Analysera telemetridata
Med IoT-pipelinekomponenterna tydligt identifierade vill du nu fokusera på möjligheten att extrahera data som ger meningsfulla insikter om tillståndet för hanterade enheter. Du måste utforska inbyggda Azure IoT Central-analysfunktioner för att avgöra om de räcker för att uppfylla dina krav. Men du tänker också utvärdera andra alternativ, inklusive Azure Time Series Insights och exportfunktionerna som är tillgängliga med Azure IoT Hub.
Vilka är de primära IoT-analysalternativen?
De primära IoT-analysalternativen återspeglar principerna för databearbetning i Lambda-arkitekturen. Lambda-arkitekturen representerar en metod i flera lager för att implementera två typer av databehandling: batch och strömning. Batchlagret, även kallat den långsamma eller kalla sökvägen, lagrar alla inkommande data i sin råa form och tillämpar batchbearbetning på den. Ett hastighetslager, även kallat den snabba eller heta sökvägen, tillämpar analys i realtid eller nästan i realtid.
Din metod för analys och motsvarande teknikval för att implementera den metoden beror på om du bearbetar telemetri som är en del av den snabba eller långsamma datavägen. I synnerhet omfattas det snabba dataflödet av fördröjningsbegränsningen, så det finns en gräns för omfattningen av analysen. Den här begränsningen gäller inte för data som flödar genom den långsamma sökvägen, vilket möjliggör mycket exakt och komplex analys.
Vilka är analysfunktionerna i Azure IoT Central?
Azure IoT Central erbjuder inbyggda analysfunktioner baserade på den inbyggda analystjänsten, som kombinerar funktionerna för frekvent och kall sökväg. Det gör att du kan övervaka datapunkter i nära realtid. Du kan också visualisera historiska trender, korrelera olika typer av telemetri och identifiera avvikelser i insamlade data baserat på inbyggda och anpassade interaktiva instrumentpaneler. Den här funktionen använder Azure Time Series Insights för telemetribearbetning.
Som en del av snabbsökvägsanalysen har du möjlighet att konfigurera kontinuerlig dataexport från Azure IoT Central till Azure Event Hubs, som integreras med Azure Databricks. När du har installerat relevanta bibliotek på Azure Databricks-arbetsytan kan du använda dess bearbetningsresurser för att ytterligare analysera telemetriströmmen och generera mer komplexa visualiseringar, till exempel lådritningar. Förutom Azure Databricks kan du också använda Azure Stream Analytics eller Spark-strömningsfunktionen som ingår i Azure HDInsight för detta ändamål. Du kan också använda Azure Time Series Insights. Den här tjänsten är optimerad för samtidiga frågor över stora datauppsättningar med svarstid inom intervallet 30 och 60 sekunder.
För den kalla datasökvägen kan du exportera data med jämna mellanrum till Azure Blob Storage. Därefter kan du konfigurera en datapipeline som kombinerar följande komponenter:
- En Azure-funktion
- En Azure Data Factory-pipeline
- En Azure SQL-databas
- En Power BI-lösning
Kommentar
Med Power BI-lösningen kan du bearbeta, transformera och visualisera data. Power BI gör det möjligt att skapa modeller, KPI:er (Key Performance Indicators) och deras visualisering via interaktiva instrumentpaneler.
Vilka är analysfunktionerna i Azure Time Series Insights?
Även om Azure Time Series Insights är inbyggt i Azure IoT Central är det också tillgängligt som en separat tjänst, som är nära integrerad med molngatewayer som Azure IoT Hub och Azure Event Hubs. Den tillhandahåller en analys-, lagrings- och visualiseringstjänst för tidsseriedata, inklusive stöd för SQL-liknande filtrerings- och aggregeringsregler. Dess visualiseringsfunktioner omfattar stöd för överlägg av olika tidsserier, jämförelse av instrumentpaneler, tabellvyer, värmekartor och en datautforskare för interaktiva datafrågor. Dessutom exponeras ett JavaScript-kontrollbibliotek som underlättar inbäddning av tidsseriediagram i anpassade program.
Vilka analysfunktioner har Azure Stream Analytics?
Azure Stream Analytics är en del av sökvägen för frekventa data. Det ger realtidsanalys och komplex händelsebearbetning optimerad för stora mängder strömmande data som kommer från IoT-enheter, sociala medieflöden och program. Azure Stream Analytics stöder åtgärder som fönster, strömmaggregeringar och externa datakällanslutningar.