Streaming de datos de IoT instantáneo con AKSInstant IoT data streaming with AKS

Información generalOverview

En este escenario de ejemplo se muestra cómo ingerir y analizar grandes volúmenes de datos de IoT, y cómo generar recomendaciones y conclusiones en tiempo real.This example scenario demonstrates how to ingest and analyze high volumes of IoT data and generate real-time recommendations and insights.

En este ejemplo se utiliza lo siguiente:This example utilizes:

  • Ingesta de datos en tiempo real y canalización de procesamiento con capacidad de detección y notificación en cuestión de segundos.Real-time data ingestion and processing pipeline capable of detection and notification within seconds
  • Una puerta de enlace de API segura que se conecta a servicios back-end que se ejecutan en cualquier lugar.A secure API gateway that connects to back-end services running anywhere
  • Aprovisionamiento elástico de la capacidad de proceso sin necesidad de administrar la infraestructura.Elastic provisioning of compute capacity without the need to manage the infrastructure

ArchitectureArchitecture

Diagrama de la arquitectura Descargar un archivo SVGArchitecture Diagram Download an SVG

Data FlowData Flow

Los datos fluyen por la solución de la siguiente manera:The data flows through the solution as follows:

  1. Los datos del sensor se generan y transmiten a Azure API Management.Sensor data is generated and streamed to Azure API Management
  2. El clúster de AKS ejecuta microservicios que se implementan como contenedores detrás de una malla de servicio; los contenedores se crean mediante un proceso de DevOps y se almacenan en Azure Container Registry.AKS cluster runs microservices that are deployed as containers behind a service mesh; containers are built using a DevOps process and stored in Azure Container Registry
  3. El servicio de ingesta almacena los datos en una instancia de Azure Cosmos DB.Ingest service stores data in an Azure Cosmos DB
  4. De forma asincrónica, el servicio de análisis recibe los datos y los transmite a Apache Kafka y a Azure HDInsight.Asynchronously, the analysis service receives the data and streams it to Apache Kafka and Azure HDInsight
  5. Los científicos de datos pueden analizar los macrodatos para usarlos en modelos de Machine Learning mediante Splunk.Data scientists can analyze the big data for use in machine learning models using Splunk
  6. Los datos se procesan mediante el servicio de procesamiento, que almacena el resultado en Azure Database for PostgreSQL y almacena en caché los datos en una instancia de Azure Cache for Redis.Data is processed by the processing service, which stores the result in Azure Database for PostgreSQL and caches the data in an Azure Cache for Redis
  7. Una aplicación web que se ejecuta en Azure App Service se usa para visualizar los resultados.A web app running in Azure App Service is used to visualize the results

ComponentesComponents

En este escenario de ejemplo se usan varios componentes de Azure:This example scenario uses several Azure components:

  • Azure Pipelines: automatice la compilación e inserte las imágenes en el registro de contenedor y la implementación de contenedores en Kubernetes.Azure Pipelines: Automate build and push images to container registry and deployment of containers to Kubernetes
  • Azure API Management: exponga datos y servicios de forma selectiva al mundo exterior y administre las llamadas de API entrantes.Azure API Management: Selectively expose data and services to the outside world and manage incoming API calls
  • Azure Container Registry: compile, almacene, proteja, examine, replique y administre las imágenes de contenedor y los artefactos.Azure Container Registry: Build, store, secure, scan, replicate, and manage container images and artifacts
  • Azure Kubernetes Service: la instancia totalmente administrada de Azure Kubernetes Service (AKS) facilita la implementación y la administración de las aplicaciones en contenedores.Azure Kubernetes Service: The fully managed Azure Kubernetes Service (AKS) makes deploying and managing containerized applications easy
  • Azure Key Vault: proteja las claves criptográficas y otros secretos que usan los servicios y aplicaciones en la nube.Azure Key Vault: Safeguard cryptographic keys and other secrets used by cloud apps and services
  • Azure Cosmos DB: servicio de bases de datos totalmente administrado con distribución global llave en mano y replicación principal múltiple transparente.Azure Cosmos DB: A fully managed database service with turnkey global distribution and transparent multi-primary replication.
  • Azure HDInsights: un servicio rentable de nivel empresarial para el análisis de código abierto.Azure HDInsights: A cost-effective, enterprise-grade service for open-source analytics
  • Azure Web Apps: compile y hospede aplicaciones web, back-ends móviles y API de RESTful sin necesidad de administrar la infraestructura.Azure Web Apps: Build and host web apps, mobile back ends, and RESTful APIs without managing infrastructure.
  • Azure Database for PostgreSQL: servicio de base de datos relacional totalmente administrado que se basa en el motor de base de datos de código abierto de PostgreSQL.Azure Database for PosgreSQL: a fully managed relational database service based on the open-source Postgres database engine.
  • Azure Databricks: plataforma de análisis basada en Apache Spark optimizada para la plataforma de servicios en la nube de Microsoft Azure.Azure Databricks: An Apache Spark-based analytics platform optimized for the Microsoft Azure cloud services platform.
  • Azure Cache for Redis: almacenamiento de datos en memoria totalmente administrado y compatible con código abierto para impulsar aplicaciones rápidas y escalables.Azure Cache for Redis: A fully managed, open source–compatible in-memory data store to power fast, scalable applications.

Pasos siguientesNext Steps