Azure Time Series Insights előzetes verzió használati eseteiAzure Time Series Insights Preview use cases

Ez a cikk a Azure Time Series Insights előzetes verziójának számos gyakori felhasználási esetét összegzi.This article summarizes several common use cases for Azure Time Series Insights Preview. A cikkben szereplő javaslatok kiindulási pontként szolgálnak az alkalmazások és megoldások fejlesztéséhez Time Series Insights használatával.The recommendations in this article serve as a starting point to develop your applications and solutions with Time Series Insights.

Ez a cikk a következő kérdésekre ad választ:Specifically, this article answers the following questions:

A következő szakaszokban ismertetjük a használati forgatókönyvek áttekintését.An overview of these use scenarios is described in the following sections.

BevezetésIntroduction

Azure Time Series Insights egy teljes körű, szolgáltatásként nyújtott platformot kínál.Azure Time Series Insights is an end-to-end, platform-as-a-service offering. A szolgáltatás a kifejezetten környezetfüggő, idősorozat-optimalizált IoT adatok gyűjtésére, feldolgozására, tárolására, elemzésére és lekérdezésére szolgál.It's used to collect, process, store, analyze, and query highly contextualized, time-series-optimized IoT-scale data. A Time Series Insights ideális megoldás az alkalmi adatfeltárásra és az operatív elemzésre.Time Series Insights is ideal for ad-hoc data exploration and operational analysis. A Time Series Insights egy egyedileg bővíthető, testreszabott szolgáltatás, amely megfelel az ipari IoT üzemelő példányok széles körű igényeinek.Time Series Insights is a uniquely extensible, customized service offering that meets the broad needs of industrial IoT deployments.

Adatfeltárás és vizuális anomáliadetektálásData exploration and visual anomaly detection

Több milliárd eseményt vizsgálhat meg és elemezhet azonnal, és feltárhatja a rendellenességeket, és megismerheti az adatok rejtett trendjeit.Instantly explore and analyze billions of events to spot anomalies and discover hidden trends in your data. A Time Series Insights közel valós idejű teljesítményt nyújt az IoT- és DevOps-alapú elemzési számítási feladatoknál.Time Series Insights delivers near real-time performance for your IoT and DevOps analysis workloads.

adatkezelőData explorer

A legtöbb ügyfél egyetért azzal, hogy az információk beszerzéséhez szükséges minimális idő az Time Series Insights egyik kiemelkedő funkciója:Most customers agree that the minimal amount of time required to gain insight is one of the standout features of Time Series Insights:

  • Az Time Series Insights nem igényel előzetes adatelőkészítést.Time Series Insights requires no upfront data preparation.
  • Percek alatt összekapcsolhatja az Azure-IoT Hub vagy az Azure Event Hubs-példányok több milliárd eseményét.It works fast to connect you to billions of events in your Azure IoT Hub or Azure Event Hubs instances in minutes.
  • A csatlakozást követően több milliárd eseményt jeleníthet meg és elemezheti a rendellenességek észlelése és az adatai rejtett trendjeinek felderítése érdekében.Once connected, you can visualize and analyze billions of events to spot anomalies and discover hidden trends in your data.

A Time Series Insights intuitív és könnyen használható.Time Series Insights is intuitive and simple to use. Az adataival egyetlen sor kód írása nélkül is dolgozhat.You can interact with your data without writing a single line of code. Nem szükséges új nyelvet megtanulnia, bár a Time Series Insights egy részletes szöveges lekérdezési nyelvet biztosít az SQL-t ismerő haladó felhasználók számára.There’s also no new language you're required to learn, although Time Series Insights provides a granular text-based querying language for advanced users who are familiar with SQL. Emellett a kezdők számára kiválasztható és kattintásos feltárást is biztosít.It also provides select-and-click exploration for novices.

Az ügyfelek gyorsan kihasználhatják az eszközökhöz kapcsolódó problémák gyors diagnosztizálásához szükséges előnyöket.Customers can take advantage of the speed to diagnose asset-related issues quickly. DevOps-elemzést végezhetnek a IoT-megoldásban fellépő hibák kiváltó okának eléréséhez.They can perform DevOps analysis to get to the root cause of a bug in an IoT solution. Emellett az adatelemzési kezdeményezéseik részeként is meghatározhatják a további vizsgálathoz szükséges területeket.They also can identify areas to flag for further investigation as part of their data science initiatives.

A Time Series Insightsban tárolt adatkezelés három fő módja van:There are three primary ways to interact with data stored in Time Series Insights:

  • Első és legegyszerűbb módja a Time Series Insights Preview Explorer.The first and easiest way to get started is with the Time Series Insights Preview explorer. A segítségével gyorsan megjelenítheti az összes IoT-adatait egy helyen.You can use it to quickly visualize all of your IoT data in one place. Olyan eszközöket biztosít, mint például a hő-Térkép, amely segít az adatrendellenességek kiépítésében.It provides tools like the heat map to help you spot anomalies in your data. Emellett perspektivikus nézetet is biztosít.It also provides a perspective view. Ezzel a beállítással akár négy nézetet is összehasonlíthat egy vagy több Time Series Insights környezetből egyetlen irányítópulton.Use it to compare up to four views from one or more Time Series Insights environments in a single dashboard. Az irányítópulton megtekintheti az idősoros adatait az összes helyen.The dashboard gives you a view of your time-series data across all your locations. További információ a Time Series Insights Preview Explorer böngészőről.Learn more about the Time Series Insights Preview explorer. Time Series Insights környezetének megtervezéséhez olvassa el Time Series Insights megtervezését.To plan out your Time Series Insights environment, read Time Series Insights planning.

  • A második módszer a JavaScript SDK használata a hatékony diagramok és diagramok gyors beágyazásához a webalkalmazásban.The second way to start is to use the JavaScript SDK to quickly embed powerful charts and graphs in your web application. A kód mindössze néhány sornyi kódot használhat a hatékony lekérdezések létrehozásához.With just a few lines of code, you can author powerful queries. A táblázatok, a tortadiagramok, a sávdiagramok, a Heat Maps és az adatrácsok feltöltésére használhatók.Use them to populate line charts, pie charts, bar charts, heat maps, data grids, and more. Ezen elemek mindegyike az SDK használatával létezik.All of these elements exist out-of-the-box by using the SDK. Az SDK emellett absztrakt Time Series Insights lekérdezési API-kat is.The SDK also abstracts Time Series Insights query APIs. Az SQL-hez hasonló predikátumok létrehozásához használhatja őket az irányítópulton megjeleníteni kívánt adatlekérdezéshez.You can use them to author SQL-like predicates to query the data you want to show on a dashboard. Hibrid megjelenítési rétegbeli megoldások esetén a Time Series Insights paraméteres URL-címeket is kínál.For hybrid presentation-layer solutions, Time Series Insights offers parameterized URLs. Zökkenőmentes csatlakozást biztosítanak a Time Series Insights betekintő Explorerrel az adatelemzéshez.They provide seamless connection points with the Time Series Insights Preview explorer for deep dives into data.

  • A harmadik módszer a hatékony API-k használata a Time Series Insights tárolt adatlekérdezéshez.The third way to start is to use the powerful APIs to query data stored in Time Series Insights. Time Series Insights olyan időbeli operátorokkal rendelkezik, mint például a from, a to, a firstés a last.Time Series Insights has temporal operators such as from, to, first, and last. Összesítések és átalakítások, például average, min, max, split by, order byés DateHistogram.It has aggregations and transformations such as average, min, max, split by, order by, and DateHistogram. Emellett olyan szűrési operátorokat is tartalmaz, mint például a has, in, and, or, greater thanés REGEX.It also has filtering operators such as has, in, and, or, greater than, and REGEX. Ezek az operátorok lehetővé teszik, hogy az alárendelt alkalmazások gyorsan megtalálják az adataikban érdekes trendeket és mintákat.All these operators enable downstream applications to quickly find interesting trends and patterns in your data. Felhasználhatja a betöltött vizualizációk kitöltését a rendellenességek észlelésére.Use them to populate homegrown visualizations to spot anomalies.

Üzemeltetéselemzés és a folyamatok hatékonyságának növeléseOperational analysis and driving process efficiency

A Time Series Insights használatával figyelheti az állapotot, a használatot és a nagy méretű berendezések teljesítményét.Use Time Series Insights to monitor the health, usage, and performance of equipment at scale. Time Series Insights egyszerű módszert kínál a működési hatékonyság mérésére.Time Series Insights provides an easy way to measure operational efficiency. A Time Series Insights használatával azonnali és rugalmas skálázhatósággal kezelheti a változatos és kiszámíthatatlan IoT-terheléseket a betöltések és a lekérdezések teljesítményének csökkenése nélkül.Time Series Insights helps manage diverse and unpredictable IoT workloads without sacrificing ingestion or query performance.

áttekintéseOverview

A működési folyamatokból érkező adatok folyamatos átvitele és folyamatos feldolgozása a megfelelő technológiával vagy megoldással együtt sikeresen átalakíthatja a vállalatokat.Streaming and continuous processing of data coming from operational processes can successfully transform any business if it's combined with the right technology or solution. Ezek a megoldások gyakran több rendszer kombinációját jelentik.Often these solutions are a combination of multiple systems. Lehetővé teszik az állandóan módosult, különösen az IoT-tartományon belüli adatelemzést és elemzést, és megosztanak egy közös mintát.They enable exploration and analysis of data that changes constantly, especially in the IoT realm, and share a common pattern.

Ezek a minták gyakran olyan IoT-kompatibilis platformokkal kezdődnek, amelyek több milliárd eseményt is betöltenek az eszközöktől és érzékelőktől, amelyek különböző területi beállításokra terjednek ki.These patterns often start with IoT-enabled platforms that ingest billions of events from devices and sensors that span various locales. Ezek a rendszerek a valós idejű elemzések és műveletek elvégzése érdekében dolgozzák fel és elemzik a streaming-adatforrásokat.These systems process and analyze streaming data to derive real-time insights and actions. Az adatok általában a meleg és a hideg tárolóba kerülnek, közel valós időben és kötegelt elemzésekhez.Data is typically archived to warm and cold store for near real-time and batch analytics.

Az összegyűjtött adatok több feldolgozási folyamaton keresztül megtisztíthatók és contextualize az alsóbb rétegbeli lekérdezési és elemzési forgatókönyvek esetében.Data that's collected goes through a series of processing to cleanse and contextualize it for downstream querying and analytics scenarios. Az Azure gazdag szolgáltatásokat kínál, amelyek alkalmazhatók olyan IoT-forgatókönyvek esetén, mint az eszközök karbantartása és a gyártás.Azure offers rich services that can be applied to IoT scenarios such as asset maintenance and manufacturing. Ezek a szolgáltatások többek között a következők: Time Series Insights, IoT Hub, Event Hubs, Azure Stream Analytics, Azure Functions, Azure Logic apps, Azure Databricks, Azure Machine Learning és Power BI.These services include Time Series Insights, IoT Hub, Event Hubs, Azure Stream Analytics, Azure Functions, Azure Logic Apps, Azure Databricks, Azure Machine Learning, and Power BI.

A megoldás architektúrája a következő módon érhető el:Solution architecture can be achieved in the following manner:

  • Adatok betöltése IoT Hub vagy Event Hubs használatával a legjobb biztonsági, átviteli sebesség és késés érdekében.Ingest data via IoT Hub or Event Hubs for best-in-class security, throughput, and latency.
  • Adatfeldolgozás és-számítások végrehajtása.Perform data processing and computations. A betöltött adatcsatornákat olyan szolgáltatásokon keresztül, mint például a Stream Analytics, a Logic Apps és a Azure Functions.Funnel ingested data through services such as Stream Analytics, Logic Apps, and Azure Functions. Az Ön által használt szolgáltatás a konkrét adatfeldolgozási igényektől függ.The service you use depends on the specific data-processing needs.
  • A feldolgozási folyamatból származó számított jeleket a rendszer leküldi a tároláshoz és az elemzéshez Time Series Insights.Computed signals from the processing pipeline are pushed to Time Series Insights for storing and analytics.

A Time Series Insights közel valós idejű adatfeltárást és adatelemzést kínál a múltbeli adatokkal kapcsolatban.Time Series Insights offers near real-time data exploration and asset-based insights over historical data. Az üzleti igényektől függően a MapReduce és a Kaptári feladatok a Time Series Insights tárolt adatokon futhatnak Time Series Insights az Azure HDInsight-hoz való csatlakoztatásával.Depending on your business needs, MapReduce and Hive jobs can run on data stored in Time Series Insights by connecting Time Series Insights to Azure HDInsight. A Time Series Insightsban tárolt adatPower BIk és más ügyfélalkalmazások számára elérhetők a Time Series Insights nyilvános felületű lekérdezési API-kon keresztül.Data stored in Time Series Insights is available to Power BI and other customer applications via the Time Series Insights public surface query APIs. Ezek az adatok a Deep Business és az operatív intelligenciával kapcsolatos forgatókönyvekhez használhatók.This data can be used for deep business and operational intelligence scenarios.

Bővített analitikaAdvanced analytics

Integrálja a fejlett elemzési szolgáltatásokkal, például a Machine Learning és a Azure Databricksokkal.Integrate with advanced analytics services such as Machine Learning and Azure Databricks. Time Series Insights több millió eszközről ingresses a nyers adatok mennyiségét.Time Series Insights ingresses raw data from millions of devices. Olyan környezetfüggő adatok hozzáadására szolgál, amelyeket az Azure Analytics-szolgáltatások egy csomagja zökkenőmentesen felhasználhat.It adds contextual data that can be consumed seamlessly by a suite of Azure analytics services.

AnalitikaAnalytics

A fejlett elemzési és gépi tanulási szolgáltatás nagy mennyiségű adatmennyiséget használ fel és dolgoz fel.Advanced analytics and machine learning consume and process large volumes of data. Ezek az adatok az adatvezérelt döntések végrehajtásához és a prediktív elemzések elvégzéséhez használatosak.This data is used to make data-driven decisions and perform predictive analysis. A IoT-használati esetekben a fejlett elemzési algoritmusok a több millió eszközről gyűjtött adatokból tanulnak.In IoT use cases, advanced analytics algorithms learn from the data collected from millions of devices. Ezek az eszközök többször továbbítanak adatokat másodpercenként.These devices transmit data multiple times every second. A IoT-eszközökről gyűjtött adatok nyersek.The data collected from IoT devices is raw. Nem rendelkezik a kontextussal kapcsolatos információkkal, például az eszköz helyével és az érzékelő olvasásának egységével.It lacks contextual information such as the location of the device and the unit of the sensor reading. Ennek eredményeképpen a nyers adatfeldolgozást nehéz közvetlenül a speciális elemzésekhez használni.As a result, raw data is difficult to consume directly for advanced analytics.

Time Series Insights áthidalja a IoT és a fejlett Analitika közötti szakadékot két egyszerű és költséghatékony módon:Time Series Insights bridges the gap between IoT data and advanced analytics in two simple and cost-effective ways:

  • A Time Series Insights a IoT Hub használatával gyűjti össze a nyers telemetria-adatokat több millió eszközről.First, Time Series Insights collects raw telemetry data from millions of devices by using IoT Hub. A szolgáltatás a környezetfüggő adatokkal gazdagítja az adatokat, és egy parketta formátumba alakítja át az adatokat.It enriches data with contextual information and transforms data into a parquet format. Ez a formátum egyszerűen integrálható más fejlett analitikai szolgáltatásokkal, például Machine Learningokkal, Azure Databricksekkel és külső gyártók alkalmazásaival.This format can easily integrate with other advanced analytics services, such as Machine Learning, Azure Databricks, and third-party applications.

    Time Series Insights az igazság forrásaként szolgálhat a szervezeten belüli összes adathoz.Time Series Insights can serve as the source of truth for all data across an organization. Létrehoz egy központi tárházat az alsóbb rétegbeli elemzési számítási feladatok felhasználásához.It creates a central repository for downstream analytics workloads to consume. Mivel Time Series Insights közel valós idejű tárolási szolgáltatás, a fejlett elemzési modellek folyamatosan megismerhetik a bejövő IoT telemetria adatait.Because Time Series Insights is a near real-time storage service, advanced analytics models can learn continuously from incoming IoT telemetry data. Ennek eredményeképpen a modellek pontosabb előrejelzéseket készíthetnek.As a result, the models can make more accurate predictions.

  • Másodszor, a gépi tanulási és előrejelzési modellek kimenete Time Series Insightsba is helyezhető az eredmények megjelenítéséhez és tárolásához.Second, the output of machine learning and prediction models can be fed into Time Series Insights to visualize and store their results. Ez az eljárás segít a szervezeteknek a modelljeik optimalizálásában és finomhangolásában.This procedure helps organizations to optimize and tweak their models. A Time Series Insights megkönnyíti a folyamatos átviteli telemetria-adatokat a betanított modell kimenetével megegyező síkban ábrázolni.Time Series Insights makes it simple to visualize streaming telemetry data on the same plane as the trained model outputs. Így segít az adatelemzési csapatoknak észrevenni a rendellenességeket és azonosítani a mintákat.In this way, it helps data science teams spot anomalies and identify patterns.

Következő lépésekNext steps