Panamá Puente Digital: Microsoft Fabric Real Time Analytics

 

Press enter or click to view image in full size

En muchos proyectos de analítica, hay un momento en donde los datos dejan de ser históricos y empiezan a ser datos que se mueven. Ya no estamos viendo qué pasó ayer, sino qué está pasando ahora mismo.

Y ahí es donde empiezan los retos interesantes.

Porque cuando hablamos de datos geoespaciales en tiempo real — por ejemplo GPS de camiones, rutas de distribución, activos en movimiento o incluso personas — ya no basta con un data warehouse tradicional. Necesitamos una arquitectura que sea capaz de:

  • ingerir datos en tiempo real
  • procesarlos casi inmediatamente
  • analizarlos con contexto
  • y visualizarlos de forma que tenga sentido para el negocio

En esta charla que voy a impartir en Panamá Puente Digital, la idea es precisamente explicar cómo hacer esto utilizando Microsoft Fabric, pero no desde la teoría, sino desde un enfoque práctico y aterrizado a casos reales.

Cómo lo resolvemos con Microsoft Fabric

Lo interesante de Microsoft Fabric es que permite construir este tipo de soluciones sin tener que armar 10 servicios distintos como antes.


Dentro de Fabric tenemos todos los componentes necesarios en un solo lugar.

Press enter or click to view image in full size

En la charla voy a ir construyendo este flujo de extremo a extremo.

Primero, necesitamos ingerir los datos en tiempo real. Para eso utilizamos los componentes de event streaming dentro de Fabric, donde podemos recibir eventos desde dispositivos, APIs o simuladores.

Luego, esos eventos pasan a un motor de procesamiento en tiempo real. Aquí es donde entra lo que antes conocíamos como streaming analytics, pero ahora integrado dentro de Fabric. Esto nos permite hacer cosas como:

  • filtrar eventos
  • detectar patrones
  • aplicar reglas
  • calcular métricas en ventanas de tiempo

Por ejemplo, podemos detectar si un vehículo se sale de una geocerca o si su velocidad cae a cero en una zona no autorizada.

Después de eso, esos datos pueden almacenarse en un Lakehouse en OneLake para análisis posterior, pero al mismo tiempo pueden ser consumidos directamente por dashboards en Power BI en modo casi real.

Si desean practicar con Real Time Analytics pueden seguir este tutorial https://learn.microsoft.com/en-us/fabric/real-time-intelligence/tutorial-introduction

https://learn.microsoft.com/en-us/training/modules/get-started-kusto-fabric/?source=recommendations

Press enter or click to view image in full size
Microsoft Fabric

Comentarios

Publicar un comentario

Entradas más populares de este blog

Custom Membership Provider para Forms Authentication y MOSS

  El siguiente es un ejemplo de código de Microsoft sobre cómo implementar un Membership Provider personalizado.   using System.Web.Security; using System.Configuration.Provider; using System.Collections.Specialized; using System; using System.Data; using System.Data.Odbc; using System.Configuration; using System.Diagnostics; using System.Web; using System.Globalization; using System.Security.Cryptography; using System.Text; using System.Web.Configuration; /* This provider works with the following schema for the table of user data. CREATE TABLE Users ( PKID Guid NOT NULL PRIMARY KEY, Username Text (255) NOT NULL, ApplicationName Text (255) NOT NULL, Email Text (128) NOT NULL, Comment Text (255), Password Text (128) NOT NULL, PasswordQuestion Text (255), PasswordAnswer Text (255), IsApproved YesNo, LastActivityDate DateTime, LastLoginDate DateTime, LastPasswordChangedDate DateTime, CreationDate DateTime, IsOnLine YesNo, IsLockedOut YesNo,...
Leer más

Cómo identificar consultas más pesadas en SQL Server

Muchas veces nos encontramos en situaciones en las cuales tenemos un servidor SQL Server, y los usuarios reportan que el sistema está lento, por lo tanto, es crucial que podamos identificar cuál es la causa.  El primer paso puede ser identificar cuáles son las consultas TSQL que están consumiendo más recursos en el servidor, para poder identificarlas podemos recurir al siguiente script, el cual nos devuelve las consultas ordenadas por tiempo de ejecución, a partir de esta consulta podemos identicar el TSQL que consume más recursos e iniciar nuestras tareas de mejoras de desempeño. -- Consultas que afectan el desempeño SELECT TOP 10 SUBSTRING ( qt . TEXT , ( qs . statement_start_offset / 2 ) + 1 , ( ( CASE qs . statement_end_offset WHEN - 1 THEN DATALENGTH ( qt . TEXT ) ELSE qs . statement_end_offset END - qs . statement_start_offset ) / 2 ) + 1 ) AS consulta_TSQL , db . name AS [nombre_base_datos] , qs . total_...
Leer más