Kostnadsoptimering i din IoT-arbetsbelastning

Kostnadseffektivitet är en av de viktigaste framgångsfaktorerna för IoT-projekt. I en typisk IoT-lösning genererar enheter stora mängder telemetri som de skickar till molnet för molntekniker att bearbeta och lagra. Hur du utvecklar enheter och program, hanterar stora mängder data och utformar din arkitektur påverkar de totala kostnaderna.

Eftersom en IoT-lösning är en teknikstack med flera lager finns det många kostnadsbesparande faktorer att tänka på och många möjligheter att optimera kostnaderna. Kostnadsoptimering är en process för kostnadskontroll med sluten loop som måste övervakas, analyseras och förbättras kontinuerligt under en lösningslivscykel.

Lösningskrav är de viktigaste kriterierna för beslut om IoT-arkitektur. Du kan dela upp kraven i funktionella och operativa krav. Separera kostnadsöverväganden för varje typ av krav, eftersom funktionella krav avgör systemdesignen, medan driftkraven påverkar systemarkitekturen. Utveckla flera användningsfall baserat på krav och jämför dem innan du slutför din design.

Den här artikeln beskriver kostnadsöverväganden för olika kombinationer av Azure IoT-tjänster och -tekniker. Information om kostnadsoptimering för specifika branscher eller användningsfall som anslutna fabriker, förutsägande underhåll eller fjärrövervakning finns i Branschspecifika Azure IoT-referensarkitekturer.

Utvärdera kostnadsoptimering i din IoT-arbetsbelastning

Om du vill utvärdera din IoT-arbetsbelastning via linserna i Well-Architected Framework Cost Optimization-pelaren slutför du frågorna om kostnadsoptimering för IoT-arbetsbelastningar i Azure Well-Architected Review. När utvärderingen har identifierat viktiga rekommendationer för kostnadsoptimering för din IoT-lösning använder du följande innehåll för att implementera rekommendationerna.

Designprinciper

Fem grundpelare för utmärkt arkitektur ligger till grund för designmetoden för IoT-arbetsbelastningar. Dessa pelare fungerar som en kompass för efterföljande designbeslut inom de viktigaste IoT-designområdena. Följande designprinciper utökar kvalitetspelare för Azure Well-Architected Framework – kostnadsoptimering.

Designprincip	Överväganden
Utveckla kostnadshanteringsområdet	Förstå total ägandekostnad (TCO) genom att ta hänsyn till både direkta och indirekta kostnader vid planering.
Använda branschstandardstrategier och metoder	För IoT-specifika branscher med egna ekosystem, till exempel tillverkning, energi och miljö, eller fordon och transport, använder du branschstandardstrategier och metoder.
Designa för hastighetsoptimering	Definiera implementeringsplaner för varje IoT-arkitekturlager.
Övervaka och optimera över tid	Övervaka och optimera kostnader med pågående kostnadsoptimeringsaktiviteter när du har implementerat din lösning.

Total ägandekostnad (TCO)

IoT-kostnader är en kompromiss mellan olika teknikalternativ. Ibland är det inte en enkel jämförelse, eftersom IoT är ett system från slutpunkt till slutpunkt. Överväg kostnadsfördelarna med synergi vid avstämning av flera tjänster och tekniker. Du kan till exempel använda Azure IoT Hub enhetstvillingar för att hantera händelser i Azure Digital Twins. Enhetstvillingar i IoT Hub är endast tillgängliga på standardnivån för IoT Hub.

Det är viktigt att korrekt beräkna långsiktiga aggregerade kostnader. Granska IoT-teknikstackarna och utveckla en kostnadsmodell som inkluderar kostnaderna för att implementera och driva alla berörda tjänster. Priskalkylatorn för Azure hjälper dig att beräkna både start- och driftskostnader.

I vissa områden kan en engångskostnad vara effektivare än återkommande kostnader. I säkerhet där hackningstekniker alltid ändras kan det till exempel vara bäst att importera ett tillförlitligt kommersiellt operativsystem och en modul som Azure Sphere. För engångsbetalning tillhandahåller sådana tjänster löpande månatliga säkerhetskorrigeringar för enheter.

Beräkna lösningskostnader baserat på att köras i stor skala i produktion, inte poc-arkitektur (proof-of-concept). Arkitektur och kostnader utvecklas snabbt efter PoC. Enligt IoT Signals EDITION 3-rapporten är den främsta orsaken till PoC-fel den höga skalningskostnaden. Den höga kostnaden för att skala IoT-projekt kommer från komplexiteten med att integrera mellan lager, till exempel enheter, gränsanslutningar och kompatibilitet mellan program.

Kostnadsmodellen bör innehålla följande områden:

• Enheter: Från och med ett begränsat antal anslutna enheter beräknar du ökningen av antalet distribuerade enheter och deras meddelandemönster. Både enheter och meddelanden kan ha linjär eller icke-linjär tillväxt över tid.

• Infrastruktur: Om du vill utvärdera infrastrukturkostnader måste du först ta hänsyn till grunderna: lagring, beräkning och nätverk. Ta sedan hänsyn till alla tjänster som din lösning behöver för att mata in, utgående och förbereda data.

• Åtgärder: Inkludera långsiktiga driftskostnader som ökar parallellt med infrastrukturkostnader, till exempel att anställa operatörer, leverantörer och kundsupportteam.

• Övervakning: Övervaka och granska kostnader kontinuerligt för att identifiera luckor mellan planerade och faktiska kostnader. Ett regelbundet kostnadsgranskningsmöte hjälper till att uppnå kostnadsoptimering.

IoT-arkitekturlager

Designprinciper för kostnadsoptimering hjälper dig att klargöra överväganden för att se till att din IoT-arbetsbelastning uppfyller kraven i de grundläggande IoT-arkitekturskikten.

Genom att förstå IoT-arkitekturlagren kan du definiera en kostnadsbaslinje och överväga flera arkitekturer för kostnadsjämförelse. Varje lager har flera tekniker och ekosystemalternativ, till exempel enheter, telekommunikationer eller gränsplatsen, så du måste upprätta en kostnadsstrategi för varje lager.

IoT-kärnskikten: enhet och gateway, enhetshantering och modellering samt inmatning och kommunikation, identifierar IoT-specifika lösningar. De andra lagren och övergripande aktiviteterna är också gemensamma för och delas ofta med andra arbetsbelastningar. TCO och kostnadsoptimering måste dock ta hänsyn till alla kostnader, så du måste ta hänsyn till de IoT-relaterade kostnaderna för vanliga och övergripande aktiviteter samt de IoT-specifika lagren.

Enhets- och gatewaylager

Det här lagret ansvarar för att generera, i vissa fall optimera och överföra data till molnet. Kostnaden är en viktig faktor för att utforma det här lagret. Kostnadsoptimering bör ta hänsyn till hela enhetens livscykel för plan, etablering, konfiguration, övervakning och borttagning.

Edge-lösningar kräver att IoT-enheter distribueras i fältet . Distributionen kan behöva en nätverks- och strömförsörjningsinfrastruktur som påverkar kostnaderna. Befintlig infrastruktur kan minimera installationskostnaderna, men kan kräva att du ser till att installationen inte påverkar befintliga system.

Utveckling eller installation av IoT-enheter kan kräva utbildning och användning av dedikerad intern eller extern personal. Kunskaper som krävs är maskinvarudesign, inbäddad programutveckling, molnbaserad och lokal anslutning, säkerhet och sekretess samt IoT-lösningsarkitektur. Branschspecifik expertis kan också krävas. Inkludera dessa kostnader i de totala enhetskostnaderna.

Enhetskostnaderna omfattar organisering av logistik, till exempel lagring, lagerhantering och transport. Inkludera kostnaden för eventuella avställningsaktiviteter när enheterna når slutet av driftslivscykeln.

För enheter som är anslutna till molnet optimerar du dataöverföringar för att upprätthålla kostnadsgränser. Strategier omfattar minimering av nyttolaststorlekar, batchbearbetning av meddelanden och överföring under perioder med låg belastning. Dessa optimeringar medför också kostnader att implementera.

Mer information om Azure IoT-enheter finns i:

• Översikt över Azure IoT-enhetstyper
• Metodtips för enhetskonfiguration i en IoT-lösning

Val av maskinvara

Merparten av enhetsutvecklingsprocessen beror på valet av maskinvara. Ett beslut om att göra eller köpa för enheter tar hänsyn till kvalitativa faktorer som WiFi-certifiering och kvantitativa faktorer som kostnadsfaktura och tid till marknad. Att välja mellan maskinvara som inte är färdig eller en anpassad design påverkar IoT-enhetskostnaden och tiden till marknaden.

• Enheter utanför hyllan kan kosta mer per enhet, men de har förutsägbara kostnader och ledtider. Färdiga enheter eliminerar också behovet av komplex hantering av leveranskedjan.

• Anpassade enheter kan minska enhetskostnaderna, men omfattar utvecklingstid och medför icke-återkommande tekniska kostnader, till exempel design, testning, certifieringsöverföringar och tillverkning.

• Förcertifierade systemkomponenter eller moduler kan minska tiden till marknaden och skapa en halvanpassad enhet, men är dyrare än diskreta chips. Du måste hantera resursförsörjningskedjan och inventeringen korrekt.

Azure Certified Device Catalog erbjuder enheter som fungerar bra med Azure IoT och kan hjälpa till att minska kostnader och tid till marknaden. Du fokuserar på att utforma och utforma IoT-lösningen med flexibiliteten att välja maskinvara från en omfattande lista över certifierade enheter. IoT-Plug and Play enheter kan minska kostnaderna för både enhets- och molnutveckling. När du väljer en Azure-certifierad enhet kan du hoppa över enhetsanpassningar och integrering direkt till registrering i din IoT-lösning.

Lambda-arkitekturmönster

IoT-lösningar använder ofta arkitekturmönstret varm/varm/kall lambda i molnet. Det här mönstret gäller även för gränsenheter när du använder mer högpresterande gränsenheter eller Azure IoT Edge-körning. Optimering av det här mönstret på gränsenheter minskar de totala lösningskostnaderna. Du kan välja den mest kostnadseffektiva tjänsten för datainmatning och bearbetning i molnet.

• Bearbetning av frekventa sökvägar omfattar bearbetning i nära realtid, processaviseringar eller edge-meddelanden. Du kan använda Azure IoT Hub händelseströmmar för att bearbeta aviseringar i molnet.

• Varm sökvägsbearbetning omfattar användning av lagringslösningar på gränsenheter, till exempel tidsseriedatabaser med öppen källkod eller Azure SQL Edge. Azure SQL Edge innehåller funktioner för bearbetning av edge-dataströmmar och tidsserieoptimerad lagring.

• Bearbetning av kall sökväg omfattar batchbearbetning av händelser med lägre prioritet och användning av ett filöverföringsalternativ via modulen Azure Blob Storage. Den här metoden använder en mekanism för dataöverföring till lägre kostnad jämfört med strömning via IoT Hub. När kalldata kommer till Azure Blob Storage finns det många alternativ för att bearbeta data i molnet.

Enhetssäkerhet

Både IoT Hub med Device Provisioning Service (DPS) och IoT Central stöder enhetsautentisering med symmetriska nycklar, TPM-attestering (Trusted Platform Module) och X.509-certifikat. Det finns en kostnadsfaktor som är associerad med varje alternativ.

• X.509-certifikat är det säkraste alternativet för autentisering till Azure IoT Hub, men certifikathantering kan vara kostsamt. Brist på planering för livscykelhantering av certifikat kan göra certifikaten ännu dyrare. Vanligtvis arbetar du med tredjepartsleverantörer som erbjuder ca- och certifikathanteringslösningar. Det här alternativet kräver att du använder en infrastruktur för offentliga nycklar (PKI). Alternativen omfattar en självhanterad PKI, en PKI från tredje part eller Azure Sphere-säkerhetstjänsten, som endast är tillgänglig med Azure Sphere-enheter.

• TPM:er med X.509-certifikat ger ett extra säkerhetslager. DPS stöder också autentisering via TPM-bekräftelsenycklar. De huvudsakliga kostnaderna är maskinvara, eventuell omdesign av brädet och komplexitet.

• Symmetrisk nyckelautentisering är det enklaste och lägsta kostnadsalternativet, men du måste utvärdera säkerhetspåverkan. Du måste skydda nycklar på enheten och i molnet, och att lagra nyckeln på enheten på ett säkert sätt kräver ofta ett säkrare alternativ.

Granska kostnader som är associerade med vart och ett av dessa alternativ och balansera potentiellt högre maskinvaru- eller tjänstkostnader med ökad säkerhet. Integrering med din tillverkningsprocess kan också påverka de totala kostnaderna.

Mer information finns i Säkerhetsmetoder för Azure IoT-enhetstillverkare.

Azure-återställningstider

Azure RTOS är en inbäddad utvecklingssvit för enheter. Azure RTOS innehåller ett litet men kraftfullt operativsystem som ger tillförlitliga, ultrasnabba prestanda för resursbegränsade enheter. Azure RTOS är enkelt att använda och har distribuerats på mer än 10 miljarder enheter. Azure RTOS har stöd för de mest populära 32-bitars mikrostyrenheterna och de inbäddade utvecklingsverktygen, så att du kan få ut det mesta av befintliga kunskaper i enhetsbyggaren.

Azure RTOS är kostnadsfri för kommersiell distribution med förlicensierad maskinvara. Azure RTOS levereras med Azure IoT-molnfunktioner och funktioner som enhetsuppdatering och säkerhet. De här funktionerna bidrar till att minska kostnaderna för både enhets- och molnutveckling.

Azure RTOS är certifierat för säkerhet och säkerhet, vilket bidrar till att minska tiden och kostnaden för att skapa kompatibla enheter för specifika vertikaler som medicin, fordon och tillverkning.

LPWAN-enheter

Om LPWAN-enheter, till exempel LoRaWAN, NB-IoT eller LTE-M, redan är anslutna till ett annat IoT-moln kan Azure IoT Central Device Bridge hjälpa dig att ansluta till Azure IoT Central. Med Azure IoT Central Device Bridge kan du fokusera på att lägga till branschkunskaper och utvärdera lösningen utan kostnader för att ändra befintliga enheter.

När du skapar en företagsklar lösning måste du överväga kostnaderna för att integrera LPWAN-enheter med Azure IoT Hub.

Azure Sphere

Azure Sphere är en säker IoT-lösning från slutpunkt till slutpunkt med inbyggda kommunikations- och säkerhetsfunktioner för Internetanslutna enheter. Azure Sphere består av en skyddad, ansluten mcu-enhet (crossover microcontroller unit), ett anpassat Linux-baserat operativsystem på hög nivå (OS) och en molnbaserad säkerhetstjänst som ger kontinuerlig, förnybar säkerhet. Azure Sphere minskar arbetet med att skapa och underhålla en säker miljö från enheten till molnet.

Azure Sphere tillhandahåller OS-uppdateringar och nolldagars förnybar säkerhet i 10 år utöver X.509-baserad PKI, uppdateringar av användarappar, felrapportering och enhetshantering i mer än 10 år utan extra kostnad. Azure Sphere minskar driftskostnaderna för att hålla miljontals enheter uppdaterade med den senaste säkerheten.

Azure Stack

Azure Stack-lösningar utökar Azure-tjänster och -funktioner till miljöer utanför Azure-datacenter, till exempel lokala datacenter eller gränsplatser. Azure Stack-lösningar omfattar Azure Stack Edge och Azure Stack HCI.

• Azure Stack Edge är en Azure-hanterad installation som är perfekt för maskinvaruaccelererade maskininlärningsarbetsbelastningar på gränsenheter. Azure Stack Edge körs på moderna teknikstackar, till exempel containrar, så Azure Stack Edge som distribueras på en gränsplats kan hantera flera arbetsbelastningar. Att dela beräkningskraft mellan arbetsbelastningar minskar TCO.

• Azure Stack HCI är en specialbyggd, hyperkonvergerad lösning med inbyggd Azure-integrering. Azure Stack HCI erbjuder skalbar virtualisering som värd för IoT-lösningar. Virtualisering ger extra fördelar som säkerhet, skalbarhet och flexibla miljöer, vilket kan minska TCO genom att dela maskinvaran med andra arbetsbelastningar. Azure Stack HCI erbjuder mer beräkningskraft än Azure Stack Edge och är perfekt för omvandling av branschprocesser.

Azure Stack-lösningar ger Azure-kapacitet till gränsen, men maskinvarustorleken begränsar den totala beräkningskraften. Identifiera användningsfall och uppskattad beräkningskraft och ta hänsyn till storleksändring för att matcha kostnader med prestandabehov.

Offentlig eller privat MEC för Azure

IoT-enheter kan generera stora mängder data och kan också ha starka krav på låg energiförbrukning och låga kostnader. Små, billiga IoT-enheter är utformade för en eller några uppgifter, till exempel att samla in sensor- eller platsdata och avlasta dem för vidare bearbetning.

Azures offentliga eller privata gränsberäkning med flera åtkomstpunkter (MEC) och 5G hjälper till att optimera kostnaderna för att avlasta data från enheter. MEC-baserade IoT-lösningar möjliggör databehandling med låg latens vid gränsen i stället för på enheter eller i molnet. Svarstiden är 1–5 ms i stället för de typiska 100–150 ms för molnet. MEC-baserade IoT-lösningar är flexibla och själva enheterna är billiga, fungerar med minimalt underhåll och använder mindre, billigare och långvariga batterier. MEC håller dataanalys, AI och optimeringsfunktioner på gränsen, vilket håller IoT-lösningarna enkla och billiga.

Förutom att fungera som en gränsbearbetnings-, beräknings- och 5G-kommunikationsenhet för IoT-arbetsbelastningar, fungerar MEC andra arbetsbelastningar som en kommunikationsenhet för att upprätta höghastighetsanslutningar till det offentliga molnet eller fjärranslutna platser.

Azure IoT Edge

Azure IoT Edge har inbyggda funktioner för stora meddelandevolymer. Azure IoT Edge hanterade enheter med gatewayfunktioner kan minska nätverkskostnaderna och minimera antalet meddelanden via lokala bearbetnings- och gränsscenarier.

Undvik enhets-till-enhet- eller modul-till-modul-gränskommunikation eller interaktioner mellan enheter och moln som använder många små meddelanden. Använd inbyggda funktioner för batchbearbetning av meddelanden för att skicka flera telemetrimeddelanden till molnet. De här funktionerna kan minska kostnaderna för att använda IoT Hub. Om du minskar både antalet dagliga meddelanden och antalet åtgärder från enhet till moln per sekund kan du välja en lägre nivå i IoT Hub. Mer information finns i Stretch the IoT Edge performance limits (Utvidga IoT Edge prestandabegränsningar).

För att minska kostnaderna för datautbyte kan du distribuera Azure-tjänster som Azure Stream Analytics och Azure Functions till IoT Edge. Azure Stream Analytics och Azure Functions kan aggregera och filtrera stora mängder data vid gränsen och endast skicka viktiga data till molnet. Azure Blob Storage på IoT Edge kan minska behovet av att överföra stora mängder data över nätverket. Edge-lagring är användbart för att transformera och optimera stora mängder data innan de skickas till molnet.

Kostnadsfria Azure IoT Edge-moduler för öppna protokoll som OPC Publisher och Modbus hjälper dig att ansluta olika enheter med minimal utveckling. Om uppladdningsprestandan är kritisk kan det vara mer kostnadseffektivt att välja en beprövad IoT Edge modul från en leverantör än att skapa en anpassad modul. Du kan söka efter och ladda ned IoT Edge moduler från Azure Marketplace.

Inmatnings- och kommunikationslager

En IoT-molngateway är en brygga mellan enheter och molntjänster. Som en klientdelstjänst till molnplattformen kan en gateway aggregera alla data med protokollöversättning och tillhandahålla dubbelriktad kommunikation med enheter.

Det finns många faktorer att ta hänsyn till för kommunikation mellan enheter och IoT-gatewayer, till exempel enhetsanslutning, nätverk och protokoll. En förståelse för IoT-kommunikationsprotokoll, nätverkstyper och meddelandemönster hjälper dig att utforma och optimera en kostnadseffektiv arkitektur.

För enhetsanslutning är det viktigt att ange nätverkstyp. Om du väljer en privat LAN- eller WAN-lösning, till exempel WiFi eller LoraWAN, bör du överväga TCO för nätverk som en del av de totala kostnaderna. Om du använder transportföretagsnätverk som 4G, 5G eller LPWAN inkluderar du återkommande anslutningskostnader.

IoT-lösningsplattform

För att skapa en IoT-lösning för ditt företag utvärderar du vanligtvis din lösning med hjälp av metoden för hanterad appplattform och skapar din företagsklara lösning med hjälp av plattformstjänsterna.

• Med plattformstjänster kan du finjustera tjänster och kontrollera de totala kostnaderna. Den innehåller alla byggstenar för anpassade och flexibla IoT-program. Du har fler alternativ för att välja och koda när du ansluter enheter och mata in, lagra och analysera dina data. Azure IoT-plattformstjänster omfattar produkterna Azure IoT Hub och Azure Digital Twins.

• Azure IoT Central är en hanterad appplattform som gör att du snabbt kan utvärdera din IoT-lösning genom att minska antalet beslut som krävs för att uppnå resultat. IoT Central tar hand om de flesta infrastrukturelement i din lösning, så att du kan fokusera på att lägga till branschkunskaper och utvärdera lösningen.

IoT Hub nivåer

De flesta IoT-lösningar kräver dubbelriktad kommunikation mellan enheter och molnet för att vara helt funktionella och säkra. Den grundläggande IoT Hub-nivån ger grundläggande funktioner, men omfattar inte dubbelriktad kontroll. För vissa tidiga lösningsimplementeringar kanske du kan minska kostnaderna med hjälp av basic-nivån. När din lösning fortskrider kan du växla till en standardnivå för att optimera en säker kommunikationskanal för lägre kostnader för meddelanden från molnet till enheten. Mer information finns i Välj rätt IoT Hub nivå för din lösning.

IoT Hub meddelandestorlek och frekvens

Meddelandekostnaderna beror i hög grad på enhetens chattighet och meddelandestorlek. Trafikintensiva enheter skickar många meddelanden till molnet varje minut, medan relativt tysta enheter bara skickar data varje timme eller mer. Undvik interaktioner mellan enheter och moln som använder många små meddelanden. Clarity om enhetens trafikintensivhet och meddelandestorlek minskar sannolikheten för överetablering, vilket leder till outnyttjad molnkapacitet eller underetablering, vilket leder till skalningsutmaningar. Överväg storleken och frekvensen för meddelandenyttolaster för att säkerställa att infrastrukturen har rätt storlek och är redo att skalas.

Undvik interaktioner från moln till enhet som använder många små meddelanden. Gruppera till exempel uppdateringar av flera enheter eller modultvillingar i en enda uppdatering, som har en egen begränsning. Tänk på meddelandestorleken som används för den dagliga kvoten, 4K byte för icke-kostnadsfria IoT Hub nivåer. När mindre meddelanden skickas används inte kapacitet, medan större meddelanden debiteras i segment på 4 KB.

Använd en enda direktmetod för att få direkt feedback. Använd en enskild enhets- eller modultvillingstatusuppdatering för att utbyta konfigurations- och statusinformation asynkront.

Tips

Du kan övervaka trafikintensiva interaktioner med hjälp av Microsoft Defender för IoT på Azure IoT Hub och Defender for IoT-mikroagenten. Du kan skapa IoT Hub anpassade aviseringar för interaktioner från enhet till moln eller från moln till enhet som överskrider ett visst tröskelvärde.

Om meddelandestorleken är viktig för kostnadshantering är det särskilt viktigt att minska omkostnaderna med långa enhetslivscykler eller stora distributioner. Här är några alternativ för att minska den här kostnaden:

• Använd ett kortare enhets-ID, modul-ID, tvillingnamn och meddelandeavsnitt för att minska nyttolasten i MQTT-paket. En MQTT-nyttolast ser ut så här devices/{device_id}/modules/{module_id}/messages/events/: .
• Förkorta omkostnaderna för fast längd och meddelandet.
• Komprimera nyttolasten, till exempel med hjälp av Gzip.

IoT Hub meddelandekvoter och begränsningar

IoT Hub nivåer har olika storlekar med specifika kvoter och begränsningsgränser för åtgärder. Förstå IoT Hub begränsningar och kvoter för att optimera kostnaderna för meddelanden från enhet till moln och från moln till enhet.

Standard S1-nivån har till exempel en daglig kvot på 400 000 meddelanden. Avgifterna ökar i 4 KB-segment baserat på flera faktorer:

• Ett meddelande från enhet till moln (D2C) kan vara upp till 4 KB.
• D2C-meddelanden som överskrider 4 KB debiteras i segment på 4 KB.
• Meddelanden som är mindre än 4 KB kan använda Azure IoT SDK-metoden SendEventBatchAsync för att optimera batchbearbetning på enhetssidan. Till exempel ökar paketering av upp till fyra 1 KB-meddelanden vid gränsen den dagliga mätaren med bara ett meddelande. Batchbearbetning gäller endast för AMQP eller HTTPS.
• De flesta åtgärder, till exempel moln-till-enhet-meddelanden eller enhetstvillingåtgärder, debiterar också meddelanden i 4 KB-segment. Alla dessa åtgärder lägger till det dagliga dataflödet och den maximala kvoten för meddelanden.

I dokumentationen Azure IoT Hub prisinformation finns detaljerade prisexempel.

Förutom dagliga meddelandekvoter har tjänståtgärder begränsningar. En viktig del av IoT Hub kostnadsoptimering är att optimera både meddelandekvoter och begränsningsgränser för åtgärder. Studera skillnaderna mellan gränserna i form av åtgärder per sekund eller byte per sekund. Mer information finns i IoT Hub kvoter och begränsning.

Olika begränsningsgränser gäller för olika IoT Hub åtgärder. Åtgärder från enhet till moln har en begränsning per sekund som är beroende av nivån. Förutom meddelandestorleken, som mäts i 4 KB-segment, bör du överväga antalet åtgärder. Med batchbearbetning på gränsenheter kan du skicka fler meddelanden i en enda åtgärd.

Ett enda meddelande på 2 KB, ett batchbaserat meddelande på 10 KB eller ett batchmeddelande på 256 KB räknas bara som en enda åtgärd, så att du kan skicka mer data till slutpunkten utan att nå begränsningsgränserna.

IoT Hub automatisk skalning

Genom att dynamiskt justera antalet IoT Hub enheter kan du optimera kostnaderna när meddelandevolymen varierar. Du kan implementera en autoskalningstjänst som automatiskt övervakar och skalar din IoT Hub-tjänst. Se Skala Azure IoT Hub automatiskt för ett anpassningsbart exempel för att implementera autoskalningsfunktioner. Du kan använda din egen anpassade logik för att optimera IoT Hub nivå och antal enheter.

Distributionsstämplar för skalning

Distributionsstämpling är ett vanligt designmönster för flexibla distributionsstrategier, förutsägbar skala och kostnad. Det här mönstret ger flera fördelar för IoT-lösningar, till exempel geodistribuering av grupper av enheter, distribution av nya funktioner till specifika stämplar och observera kostnader per enhet. Mer information finns i Skala IoT-lösningar med distributionsstämplar.

Lager för enhetshantering och modellering

Att hantera enheter är en uppgift som samordnar komplexa processer som hantering av leveranskedjan, enhetsinventering, distribution, installation, driftberedskap, enhetsuppdatering, dubbelriktad kommunikation och etablering. Enhetsmodellering kan minska hanteringskostnaderna och meddelandetrafikvolymerna.

Plug and Play för IoT

För TCO-minskning bör du överväga utökade användningsfall som en del av valet av plattform. Med IoT Plug and Play kan lösningsbyggare integrera enheter med IoT Hub eller Azure Digital Twins utan manuell konfiguration. IoT-Plug and Play använder DTDL V2 (Digital Twins Definition Language). Båda baseras på öppna W3C-standarder som JSON-LD och RDF, vilket gör det enklare att implementera tjänster och verktyg.

Det kostar inget extra att använda IoT-Plug and Play och DTDL. Standardpriserna för IoT Hub, Azure Digital Twins och andra Azure-tjänster förblir desamma.

Mer information finns i Så här konverterar du en befintlig enhet till en IoT-Plug and Play enhet.

IoT Hub DPS

IoT Hub DPS är en hjälptjänst för IoT Hub som möjliggör zero-in-time-etablering till rätt IoT-hubb utan mänsklig inblandning. DPS möjliggör säker och skalbar etablering av miljontals enheter för att minska fel och kostnader.

DPS möjliggör etablering av enheter med låg eller ingen kontakt, så du behöver inte träna och skicka personer på plats. Om du använder DPS minskar du kostnaden för lastbilsrullningar och den tid som ägnas åt utbildning och konfiguration. DPS minskar också risken för fel på grund av manuell etablering.

DPS stöder enhetslivscykelhantering med IoT Hub via principer för registreringsallokering, zero-touch-etablering, inledande konfigurationsinställning, ometablering och avetablering. Mer information finns i:

• DPS-priser
• Så här etablerar du om enheter

Modellering av tillgångs- och enhetstillstånd

Jämför kostnadsskillnader mellan flera enhetstopologi- och entitetslager, till exempel Azure Cosmos DB, Azure Digital Twins och Azure SQL Database. Varje tjänst har olika kostnadsstruktur och levererar olika funktioner till din IoT-lösning. Välj den mest kostnadseffektiva tjänsten beroende på vilken användning som krävs.

• Azure Digital Twins kan implementera en grafbaserad modell av IoT-miljön för tillgångshantering, enhetsstatus och telemetridata. Du kan använda Azure Digital Twins som ett verktyg för att modellera hela miljöer med realtids-IoT-dataströmning och slå samman affärsdata från icke-IoT-källor. Du kan skapa anpassade ontologier eller använda standarder baserade på ontologier som RealEstateCore, CIM eller NGSI-LD för att förenkla datautbytet med tredje part. Azure Digital Twins har en prismodell där du betalar per användning utan fast avgift.

• Azure Cosmos DB är en globalt distribuerad databas med flera modeller. Kostnaden påverkas av lagring och dataflöde, med regionala eller globalt distribuerade och replikerade dataalternativ.

• Azure SQL Database kan vara en effektiv lösning för enhets- och tillgångsmodellering. SQL Database har flera prismodeller som hjälper dig att optimera kostnaderna.

Tillgångsdistributionsmodell

Du kan distribuera gränslösningar med olika arkitekturer: flera slutpunkter, IoT-enheter, direktanslutna till molnet eller anslutna via en gräns- och/eller molngateway. Olika alternativ för att köpa gränsenheter kan påverka TCO och tid till marknad. Löpande underhåll och support av enhetsflottan påverkar också den totala lösningens kostnad.

Var data lagras och bearbetas i en viss IoT-lösning påverkar många faktorer som svarstid, säkerhet och kostnad. Analysera varje användningsfall och undersöka var det är mest meningsfullt att använda gränsbearbetning och datalagring och hur det påverkar kostnaderna. Lagring och bearbetning av data vid gränsen kan spara kostnader för lagring, transport och bearbetning. Men när du tar hänsyn till skalning är molntjänster ofta bättre alternativ på grund av kostnader och utvecklingskostnader.

Priskalkylatorn för Azure är ett användbart verktyg för att jämföra dessa alternativ.

Lager för händelsebearbetning och analys

Syftet med händelsebearbetnings- och analyslagret är att möjliggöra datadrivna beslut. Tidpunkten för händelser och syftet med analys är viktiga faktorer att tänka på. Rätt tjänstval ökar arkitektureffektiviteten och minskar kostnaden för bearbetning av data och händelser.

Baserat på dina krav implementerar du bearbetning av frekvent, varm eller kall sökväg för IoT-dataanalys. Azure IoT-referensarkitekturen hjälper dig att förstå skillnaden mellan dessa analysvägar och granskar tillgängliga analystjänster på varje sökväg.

Kom igång genom att avgöra vilka typer av data som går igenom den varma, varma eller kalla sökvägen:

• Frekventa sökvägsdata sparas i minnet och analyseras nästan i realtid, vanligtvis med hjälp av dataströmbearbetning. Utdata kan utlösa en avisering eller skrivas till ett strukturerat format som analysverktyg kan fråga direkt.
• Varma sökvägsdata, till exempel från den senaste dagen, veckan eller månaden, sparas i en lagringstjänst som kan efterfrågas omedelbart.
• Historiska data för kall sökväg sparas i lagring till lägre kostnad för frågor i stora batchar.

Lagringslager

Ett av målen med en IoT-lösning är att tillhandahålla data till slutanvändare. Det är viktigt att förstå lagringstyper, kapacitet och priser för att skapa en strategi för att optimera lagringskostnaderna.

Lagringstyper

Valet av lagringsplats för telemetri beror på användningsfallet för dina IoT-data. Om syftet bara är att övervaka IoT-data och volymerna är låga kan du använda en databas. Om ditt scenario innehåller dataanalys bör du spara telemetridata i lagringen. För tidsserieoptimerad, lagring med endast tillägg och frågor bör du överväga specialdesignade lösningar som Azure Data Explorer.

Lagring och databaser utesluter inte varandra. Båda tjänsterna kan fungera tillsammans, särskilt med väldefinierade sökvägar för frekvent, varm och kall analys. Azure Data Explorer och databaser används ofta för scenarier med frekvent och varm sökväg.

För Azure Storage är det också viktigt att överväga datalivscykelfaktorer som åtkomstfrekvens, kvarhållningskrav och säkerhetskopior. Azure Storage hjälper dig att definiera datalivscykeln och automatisera processen med att flytta data från frekvent nivå till andra nivåer, vilket minskar de långsiktiga lagringskostnaderna. Mer information finns i Konfigurera en livscykelhanteringsprincip.

Databaslösningar

För databasfunktioner är det vanligt att välja mellan SQL- och no-SQL-lösningar. SQL-databaser passar bäst för fast schematelemetri med enkla datatransformerings- eller dataaggregeringskrav. Mer information finns i Typer av databaser i Azure.

Azure SQL Database och TimescaleDB for PostgreSQL är vanliga alternativ för SQL Database. Mer information finns i följande artiklar:

• Planera och hantera kostnader för Azure SQL Database
• Azure SQL Databas och kostnadsoptimering
• Azure SQL Database for PostgreSQL-tillägget
• Prestandajustering för Azure SQL-databaser

Om data bäst representeras som ett objekt eller dokument utan ett fast schema är no-SQL ett bättre alternativ. Azure Cosmos DB tillhandahåller flera API:er, till exempel SQL eller MongoDB. För alla strategier för databaser, partitioner och index är det viktigt för prestandaoptimering och för att minska onödiga kostnader. Mer information finns i:

• Partitionering och horisontell skalning i Azure Cosmos DB
• Planera och hantera kostnader för Azure Cosmos DB

Azure Synapse Analytics är ett modernt Azure-informationslager. Synapse Analytics skalar efter Data Warehouse enheter (DWU) och du bör välja rätt kapacitet för att hantera dina lösningskrav. Beroende på användningsfall kan du pausa beräkningen när inget jobb körs för att minska driftskostnaderna.

Transportlager

Transportlagret överför och dirigerar data mellan andra lager. När data överförs mellan lager och tjänster påverkar valet av protokoll kostnader. Användningsfall som fältgatewayer, bransch öppna protokoll och val av IoT-nätverk påverkar också kostnaderna i transportlagret.

Om du vill minska överföringsstorlekarna och kostnaderna väljer du rätt protokoll för dina IoT-enheter för att skicka telemetri.

Enhetsklienter skickar regelbundet keep-alive-meddelanden till IoT Hub. Enligt avgifter per åtgärd debiteras du inte för keep-alive-meddelanden. Men du behöver inte lägga till en keep-alive-egenskap i telemetrin om det inte finns några specifika krav för den. För flexibilitet ger vissa SDK:er för Azure IoT-enheter möjlighet att ange ett tidsintervall för dessa meddelanden om du använder AMQP- eller MQTT-protokollen.

För batteridrivna IoT-enheter kan du välja mellan att hålla anslutningarna vid liv eller återansluta när enheterna vaknar. Det här valet påverkar energiförbrukningen och nätverkskostnaderna.

Återanslutningen förbrukar paket runt 6 kB för TLS-anslutning, enhetsautentisering och hämtning av en enhetstvilling, men sparar batterikapacitet om enheten bara vaknar en eller två gånger per dag. Du kan paketera meddelanden tillsammans för att minska TLS-omkostnaderna. Att hålla vid liv förbrukar hundratals byte, men att hålla anslutningen vid liv sparar nätverkskostnaderna om enheten vaknar med några timmars mellanrum eller mindre.

Vägledning på hög nivå om anslutningar och tillförlitliga meddelandefunktioner i Azure IoT-enhets-SDK:er finns i Hantera anslutningar och tillförlitliga meddelanden med hjälp av Azure IoT Hub enhets-SDK:er. Den här vägledningen hjälper dig att minska kostnaderna för att hantera oväntat beteende mellan enheter och Azure IoT-tjänster.

DPS minskar kostnaderna för enhetslivscykelhantering från zero-touch-etablering till tillbakadragning, men anslutning till DPS förbrukar nätverkskostnader för TLS och autentisering. För att minska nätverkstrafiken bör enheterna cachelagra IoT Hub information under etableringen och sedan ansluta till IoT Hub direkt tills de behöver återskapas. Mer information finns i Skicka en etableringsbegäran från enheten.

Interaktions- och rapporteringslager

Eftersom IoT hanterar tidsseriedata finns det många interaktioner från ett stort antal enheter. Rapportering och visualisering inser värdet av dessa data. Intuitiva och förenklade användarupplevelser och väldesignade datainteraktioner kan vara kostsamma att skapa.

Grafana är ett datavisualiseringsverktyg med öppen källkod som tillhandahåller optimerade instrumentpaneler för tidsseriedata. Grafana-communities innehåller exempel som du kan återanvända och anpassa i din miljö. Du kan implementera mått och instrumentpaneler från tidsseriedata med liten ansträngning. Azure tillhandahåller ett Grafana-plugin-program för Azure Monitor.

Rapporterings- och instrumentpanelsverktyg som Power BI möjliggör en snabbstart från ostrukturerade IoT-data. Power BI har ett intuitivt användargränssnitt och funktioner. Du kan enkelt utveckla instrumentpaneler och rapporter med tidsseriedata och få fördelarna med säkerhet och distribution till låg kostnad.

Integreringslager

Integrering med andra system och tjänster kan vara komplex. Många tjänster kan hjälpa till att maximera effektiviteten för att optimera kostnaderna i integrationsskiktet.

Azure Digital Twins kan integrera olika system och tjänster med IoT-data. Azure Digital Twins omvandlar alla data till en egen digital entitet, så det är viktigt att förstå tjänstgränser och justeringspunkter för kostnadsminskningar. Granska gränserna för Azure Digital Twins-tjänsten när du utformar din arkitektur. Förstå funktionella begränsningar som hjälper dig att integrera effektivt med affärssystem.

När du använder fråge-API:et debiterar Azure Digital Twins per frågeenhet (QU). Du kan spåra antalet QU:er som frågan förbrukade i svarshuvudet. Minska frågekomplexiteten och antalet resultat för att optimera kostnaderna. Mer information finns i Hitta QU-förbrukningen i Azure Digital Twins.

DevOps-lager

Molnplattformar omvandlar kapitalutgifter (CAPEX) till driftsutgifter (OPEX). Även om den här modellen ger flexibilitet och flexibilitet behöver du fortfarande en väldefinierad distributions- och driftsmodell för att dra full nytta av molnplattformen. En välplanerad distribution skapar repeterbara tillgångar för att förkorta tiden till marknaden.

En molnplattform ger utvecklare flexibilitet att distribuera resurser på några sekunder, men det finns risk för oavsiktlig etablering av resurser eller överetablering. En lämplig molnstyrningsmodell kan minimera sådana risker och bidra till att undvika oönskade kostnader.

Utvecklingsmiljöer

Utvecklare kan dra nytta av den flexibilitet som Azure tillhandahåller för att optimera utvecklingskostnaden. Den IoT Hub kostnadsfria nivån, begränsad till en instans per prenumeration, erbjuder standardfunktioner men är begränsad till 8 000 meddelanden om dagen. Den här nivån är tillräcklig för tidig utveckling med ett begränsat antal enheter och meddelanden.

För beräkningsmiljöer kan du använda serverlös arkitektur för molnbaserade IoT-lösningar. Några populära Azure-tjänster för IoT-arbetsbelastningar är Azure Functions och Azure Stream Analytics. Faktureringsmekanismen är beroende av tjänsten. Vissa tjänster, till exempel Azure Stream Analytics för realtidsbearbetning, låter utvecklare pausa tjänster utan extra kostnader. Andra tjänster faktureras efter användning. Till exempel Azure Functions fakturor baserat på antalet transaktioner. Utvecklare kan dra nytta av dessa molnbaserade funktioner för att optimera både utvecklings- och driftskostnaden.

En integrerad utvecklingsmiljö (IDE) påskyndar utveckling och distribution. Vissa IDE:er med öppen källkod som Visual Studio Code tillhandahåller Azure IoT-tillägg som gör att utvecklare kan utveckla och distribuera kod till Azure IoT-tjänster utan kostnad.

Azure IoT tillhandahåller kostnadsfria GitHub-kodexempel med vägledning. De här exemplen hjälper utvecklare att utöka program för enheter, IoT Edge, IoT Hub och Azure Digital Twins. GitHub har också funktioner för att implementera ci/CD-miljöer (sömlös kontinuerlig integrering och kontinuerlig distribution) med låg kostnad och ansträngning. GitHub Actions är kostnadsfria för projekt med öppen källkod. Mer information finns i GitHub-planer och -funktioner.

Belastningstestning för kostnadsuppskattning

Du kan använda belastningstestning för att uppskatta de totala kostnaderna, inklusive molntjänster, för IoT-lösningar från slutpunkt till slutpunkt. Eftersom IoT-lösningar använder stora mängder data kan en simulator hjälpa till med belastningstestning. Simuleringskodexempel som Azure IoT Device Telemetry Simulator hjälper dig att testa och beräkna kostnader i stor skala med olika parametrar.

Distributionsmiljöer

Det är vanligt att distribuera arbetsbelastningar i flera miljöer, till exempel utveckling och produktion. Genom infrastruktur som kod (IaC) kan du påskynda distributionen och minska tiden till marknaden genom att återanvända kod. IaC kan hjälpa dig att undvika oavsiktliga distributioner, till exempel felaktiga nivåer. Azure-tjänster som Azure Resource Manager och Azure Bicep, eller tjänster från tredje part som Terraform och Pulumi, är vanliga IaC-alternativ.

Du kan använda DevOps-distributionsmetoder för IoT-lösningar med hjälp av bygg- och versionspipelines i olika miljöer. Ett exempel finns i Använda en DevOps-pipeline för att distribuera en lösning för förutsägande underhåll.

Support och underhåll

Långsiktigt stöd och underhåll av fältenheter kan eskalera till att bli den största kostnadsbördan för en distribuerad lösning. Noggrant övervägande av systemets TCO är avgörande för att realisera avkastning på investeringar (ROI).

Du måste stödja och underhålla IoT-enheter under lösningens livslängd. Uppgifter omfattar maskinvarureparationer, programvaruuppgraderingar, operativsystemunderhåll och säkerhetskorrigeringar. Överväg löpande licenskostnader för kommersiell programvara och tillverkarspecifika drivrutiner och protokoll. Om du inte kan utföra fjärrunderhåll måste du budgeta för reparationer och uppdateringar på plats. För maskinvarureparationer eller ersättningar måste du ha lämpliga reservdelar i lager.

För lösningar som använder mobil- eller betalanslutningsmedia väljer du en lämplig dataplan baserat på antalet enheter, storleken och frekvensen för dataöverföringar och enhetens distributionsplats. Om du har ett serviceavtal (SLA) behöver du en kostnadseffektiv kombination av maskinvara, infrastruktur och utbildad personal för att uppfylla serviceavtalet.

Molnstyrning

Molnstyrning är viktigt för efterlevnad, säkerhet och för att förhindra onödiga kostnader.

• Med API:er för kostnadshantering kan du utforska kostnads- och användningsdata via flerdimensionell analys. Du kan skapa anpassade filter och uttryck som hjälper dig att besvara frågor relaterade till Resursförbrukning i Azure. API:er för kostnadshantering kan generera aviseringar när förbrukningen når konfigurerade tröskelvärden. API:er för kostnadshantering är tillgängliga för IoT Central, IoT Hub och DPS.

• Resurstaggning tillämpar etiketter på distribuerade resurser. Tillsammans med Microsoft Cost Management ger taggning insikter om löpande kostnader baserat på etiketterna. Mer information finns i Vanliga kostnadsanalyser.

• Azure Policy levereras med inbyggda principer för att märka resurser automatiskt eller flagga resurser utan taggning. Mer information finns i Tilldela principdefinitioner för taggefterlevnad. Ett annat användningsfall för Azure Policy är att förhindra etablering av vissa nivåer, vilket förhindrar överetablering i utvecklings- eller produktionsmiljöer.

Övervakning

Många verktyg som ingår i din Azure-prenumeration kan hjälpa din organisation att implementera ekonomisk styrning och få ut mer av dina IoT-tjänster. De här verktygen hjälper dig att spåra resursanvändning och hantera kostnader i alla dina moln med en enda enhetlig vy. Du kan komma åt omfattande operativa och ekonomiska insikter för att fatta välgrundade beslut.

Telemetriloggning använder ofta Log Analytics-arbetsytor i Azure Monitor. Log Analytics innehåller 5 GB lagringsutrymme och de första 30 dagarna av kvarhållning är kostnadsfria. Beroende på företagets behov kan du behöva en längre kvarhållningsperiod. Granska och bestäm rätt kvarhållningsperiod för att undvika oavsiktliga kostnader.

Log Analytics tillhandahåller en arbetsytemiljö där du kan köra frågor mot loggar interaktivt. Du kan exportera loggar regelbundet till externa platser som Azure Data Explorer eller arkivera loggar i ett lagringskonto för ett billigare lagringsalternativ. Mer information finns i Övervaka användning och uppskattade kostnader i Azure Monitor.

Azure Advisor

Azure Advisor är en anpassad molnkonsult som hjälper dig att följa bästa praxis för att optimera dina Azure-distributioner. Advisor analyserar din resurskonfiguration och användningstelemetri och rekommenderar lösningar som kan hjälpa dig att förbättra kostnadseffektivitet, prestanda, tillförlitlighet och säkerhet.

Advisor hjälper dig att optimera och minska dina totala Azure-utgifter genom att identifiera inaktiva och underutnyttjade resurser. Du kan få kostnadsrekommendationer från kostnadsfliken på Advisor-instrumentpanelen.

Även om Advisor inte erbjuder specifika rekommendationer för IoT-tjänster, kan det ge användbara rekommendationer för Azures infrastruktur-, lagrings- och analystjänster. Mer information finns i Minska tjänstkostnaderna med hjälp av Azure Advisor.

Nästa steg

Utmärkt driftseffektivitet i din IoT-arbetsbelastning

Relaterade resurser

• Designprinciper för kostnadsoptimering
• Rekommendationer för att skapa en kostnadsmodell
• Checklista för designgranskning för kostnadsoptimering
• Azure IoT-referensarkitektur
• Dokumentation för Azure IoT