，例如來自實體資產的感測器資料，例如工廠、車輛、塔樓、IoT Edge 裝置、(b) 異動資料擷取 (CDC)資料流，從為客戶面向 Web 和行動應用程式提供動力的資料庫，以及來自內部部署和雲端基礎結構和應用程式的記錄等。 這些資料流對於組織關閉數位回饋迴圈至關重要、深入瞭解其實體和數位資產的客戶使用模式，並持續增強其提供以維持市場競爭力的價值。
實現此值需要建構即時資料流架構，以使用雲端式和內部部署資料服務進行資料擷取、傳輸、作業轉換和分析轉換。 這些架構通常是使用多種產品來建置，例如 Azure 事件中樞、Azure 事件方格、Apache Kafka、Amazon Kinesis、IBM 消息佇列和 Google Pub/Sub。 當資料抵達雲端時，它會經歷各種處理和轉換階段，通常稱為經常性存取、暖和冷路徑，然後再登陸 Azure 資料總管、Azure Synapse Analytics 和 Azure Data Lake Store Gen 2 等資料存放區。 處理之後，此資料便已準備好用於進階分析和 AI 應用程式，而且可以使用 Power BI、Grafana、Web 或 Mobile Apps 和 API 端點等工具來可視化。
在 Fabric 中引進即時智慧，可讓組織針對需要進階分析串流資料的使用案例，提供多個實作方法和架構。 Microsoft Azure 為專業開發人員提供強大的功能，以設計和實作架構，這些架構需要與其他 Azure 服務、端對端自動化，以及將整個解決方案部署為統一套件。 Microsoft Fabric 中的即時智慧可讓公民開發人員和商務使用者探索其組織內的資料流，並建置其分析解決方案和應用程式。 透過與 Azure 事件中樞、Azure 事件方格 和 Azure 資料總管的無縫整合，即時智慧可協助將 Azure 架構延伸至 Microsoft Fabric，以及使用現有或新的資料源建立新的解決方案。 下圖說明一般製造/汽車組織中遙測分析使用案例的 Azure 平台即服務(PaaS)型解決方案架構和即時智慧解決方案架構。
如需即時智慧的詳細資訊，請參閱 什麼是 Fabric 中的即時智慧？。
在過去，組織配置了大量預算、人力和資源，以開發、整合、部署、維持和管理各種中斷連線的雲端式或內部部署產品和隔離的解決方案。 這導致複雜且複雜的架構難以運作和維護。 因此，由於複雜性，組織猶豫不決地追求這類投資，或認為成本太令人看不起，無法證明投資回報的合理性。 然而，即時商務作業深入解析的需求在終端用戶之間一直保持一致。
即時智慧會利用 Fabric 內即時功能的完整潛力，立即從第一方和第三方資料衍生有價值的可操作深入解析，藉此徹底改變此環境。 使用即時智慧，您可以受益於：
- 完整的 SaaS 供應項目：全方位解決方案協助您從時間敏感的資料探索深入解析，讓您即時擷取、處理、查詢、視覺化及應對。
- 動態資料的集中式中樞：所有移動中事件資料的統一資料資產，透過即時中樞從整個組織簡化精細資料的擷取、儲存與庋用。
- 快速解決方案開發：讓不同專業知識的小組成員能夠從資料中擷取更多價值，並在其上快速建置解決方案，以進一步實現業務成長。
- 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，並毫不費力地起始動作，以發現隱藏模式，並充分利用Microsoft生態系統來推動您的業務向前發展。
本文章概述判斷最適合串流使用案例之實作結構的重要考量：
全部
| 功能 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 服務整合 | 取決於架構範圍內服務之間的整合相容性。 | 在資料擷取、處理、分析、可視化及採取行動的每個步驟上按兩下整合。 |
| 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 Logics Apps 或 Power Automate 建立警示。 端對端實作所需的專業開發。 | 端對端實作，從擷取到分析以轉換到可視化及採取行動，都可以實現。 |
| 使用量模型 | 服務相依估計、耗用量和計費模型。 | 統一Fabric容量單位耗用量和計費模型。 |
擷取和處理
| 功能 | 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 串流分析會連線到 Confluent Kafka。 沒有連接器可從 Amazon Kinesis 或 Google Pub/Sub 讀取資料。 | Confluent Kafka、Amazon Kinesis、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、Kafka。 |
分析與轉換
| 功能 | 以 Azure PaaS 為基礎的解決方案 | 即時智慧解決方案 |
|---|---|---|
| 資料剖析 | 無法使用 | 即時資料表的資料分析檢視會針對每個資料行提供現用直方圖和最小最大範圍。 |
| 視覺化資料探索 | 無法使用 | 拖放功能，以可視化方式分析您的即時資料。 |
| Copilot 體驗 | Azure 資料總管叢集可以在 Fabric KQL 查詢集中新增為來源，以使用 Copilot 功能。 | 原生可用 |
| 內建 ML 模型 | 可用的異常偵測和預測模型。 部署異常偵測和預測模型所需的專業開發。 | 可用的異常偵測和預測模型。 商務使用者也可以對傳入串流資料套用異常偵測模型。 |
| 視覺效果 (Microsoft) | Power BI、Azure 資料總管儀表板 | 原生單鍵整合Power BI和即時儀表板 |
| 視覺效果 (第三方) | Grafana、Kibana、Matlab。 | Grafana、Kibana、Matlab 也可以與 Eventhouse 整合。 |
採取行動
| 功能 | 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 或 Power Automate 或 Azure Functions、Azure 監視器警示。 | 使用 Fabric 啟動器專案與 Power BI 語意模型、Eventstream 和 KQL 查詢的現用整合，以原生方式在 Fabric 中使用。 |
| 反應式系統事件 | 無法使用 | 透過即時中樞發佈的內建事件;使用啟動器專案將數據處理程式自動化，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 | 無法使用 |
| 內建 AI | 無法使用 | 無法使用 |
| 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
| 功能 | 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 | 無法使用 | 即時中樞： 1. 使用者建立的資料流 2.來自 Microsoft 來源的現有資料流 3. 網狀架構系統事件數據流 |
| 探索Microsoft資料流 | 無法使用 | 即時智慧中樞會探索 Azure 租用戶中的資料流。 |
| 從 Azure 儲存體 擷取和處理事件 | 需要部署 Azure 事件方格 以處理 Azure 儲存體 中發生的事件。 | Azure Blob 儲存體 可用的事件型觸發程式。 |
| 從 Fabric 擷取和處理事件 | 不適用 | 原生可在 Fabric 中使用 |