Definiera IoT-tjänstarkitektur

  • 12 minuter

Adatums ledningsgrupp vill använda IoT-funktioner för att utöka omfattningen av tjänster som den levererar till sina kunder, inklusive automatiserad övervakning, aviseringar och självbetjäning av smarta apparater. Utvecklingsteamet planerar att tillhandahålla önskade funktioner genom att implementera en robust och funktionsrik IoT-pipeline på ett sätt som följer de grundläggande designprinciperna för molnbaserade program. För att uppnå det här målet bestämmer du dig för att utforska begreppen IoT-tjänstearkitektur.

Vad är arkitektur för IoT-tjänster?

Termen Sakernas Internet (IoT) representerar ett nätverk av sammankopplade enheter som används för att generera, bearbeta eller lagra sensorgenererad telemetri. På hög nivå består en IoT-lösning av två primära grupper av komponenter:

  • På enhetssidan. Den här gruppen innehåller enheter som främst fungerar som telemetrikällor men som också kan utföra inledande telemetribearbetning och analys.
  • Molnsidan. Den här gruppen innehåller molnbaserade tjänster som är optimerade för datainsamling, beständighet och analys.

I den avsedda designen representerar smarta kylskåp enhetssidan, medan Azure IoT Central och Azure Cosmos DB hanterar datainsamling, beständighet och analys.

Sample high-level architecture of IoT services that includes Azure IoT Central and Cosmos DB.

En annan metod för IoT-tjänstearkitekturen delar in den i Saker, Insikter och Åtgärder. Saker representerar IoT-enheter som genererar telemetri som via Insights-baserad analys omvandlas till Åtgärder, som ger meningsfulla affärsfördelar. Som ett exempel kan du överväga en sensor på ett smart kylskåp (saken), som skickar temperaturdata. Dessa data fungerar som grund för utvärderingen om kylskåpet är fullt fungerande (insikten). Insikten kan i sin tur utlösa en avisering som leder till ett uppdaterat underhållsschema (åtgärden).

Med en mer detaljerad genomgång av Azure IoT-arkitekturen kan du skilja mellan dess kärnkomponenter och valfria komponenter. Kärnkomponenterna omfattar:

  • IoT-enheter som säkert kan registrera sig i molnet och som stöder sändning och mottagning av data.
  • En molngatewaytjänst som hanterar rollen som en hubb, vidarebefordrar data från enheter och tillhandahåller funktioner för enhetshantering.
  • Strömma processorer som använder enhetsdata, integrerar med databearbetningskomponenter och levererar data till lagring.
  • Ett antal datalager som ger datapersistence och aggregering. Lagring kan vara en del av den varma eller varma sökvägen eller den kalla sökvägen. Den heta eller varma sökvägen består av de data som krävs för rapportering och visualisering nästan i realtid. Den kalla sökvägen består av data som lagras på längre sikt och används för batchbearbetning.
  • Analystjänster som hämtar insikter från rådata och integrerar med affärsprocesser och system, till exempel Customer Relationship Management (CRM).
  • Programmerings- och hanteringsgränssnitt som förenklar administrationen av IoT-lösningar.

Valfria komponenter är:

  • IoT Edge-enheter som fungerar som koordinatorer för hantering och dataflöde för IoT-enheter, när direkt kommunikation med molnet är begränsad eller inte möjlig. De kan till exempel spela en roll i enhetsetablering, datafiltrering, aggregering, buffring, protokollöversättning eller bearbetning av händelseregler.
  • Datatransformeringstjänster som utför ingressuppgifter som protokollöversättning, datakonvertering och dataaggregering.
  • Ett undersystem för användarhantering som implementerar rollbaserad åtkomstkontroll (RBAC) och möjliggör delegering av hanteringsuppgifter.
  • Maskininlärning som analyserar telemetridata för att identifiera trender och korrelationer och tillhandahåller funktioner som förutsägelseanalys.
  • Massetableringstjänster för enheter som hanterar scenarier med storskaliga distributioner.

High-level architecture of IoT services that includes Azure IoT Hub. The illustration depicts an approach to IoT services architecture that includes Things, Insights, and Actions.

Datapipeline för IoT-tjänster

Flödet av enhetsgenererade data består vanligtvis av flera steg, inklusive:

  • Lagring. I det här steget ingår att bevara data på kort eller lång sikt och förlita sig på tekniker som minnesintern cacheminne, tillfälliga köer, databaser och datasjöar.
  • Routning. I det här steget ingår att leverera data till en eller flera lagringsslutpunkter, analysprocesser och åtgärder.
  • Analys. Den här fasen består av att utvärdera och bearbeta dataposter baserat på anpassningsbara kriterier.
  • Åtgärd. I det här steget ingår att svara på anpassningsbara regler för att hantera ett villkor som anges av tillståndet eller värdet för insamlade data.

Azure IoT-tjänster och tekniker

Microsoft erbjuder en omfattande portfölj med tjänster som levererar olika typer av IoT-funktioner, inklusive:

  • Azure IoT Central. Den här tjänsten implementerar en mängd olika IoT-funktioner, inklusive telemetriinsamling, bearbetning, analys och säker enhetshantering. Azure IoT Central innehåller följande funktioner.
    • Hjälper dig att minimera anpassade utvecklingsinsatser och administrativa kostnader.
    • Gör att du kan använda molnflexibilitet och skalbarhet.
    • Stöder inbyggd integrering med flera andra Azure-tjänster.
    • Förenklar utvecklingen och implementeringen av anpassade IoT-lösningar och stöder ad hoc-testning med inbyggda falska enheter.
    • Integreras med Time Series Insights och kan definiera regler för att generera aviseringar. Den här integreringen kan hjälpa dig att eliminera behovet av dedikerade dataströmbearbetningstjänster, till exempel Stream Analytics.
  • Azure IoT Hub. Den här tjänsten är optimerad för tillförlitlig och säker dubbelriktad kommunikation mellan IoT-enheter och molntjänster. Precis som Azure IoT Central innehåller den Device Provisioning Service (DPS) som en hjälptjänst för etablering av IoT-enheter i bulk, noll-touch och just-in-time-etablering av IoT-enheter.
  • Azure Time Series Insights. Den här tjänsten med hög prestanda för analys, lagring och visualisering för tidsseriedata ger funktioner som filtrering och aggregering. Dess visualiseringsfunktioner omfattar stöd för överlägg för olika tidsserier, jämförelse av instrumentpaneler, tillgängliga tabellvyer och värmekartor. Azure Time Series erbjuder också ett JavaScript-kontrollbibliotek som underlättar inbäddning av tidsseriediagram i anpassade program. Tjänsten är optimerad för scenarier som kräver aggregering över stora datamängder.

Azure tillhandahåller också en stor uppsättning alternativ för dataanalys, händelsehantering och lagring, som alla enkelt kan integreras med IoT-komponenter.