Upload
phunghanh
View
212
Download
0
Embed Size (px)
Citation preview
©HMS Analytical Software GmbH 2016
Azure Stream AnalyticsAzure Event Hubs
Power BI
Realtime Reportingeinfach gemacht
David Schäfer
Realtime Reporting:EINFÜHRUNG
Realtime Reporting Advanced:EVENT HUBS & STREAM ANALYTICS
Realtime Reporting Self-Service:POWER BI
I N H A L T
Realtime Business Intelligence
Klassisches BI
Statische Daten der Vergangenheit
Realtime BI
Analyse der Daten in Echtzeit
Predictive Maintenance
Supply Chain
Stauerkennung
Warenkorb
Betrugserkennung
Finanzportfolio
Analyse auf Datenströmen
Realtime BI
I N H A L T
Azure Webseite:Visualisierung am Beispiel Sales Radar
Realtime Reporting Advanced
Vorarbeiten:
Event Hub Stream Analytics
S A L E S R A DA RE i n B l i c k h i n t e r d i e K u l i s s e n
Webshop Azure-GatewayWebsite:
Sales Radar App
Stream AnalyticsEvent Hubs
Machine Learning
R E A LT I M EB u s i n e s s I n t e l l i g e n c e
Datenstromerzeugen
Datenstromsammeln
Datenstrom verarbeiten
Datenstrom analysieren
Datenstrom visualisieren
Datenstromerzeugen
Datenstromsammeln
Datenstrom verarbeiten
Datenstrom analysieren
Datenstrom visualisieren
A Z U R ER e a l t i m e B I m i t
Quelle Event Hub Stream Analytics Machine Learning Power BI
Website
A z u r e E v e n t H u b s
Eigenschaften
Beliebige Anzahl an Sendern
Ein oder mehrere Konsumenten
Skaliert intern über Partitionen
Konsumenten haben Pointer auf Datenstrom
Kein Löschen der Events nach Verarbeitung
Löschen der Events nach Retention-Periode
A z u r e S t r e a m A n a l y t i c s
E i g e n s c h a f t e n
Massive Skalierung
Schnelle Entwicklung
Agiles Umsetzen von Business-Anforderungen
Geringe Anlaufkosten (Entwicklung + Betrieb)
Integriert sich in die Microsoft Cloud-BI-Strategie
Basierend auf bekannten Technologien
A z u r e S t r e a m A n a l y t i c s
S y n t a x
Teilmenge der T-SQL-Sprachsyntax
Feldnamen sind nicht Case-SensitivEingaben von Quellen mit mehrdeutigen Feldnamen (Case-Sensitiv) werden als ungültig angesehen
TIMESTAMP zentrales Element in Stream-VerarbeitungISO 8601-Formate interpretierbar als Zeit
A z u r e S t r e a m A n a l y t i c s
U nte r s t ü t z te I n p u t - F o r m a te
CSV
JSON
AVRO Apache / Hadoop Standard Schemadefinition über JSON-Format Eigentliche Daten sind Binär-Codiert Optimierte Performance
SELECT sensorId, telemetry,
LAG(telemtry) OVER (PARTITION BY sensorId LIMIT DURATION(ss, 5)) as
previousTelemetry
FROM input
Anwendungsfa l l : Ermitteln des aktuellen und letztenMesswertes eines Sensors.
S t r e a m A n a l y t i c s | Der Blick zurück
1
SELECT sensorId, growth = telemetry / LAG(telemetry) OVER (PARTITION BY sensorId LIMIT DURATION(hour, 1))
FROM input
Anwendungsfa l l : Ermitteln des Veränderung eines Messwertes.
S t r e a m A n a l y t i c s | Der Blick zurück
2
S t r e a m A n a l y t i c s
Streaming basiert auf Zeitstempel
Zeitstempel wann Event vom Event-Hub empfangen wurde?
Zeitstempel des Sensors?
Welches Datum soll überhaupt untersucht werden?
Anfangs- oder Endezeit des Events?
Format des Datums?
Zeitmanagement ❶
S t r e a m A n a l y t i c s
Zeitmanagement ❷
Einheitliche Referenzierung: System.TimeStamp
ISO 8601-Formate direkt interpretierbar
Ausdrücke für Zeitstempel-Ermittlung
TimeStamp BY (CASE eventType
WHEN ‚A‘ THEN field1 WHEN ‚B‘ THEN field2 ELSE NULL
END)
TimeStamp BY DateAdd(millisecond, epochtime, ‚1970/01/01 GMT‘)
S t r e a m A n a l y t i c s
Zeitstempel ist standardmäßig das Ankunftsdatum in Quelle
Zeitstempel kann benutzerdefiniert auf bestimmtes Feld umgebogen werden
Zeitmanagement ❸
SELECT System.TimeStamp FROM input TIMESTAMP BY created
S t r e a m A n a l y t i c s❶ Rollierendes Fenster
Schema
Einfachstes Modell Keine Fensterüberlappung Feste Fenstergröße
Merkmale
Konsoldieren einzelner Events eines Sensors, z. B. Durchschnitts-spannung pro Minute bei sekündlicher Messung
Anwendungsbeispiel
S t r e a m A n a l y t i c s❷ Springendes Fenster
Schema
Definierte Überlappung der Fenster
Größe der Überlappung planbar
Feste Fenstergröße
Merkmale
Ermittle alle 5 Sekunden die Durchschnittstemperatur der letzten 10 Minuten
Anwendungsbeispiel
S t r e a m A n a l y t i c s❸ Gleitendes Fenster
Schema
Fenster hat keinen definierten Anfangs- oder Endezeitpunkt
Ermöglicht die Erkennung von Mustern über einen Zeitraum
Merkmale
Messung: Zeige mir die Sensoren, welche die Temperatur von 100 Grad für fünf Sekunden über-schritten haben.
Anwendungsbeispiel
P o w e r B I
Vielzahl an Tools PreismodellLange
IterationszyklenMobile
Anforderungen
Erweiterungs-möglichkeiten
(API)
Abhängigkeiten zu Office 365
Abhängigkeiten zu Excel 2013
Warum ein neues Power BI?
P o w e r B I
VisualisierungenPower BI Desktop
Query FormulaLanguage
Office 365 Groups
Model Designer Power BI API
Content PacksFreigabe von Dashboards
Q&AMobile Apps für
Windows, iOS, Android
Der Umfang
P o w e r B I
Kein Enterprise ETL-Tool
Corporate Design schwierig umsetzbar Unternehmensspezifische Standards in
Reporting nicht umsetzbar Komplexe Verbindungen von Charts nicht
möglich Drill-Down-Möglichkeiten Rechtemanagement
Kein Enterprise Reporting
Die Limitierungen
P o w e r B I
A d v a n c e d A n a l y t i c sAzure HD Insight, Azure ML
S t r e a m - A n a l y s eAzure Stream Analytics, Azure Storm
Advanced Business IntelligenceAzure Data Factory, Azure Sql-Data
Warehouse, Data Lake
Field Gateway
Cloud Gateway Azure Event-
Hubs
IoT Architektur
P o w e r B I
Programmatischer Zugriff auf Power BI Charts Datasets Inhalte von Datasets
Webservice Schnittstelle
REST API
DAS IST MÖGLICH DAS S IND DIE TOOLS
Realtime Analytics, Business Intelligence
und Reportingin Azure
Big Data Szenarien:Data LakeHDIns ight
Power B Ischnelles Ergebnis – breites Spektrum an Visualisierung
Stream Analytics/Event Hubskomplexere Szenarien [z.B. IoT] –volle Anpassbarkeit
Machine LearningAnalytics in der Cloud
https://azure.microsoft.com/de-de/documentation/articles/event-hubs-overview/
https://azure.microsoft.com/de-de/documentation/services/stream-analytics/
https://msdn.microsoft.com/en-us/library/dn877544.aspx
http://blogs.msdn.com/b/powerbi/
http://docs.powerbi.apiary.io/
https://www.xing.com/profile/David_Schaefer6
VIELEN DANK!Ich freue mich auf Feedback
BildrechteSeite 1 HMS (Oesterer)Seite 2 pixelio (Haiko Hertes)Seite 3 pixelio (Michael Loeper)Seite 4 pixelio (Andrea Damm)Seite 5 pixelio (das Auge)Seite 6 pixelio (Haiko Hertes)Seite 7 pixelio (bluefeeling)Seite 8 pixelio (Arkadius Neumann)Seite 9 pixelio (Arkadius Neumann)Seite 10 pixelio (Arkadius Neumann)Seite 11 pixelio (Günter Havlena)Seite 12 pixelio (Roman Peschel)Seite 13 pixelio (Roman Peschel)Seite 14 pixelio (Roman Peschel)Seite 15 pixelio (Erich Westendarp)Seite 16 pixelio (Erich Westendarp)Seite 17 pixelio (Roman Peschel)Seite 18 pixelio (Roman Peschel)
Seite 19 pixelio (Roman Peschel)Seite 20 pixelio (W. R. Wagner)Seite 21 pixelio (W. R. Wagner)Seite 22 pixelio (W. R. Wagner)Seite 23 pixelio (Haiko Hertes)Seite 24 pixelio (Fritz Zühlke)Seite 25 pixelio (Fritz Zühlke)Seite 26 --Seite 27 pixelio (Fritz Zühlke)Seite 28 pixelio (Fritz Zühlke)Seite 29 pixelio (bluefeeling)Seite 30 --Seite 31 pixelio (Fritz Zühlke)Seite 32 pixelio (bluefeeling)Seite 33 pixelio (Florentine)Seite 34 pixelio (birgitH)Seite 35 pixelio (Florentine)Seite 36 pixelio (Florentine)Seite 37 pixelio (Florentine)