Real-Time Intelligence with Microsoft Fabric

Manual técnico centrado en la carga de trabajo de inteligencia en tiempo real (Real-Time Intelligence) dentro de la plataforma analítica unificada Microsoft Fabric, escrito por los especialistas y Microsoft MVPs Johan Ludvig Brattås y Frank Geisler. Publicado por O'Reilly con base en las versiones y servicios más recientes de Microsoft Fabric y Azure (que unifican Synapse Real-Time Analytics y Data Activator), el texto aborda la ingesta continua, el almacenamiento optimizado y el análisis inmediato de flujos de eventos e IoT. Está orientado a ingenieros de datos, arquitectos de soluciones analíticas y consultores de BI de nivel intermedio que cuentan con experiencia previa en SQL y almacenes de datos y necesitan migrar hacia arquitecturas de streaming de ultra baja latencia.

El libro cubre minuciosamente los componentes centrales de la arquitectura en tiempo real de Fabric: la configuración y transformación de flujos continuos mediante Eventstreams (conectando fuentes como Apache Kafka o Azure Event Hubs), el almacenamiento y particionado en Eventhouses y bases de datos KQL, y el aprendizaje profundo de KQL (Kusto Query Language), contrastando sus operadores (summarize, extend, project, parse_json) frente al SQL relacional convencional. Además, enseña a crear paneles de control en tiempo real, configurar automatizaciones y disparadores de eventos con Data Activator (Microsoft Fabric Activator) para enviar alertas a Microsoft Teams o activar flujos de trabajo, orquestar datos mediante el Real-Time Hub, automatizar despliegues con MicrosoftFabricMgmt y la Fabric CLI, e integrar Fabric Copilot para generar consultas asistidas por IA.

Su metodología es mixta e incluye proyectos prácticos guiados, desde una implementación introductoria en los primeros capítulos hasta el montaje de canalizaciones de streaming completas con telemetría en vivo y reglas reactivas ante anomalías. Aporta una guía fundamental para adoptar el nuevo paradigma de analítica en streaming dentro del ecosistema Microsoft sin requerir configuraciones complejas de clústeres; deja fuera la administración a bajo nivel de infraestructura no gestionada de Kafka o Spark y el entrenamiento de modelos de deep learning desde cero. Conviene tener conocimientos sólidos de SQL y fundamentos generales de servicios de datos en Azure antes de iniciar la lectura.