Real-Time Intelligence 是一项功能强大的服务，让组织中的每个人都可以提取见解并将其动态数据可视化。 它为事件驱动的应用场景、流式处理数据和数据日志提供了端到端解决方案。 无论是处理 GB 还是 PB，所有组织动态数据都会在 Real-Time Hub 聚合。 其使用无代码连接器无缝地连接来自各种源的基于时间的数据，从而实现即时的视觉对象见解、地理空间分析和基于触发器的反应，这些反应都是组织范围内数据目录的一部分。
无缝连接任何数据流后，即可访问整个 SaaS 解决方案。 Real-Time 智能处理数据引入、转换、存储、建模、分析、可视化、跟踪、AI 和实时作。 整个组织中都会对数据进行保护、治理和集成，与所有 Fabric 产品/服务无缝地保持一致。 Real-Time Intelligence 将数据转换为可操作的动态资源，从而在整个组织中实现价值。
Real-Time Intelligence 可以帮助到我吗？
Real-Time 智能可用于数据分析、即时视觉洞察、动态数据的集中化管理、数据操作、高效查询、转换、建模以及存储大量结构化或非结构化数据。 无论是需要评估来自 IoT 系统、系统日志、自由文本、半结构化数据，还是提供数据供组织中的其他人使用，Real-Time Intelligence 都可以提供多功能解决方案。
尽管称之为“实时”，但数据却不必以高速率和高容量流动。 Real-Time Intelligence 提供事件驱动而不是计划驱动的解决方案。 Real-Time Intelligence 组件基于受信任的核心 Microsoft 服务进行构建，它们共同扩展了 Fabric 的整体功能，以提供事件驱动的解决方案。
Real-Time Intelligence 应用程序涵盖了各种业务应用场景，例如汽车业、制造业、IoT、欺诈检测、业务运营管理和异常情况检测等。
如何使用 Real-Time Intelligence？
将 Microsoft Fabric 中 Real-Time Intelligence 提供的功能相结合，可以创建出支持业务和工程流程的 Real-Time Intelligence 解决方案。
实时中心充当组织内的集中式目录。 有助于实现轻松访问、添加、浏览和数据共享。 通过扩展数据源的范围，实时中心可以在各个领域实现更广泛的见解和视觉清晰度。 重要的是，此中心可确保数据不仅可用，而且可供所有人访问，从而促进快速决策和明智的行动。 共享来自不同源的流式处理数据激发了在整个组织中构建全面的商业智能的潜力。
从组织中选择流或连接到外部或内部源后，就可以使用 Real-Time Intelligence 中的数据使用工具来浏览数据。 数据使用工具采用了视觉对象数据探索流程并向下钻取数据见解。 你可以访问新数据，并轻松了解数据结构、模式、异常、预测数量和数据传输速率。 因此，可以根据数据来采取行动或做出明智的决策。 Real-Time 仪表板配备了现成的交互，以简化数据理解的过程，使得任何想要使用视觉工具、自然语言和协作导航基于动态数据做出决策的人都能够方便地使用。
可以使用 Fabric Activator 将这些见解转换为行动，因为你可以从 Fabric 的各个部分设置警报，以便实时对数据模式或条件做出反应。
如何与实时智能的组件进行交互？
发现流式处理数据
实时中心用于发现和管理流式处理数据。 实时中心事件是动态数据的目录，包含：
数据流：你有权访问的 Fabric 中主动运行的所有数据流。
Microsoft 源：可轻松发现你拥有的流式处理源并进行快速配置，以实现这些源到 Fabric 的引入，例如：Azure 事件中心、Azure IoT 中心、Azure SQL DB 变更数据捕获 (CDC)、Azure Cosmos DB CDC、PostgreSQL DB CDC。
Fabric 事件：支持实时通知和数据处理的事件驱动功能。 可以监视和回应事件，包括 Fabric 工作区项事件和Azure Blob 存储事件。 这些事件可用于触发其他作或工作流，例如调用管道或通过电子邮件发送通知。 还可以通过事件流将这些事件发送到其他目标。
这些数据均以易于使用的格式呈现，可用于所有 Fabric 工作负载。
连接到流式处理数据
事件流是一种 Fabric 平台方法，用于通过无代码体验捕获和转换大量实时事件，并将其路由到各种目标。 事件流支持多种数据源和数据目标，包括各种连接外部源的连接器。这些外部源包括 Apache Kafka 群集、数据库变更数据捕获源、AWS 流式处理源 (Kinesis) 和 Google (GCP Pub/Sub) 等。
处理数据流
通过使用事件流中的事件处理功能，可以执行筛选、数据清理、转换、窗口聚合和重复检测，以获得所需形式的数据。 还可以使用基于内容的路由功能，根据筛选条件将数据发送到不同的目标。 另一个功能是派生事件流，该功能允许通过转换和/或聚合构建新流，且这些流可以在实时中心内共享给使用者。
存储和分析数据
Eventhouse 是处理动态数据的理想分析引擎。 Eventhouse 专门针对具有结构化、半结构化和非结构化数据的基于时间的流式处理事件。 该数据会根据引入时间自动建立索引和分区，从而提供了对高粒度数据进行快速而复杂的分析查询功能。 存储在 eventhouse 中的数据在 OneLake 中可用，供其他 Fabric 体验使用。
eventhouse 中存储的已建立索引和分区的数据可以使用 Fabric 中的各种代码、低代码或无代码选项进行极速查询。 可以在本机 KQL（Kusto 查询语言）中查询数据，也可以在 KQL 查询集中使用 T-SQL 进行查询。 Kusto copilot 与无代码查询探索体验一起，共同为经验丰富的 KQL 用户和公民数据科学家简化了分析数据的过程。 KQL 是一种简单但功能强大的语言，可用于查询结构化、半结构化和非结构化数据。 这种语言富有表达力、易于阅读和理解查询意向，并已针对创作体验进行优化。
对数据建模
数字孪生构建器（预览版）是一种低代码/无代码体验，用于将数据建模为一种数字化表示物理环境的本体。 对资产和流程进行建模有助于使用数据优化物理作，从而让运营决策者能够访问这些数据。
借助数字孪生生成器，您可以将数据从各种源系统（包括 Fabric OneLake）映射到您的本体中，并定义系统范围或站点范围的语义关系，以便为数据提供上下文。 数字孪生生成器包括开箱即用的可视化和查询体验，用于探索建模的数据，并利用 Microsoft Fabric 的强大功能来分析大型数据集，例如时序数据和可能长达数天、数周或数月的维护记录。
数字孪生生成器数据还可以连接到 Power BI 或 Real-Time 仪表板，以便对建模数据进行其他可视化和自定义报告。
视觉对象数据见解
可以在 KQL 查询语句、实时仪表板、Power BI 报表和地图中可视化数据见解，数据从引入到生成见解仅需数秒。 可视化选项的范围从无代码到完全专业化的体验，为新手和专家见解资源管理器提供价值，将其数据可视化为图表和表格。 可以使用视觉提示对查询结果执行筛选和聚合操作，以及使用丰富的内置可视化效果列表。 可以在 Power BI 报表和实时仪表板中查看这些见解，这两者都可以根据数据见解生成警报。
Microsoft Fabric 中的地图是一种动态地理空间可视化工具，可用于分析静态和实时空间数据，以便更深入地了解智能。 它支持多个可自定义的数据层，例如气泡、热度地图、多边形和三维延伸，使你能够发现传统图表经常错过的空间模式和趋势。 通过与 Lakehouses 和 Eventhouses 集成并使用刷新间隔启用 KQL 查询，Map 有助于实时数据分析，帮助团队监视实时更改、检测异常并及时做出决策。 借助内置的地图样式以及对 GeoJSON 和 PMTiles 等格式的支持，它是提升运作意识和空间智能的强力工具。 有关详细信息，请参阅 创建地图。
触发操作
警报监视不断变化的数据，并在检测到模式或条件时自动执行操作。 数据可在实时中心中流动，也可以从 Kusto 查询或 Power BI 报表中观察到。 满足某些条件或逻辑时，将执行某个操作，例如提醒用户、执行管道等 Fabric 作业项或启动 Power Automate 工作流。 逻辑可以是一个简单定义的阈值、一种模式（例如一段时间内重复发生的事件），也可以是 KQL 查询定义的复杂逻辑的结果。 Activator 可将事件驱动的见解转化为可操作的业务优势。
与其他 Fabric 体验集成
- 将事件从事件流路由到 Fabric 项目标
- 将 Fabric 项中的事件发出到实时中心
- 通过多种方式从 Real-Time Intelligence 访问 OneLake 中的数据：
- 使用加载到 Real-Time Intelligence 中的数据作为 Power BI 报表中可视化的基础数据
- 使用加载到 Real-Time Intelligence 中的数据在数据工程师的 Fabric 笔记本中进行分析