Idee per le soluzioni
Questo articolo è un'idea di soluzione. Per espandere il contenuto con altre informazioni, ad esempio potenziali casi d'uso, servizi alternativi, considerazioni sull'implementazione o indicazioni sui prezzi, inviare commenti e suggerimenti su GitHub.
Questo articolo descrive una soluzione Internet delle cose (IoT) che fornisce alimentazione, luce e servizi Internet a posizioni remote.
Architettura
Soluzione dell'applicazione
Scaricare un file di Visio di questa architettura.
Flusso di dati
Si tratta di un'app di microservizi in contenitori con interfacce utente finale:
- Gli agenti di vendita e servizi sul campo usano una piattaforma mobile per interagire con l'applicazione cloud tramite app Azure lication Gateway. Gli utenti finali usano un'interfaccia predefinita o un'app per dispositivi mobili per accedere e controllare i propri dispositivi.
- gateway applicazione usa protocolli di messaggistica per interagire con utenti e operatori.
- L'app cloud è costituita da microservizi in contenitori che forniscono funzionalità e interfacce come la gestione delle identità e degli accessi, gli aggiornamenti dei dispositivi, le notifiche e i servizi commerciali.
- A seconda delle funzionalità usate, l'app accede a servizi e risorse di Azure, ad esempio Archiviazione BLOB di Azure per l'archiviazione dei dati non strutturata, Azure Cosmos DB per database strutturati di grandi dimensioni e Servizi multimediali di Azure per contenuti di intrattenimento.
- Il gateway IoT invia anche dati di telemetria e utente in streaming al cloud tramite hub IoT di Azure, da usare per l'analisi e machine learning (ML).
Soluzione di analisi e Machine Learning
La parte business intelligence del processo include il ciclo di analisi e controllo dei dati seguente:
Scaricare un file di Visio di questa architettura.
Flusso di dati
- hub IoT riceve i dati di telemetria e utente di streaming dai dispositivi IoT e indirizza gli eventi ad Azure Databricks tramite Funzioni di Azure.
- Azure Databricks estrae, trasforma e carica (ETLs) i dati dell'evento.
- Azure Databricks usa Funzioni di Azure per inviare alcuni eventi, ad esempio avvisi, direttamente a un'app di supporto clienti per l'azione.
- Azure Databricks invia i dati ETL ad Azure Synapse, che esegue analisi e archivia i dati.
- I report di Power BI usano i dati e le informazioni dettagliate analizzati. Il provider di servizi può usare i dati per la valutazione del sistema e la pianificazione futura.
- Azure Machine Learning usa un cluster Databricks per eseguire il training e ripetere il training dei modelli di Machine Learning per il risparmio energia. La ripetizione del training dei modelli combina i dati correnti con i dati esterni archiviati, ad esempio previsioni e meteo cronologici, in Azure Cosmos DB.
- Il modello sottoposto a ripetizione del training attiva una pipeline che crea un pacchetto del modello e invia i modelli sottoposti di nuovo training a hub IoT. hub IoT invia i modelli aggiornati ai dispositivi IoT da usare per la gestione dei dispositivi.
Componenti
- app Azure lication Gateway gestisce e bilancia il carico del traffico da e verso le app Web cloud.
- host servizio Azure Kubernetes (AKS) e semplifica l'orchestrazione kubernetes delle app docker in contenitori.
- Registro Azure Container è un servizio del Registro di sistema privato gestito che supporta le applicazioni del servizio Azure Kubernetes su larga scala.
- hub IoT di Azure è un hub di messaggi cloud centrale per le comunicazioni bidirezionali tra applicazioni E dispositivi IoT.
- Azure Databricks è un servizio di analisi rapido, semplice e collaborativo basato su Apache Spark per le pipeline di Big Data.
- Azure Synapse Analytics, in precedenza SQL Data Warehouse, è un servizio di analisi che riunisce data warehousing aziendale e analisi dei Big Data.
- Power BI è una raccolta di servizi software, app e connettori che trasformano i dati in visualizzazioni e report coerenti, immersive e interattivi.
- Azure Machine Learning è un ambiente di Machine Learning basato sul cloud che usa i dati esistenti per prevedere comportamenti, risultati e tendenze futuri.
Dettagli dello scenario
Una società di telecomunicazioni su larga scala basata sulla soluzione su dispositivi IoT che possono fungere da hub di energia e Internet per case e piccole imprese.
I dispositivi IoT hanno un gateway IoT che funge da hub per il trasferimento dei dati e la distribuzione personalizzata dei servizi. I dispositivi usano un pannello solare sul tetto per caricare una batteria, che fornisce luce LED, alimentazione USB e connettività cellulare. Il gateway raccoglie e trasmette i dati di telemetria dal pannello solare, dalla batteria e dai dispositivi di output. La soluzione include anche un dispositivo IoT con una scheda SIM integrata e un tablet per fornire un'interfaccia utente.
Il dispositivo IoT di base fornisce luce LED, ricarica di dispositivi USB, connettività Internet e supporto utente tramite avvisi e chatbot. Gli utenti possono ottenere più servizi e contenuti su richiesta o tramite sottoscrizione.
La soluzione complessiva combina i dispositivi connessi IoT con le app per dispositivi mobili basate sulla piattaforma Azure. La soluzione offre servizi internet e di potenza puliti e a basso costo con affidabilità elevata e tempi di inattività minimi.
supporto tecnico di Azure due principali flussi di lavoro in questa soluzione IoT:
I dati di telemetria dei dispositivi IoT in tempo reale rilevano anomalie temporanee o a esecuzione prolungata. Il sistema può rispondere tramite chatbot in tempo reale e intraprendere azioni del dispositivo. Ad esempio, in condizioni a basso consumo di energia, un dispositivo può ridurre l'utilizzo di energia per le funzionalità in background o inattive. L'utente continua a ottenere un'esperienza ottimale con i servizi che usano attivamente.
L'analisi dei dati post-elaborazione e l'apprendimento automatico valutano l'utilizzo e gli eventi imprevisti per determinare le esigenze di manutenzione predittiva e future. Gli avvisi possono notificare ai clienti le parti stimate per non riuscire a breve.
Potenziali casi d'uso
Gli scenari e i settori seguenti potrebbero usare questa soluzione:
- Posizioni con potenza centralizzata limitata e connettività Internet.
- Notizie, intrattenimento e organizzazioni educative, per distribuire contenuti e programmazione.
- Istituti finanziari, per fornire servizi commerciali e bancari online.
- Enti pubblici e sanitari pubblici, per le comunicazioni di emergenza e supporto.
Passaggi successivi
- concetti relativi a IoT e all'hub IoT di Azure
- Introduzione ai registri contenitori Docker privati in Azure
- Che cos'è il pool SQL dedicato (in precedenza SQL Data Warehouse) in Azure Synapse Analytics?
- MLOps: gestione dei modelli, distribuzione, derivazione e monitoraggio con Azure Machine Learning
- Configurare un ambiente di sviluppo con Azure Databricks e AutoML in Azure Machine Learning
- Un dispositivo a energia solare porterà intrattenimento online, educazione ai villaggi
- Case study veriown