Azure Time Series Insights Gen2 içinde zaman serisi modeli

Bu makalede zaman serisi modeli, özellikleri ve Azure Time Series Insights Gen2 ortamında kendi modellerinizi oluşturma ve güncelleştirme işlemlerinin nasıl başlatılacağı açıklanmaktadır.

Özet

Geleneksel olarak, IoT cihazlarından toplanan verilerin bağlamsal bilgileri yoktur, bu da algılayıcıların hızla bulunup çözümlenmesini zorlaştırır. Zaman serisi modeli için ana mosyon, IoT veya zaman serisi verilerinin bulunmasını ve çözümlenmesini basitleştiriyor. Analiz için tüketiciye yönelik veri kümelerine hazırlanmaya yardımcı olmak üzere zaman serisi verilerinin gizleme, bakım ve zenginleştirmesini etkinleştirerek bu amaca erişir.

Senaryo: contoso 'nun yeni akıllı oven 'si

Contoso Smart oven 'nin kurgusal senaryosunu göz önünde bulundurun. Bu senaryoda, her contoso akıllı oven 'nin her dört üst yazıcılar ve bir oven için biri olmak üzere beş sıcaklık sensöri olduğunu varsayalım. Son olarak, her contoso sıcaklık algılayıcısı, verileri ayrı ayrı gönderdi, depolamıştır ve görselleştirilir. Contoso gereç izleme için contoso, her bir algılayıcı için bir tane olmak üzere temel grafiklere güvendi.

Contoso, ilk veri ve görselleştirme çözümüyle karşılandıysa, bazı sınırlamalar görünür hale gelmiştir:

• Müşteriler, en üst kağıdın büyük bir kısmında ne kadar hızlı bir şekilde yararlandığını öğrenmek istedi. Contoso, genel oven koşullarına ilişkin Birleşik bir cevap çözümleme ve sunma konusunda daha zorluk yaşadı.
• Contoso mühendisleri, aynı anda çalışan en üst yazıcılar 'ın verimsiz güç çekilmesine neden olduğunu doğrulamak istedi. Birbirleriyle ilgili sıcaklık ve voltaj sensörleri ve bunların depoda nasıl konumlandırması arasında çapraz başvurmaya yönelik zorluk vardı.
• Contoso kalite güvencesi ekibi, iki algılayıcı sürümü arasındaki geçmişi denetlemek ve karşılaştırmak istedi. Hangi verilerin hangi algılayıcı sürümüne ait olduğunu belirlemede zorluk vardı.

Çok sayıda akıllı oven zaman serisi modelini yapı, düzenleme ve tanımlama özelliği olmadan, her sıcaklık algılayıcısı, yalıtılmış ve daha az bilgilendirici veri noktası olarak tutulur. Bu veri noktalarının, her veri kümesi diğerlerinden bağımsız olduğundan, eyleme dönüştürülebilir içgörüler halinde açılması daha zordur.

Bu sınırlamalar, contoso 'nun yeni oven 'i ile birlikte akıllı veri toplama ve görselleştirme araçlarının önemini ortaya çıkarmaktadır:

• Veri görselleştirme, verileri uygun bir görünümle ilişkilendirip birleştirebildiğinizde yararlı olur. Sıcaklık sensörleriyle birlikte voltaj algılayıcıları gösteren bir örnek.
• Birçok varlık için çok boyutlu verilerin, karşılaştırma, yakınlaştırma ve zaman aralığı işlevselleriyle birlikte yönetilmesi zor olabilir.

Zaman serisi modeli, bu kurgusal örnekte karşılaşılan birçok senaryoya uygun bir çözüm sağlar :

• Zaman serisi modeli sorgular ve gezinmede önemli bir rol oynar, bu da karşılaştırmalar, zaman aralıklarıyla ve algılayıcı ile cihaz çeşitleri arasında çizilmesine izin vererek verileri ayırır. (A)
• Zaman serisi modelinde kalıcı veriler, zaman serisi sorgu hesaplamalarıyla değişken olarak korunduğu ve bunları sorgu sırasında yeniden kullandığı için veriler daha kapsamlı hale getirilir.
• Zaman serisi modeli, geliştirilmiş görselleştirme ve yönetim özellikleri için verileri düzenler ve toplar. (B)

Temel işlevler

Zaman serisi bağlamı 'nı yönetmeyi basit ve kolay hale getirmek için amaç ile zaman serisi modeli, Azure Time Series Insights Gen2 ' de aşağıdaki özellikleri sağlar. Size yardımcı olur:

• Skaler işlevler, toplama işlemleri vb. kullanarak hesaplamalar veya formüller yazın ve yönetin.
• Gezinti, arama ve başvuruyu etkinleştirmek için üst-alt ilişkilerini tanımlayın.
• Örnek alanları olarak tanımlanan örneklerle ilişkili özellikleri tanımlayın ve bunları hiyerarşi oluşturmak için kullanın.

Bileşenler

Zaman serisi modelinin üç çekirdek bileşeni vardır:

• Zaman serisi model örnekleri
• Zaman serisi model hiyerarşileri
• Zaman serisi model türleri

Bu bileşenler, zaman serisi modeli belirtmek ve verilerinizi düzenlemek için birleştirilir.

Bir zaman serisi modeli Azure Time Series Insights Gezginiaracılığıyla oluşturulup yönetilebilir. Zaman serisi modeli ayarları, model ayarları API 'siaracılığıyla yönetilebilir.

Zaman serisi model örnekleri

Zaman serisi model örnekleri , zaman serisinin kendi sanal temsilleridir.

Çoğu durumda, örnekler otomatik olarak DeviceID veya AssetID tarafından tanımlanır ve bu, zaman serisi kimlikleri olarak kaydedilir.

Örneklere, zaman serisi KIMLIĞI, tür, ad, açıklama, hiyerarşiler ve örnek alanları gibi örnek özellikleri olarak adlandırılan açıklayıcı bilgiler vardır. En azından, örnek özellikleri hiyerarşi bilgilerini içerir.

Örnek alanları , hiyerarşi düzeyleri ve üretici, işleç vb. değerleri içerebilen açıklayıcı bilgilerin bir koleksiyonudur.

Azure Time Series Insights Gen2 ortamı için bir olay kaynağı yapılandırıldıktan sonra, örnekler otomatik olarak keşfedilir ve bir zaman serisi modelinde oluşturulur. Örnekler, zaman serisi modeli sorguları kullanılarak Azure Time Series Insights Gezgini aracılığıyla oluşturulabilir veya güncelleştirilir.

Contoso rüzgar grubu tanıtımı çeşitli canlı örnek örnekleri sunar.

Örnek özellikleri

Örnekler Timeseriesıd, TypeId, Name, Description, hierarchyıds ve ınstancefields tarafından tanımlanır. Her örnek yalnızca bir türe ve bir veya daha fazla hiyerarşilere eşlenir.

Örnekler aşağıdaki JSON gösterimine sahiptir:

{
  "timeSeriesId": ["PU2"],
  "typeId": "545314a5-7166-4b90-abb9-fd93966fa39b",
  "hierarchyIds": ["95f0a8d1-a3ef-4549-b4b3-f138856b3a12"],
  "description": "Pump #2",
  "instanceFields": {
    "Location": "Redmond",
    "Fleet": "Fleet 5",
    "Unit": "Pump Unit 3",
    "Manufacturer": "Contoso",
    "ScalePres": "0.54",
    "scaleTemp": "0.54"
  }
}

Zaman serisi model hiyerarşileri

Zaman serisi model hiyerarşileri , özellik adlarını ve bunların ilişkilerini belirterek örnekleri düzenler.

Verilen bir Azure Time Series Insights Gen2 ortamında birden çok hiyerarşi yapılandırabilirsiniz. Zaman serisi model örneği, tek bir hiyerarşiye veya birden çok hiyerarşiyle (çoktan çoğa ilişki) eşleyebilirsiniz.

Contoso rüzgar grubu tanıtımı , standart bir örnek ve tür hiyerarşisi görüntüler.

Hiyerarşi tanımı

Hiyerarşiler hiyerarşi kimliği, ad ve kaynak tarafından tanımlanır.

Hiyerarşiler JSON'da şu şekilde temsil edildi:

{
  "hierarchies": [
    {
      "id": "6e292e54-9a26-4be1-9034-607d71492707",
      "name": "Location",
      "source": {
        "instanceFieldNames": [
          "state",
          "city"
        ]
      }
    },
    {
      "id": "a28fd14c-6b98-4ab5-9301-3840f142d30e",
      "name": "ManufactureDate",
      "source": {
        "instanceFieldNames": [
          "year",
          "month"
        ]
      }
    }
  ]
}

Önceki JSON örneğinde:

• Location , üst ve alt öğeye sahip states bir hiyerarşi cities tanımlar. Her location biri birden çok olabilir ve bu da birden çok states cities olabilir.
• ManufactureDate , üst ve alt öğeye sahip year bir hiyerarşi month tanımlar. Her ManufactureDate biri birden çok olabilir ve bu da birden çok years months olabilir.

Hiyerarşi örneği

H1 hiyerarşisinin building floor room instanceFieldNames tanımının bir parçası olarak , ve bulunduğu bir örneği düşünün:

{
  "id": "aaaaaa-bbbbb-ccccc-ddddd-111111",
  "name": "H1",
  "source": {
    "instanceFieldNames": [
      "building",
      "floor",
      "room"
    ]
  }
}

Önceki tanımda ve birkaç zaman serisinde kullanılan örnek alanları, hiyerarşi öznitelikleri ve değerleri aşağıdaki tabloda gösterildiği gibi görünür:

Time Series ID1 ve ID4, Azure Time Series Insights Explorer'da H1 hiyerarşisinin bir parçası olarak görüntülenir. Bunun nedeni, bina, kat ve oda parametrelerinin tam olarak tanımlandığı ve doğru sıralandığıdır.

Diğerleri, belirtilen veri hiyerarşisi ile uyumlu olmayanLar altında sınıflandırılır.

Zaman Serisi Modeli türleri

Zaman Serisi Modeli türleri hesaplamalar yapmak için değişkenleri veya formülleri tanımlamanıza yardımcı olur. Türler belirli bir örnekle ilişkilendirildi.

Bir türün bir veya daha fazla değişkeni olabilir. Örneğin, Zaman Serisi Modeli örneği sıcaklık ortalama sıcaklığı, en düşük sıcaklık ve en yüksek sıcaklık değişkenlerinden oluşan Sıcaklık Sensörü türünde olabilir.

Contoso Wind Farm demosu, ilgili örnekleriyle ilişkili çeşitli Zaman Serisi Modeli türlerini görselleştiriyor.

Tür özellikleri

Zaman Serisi Modeli türleri kimlik, ad, açıklama ve değişkenlerine göre tanımlanır.

Türler aşağıdaki JSON örneğine uyar:

{
  "types": [
    {
      "id": "1be09af9-f089-4d6b-9f0b-48018b5f7393",
      "name": "DefaultType",
      "description": "Default type",
      "variables": {
        "EventCount": {
          "kind": "aggregate",
          "value": null,
          "filter": null,
          "aggregation": {
            "tsx": "count()"
          }
        },
        "Interpolated Speed": {
          "kind": "numeric",
          "value": {
              "tsx": "$event['Speed-Sensor'].Double"
          },
          "filter": null,
          "interpolation": {
              "kind": "step",
              "boundary": {
                  "span": "P1D"
              }
          },
          "aggregation": {
              "tsx": "right($value)"
          }
        }
      }
    }
  ]
}

Zaman Serisi Modeli türleri, olaylar üzerinde formül ve hesaplama kuralları belirten birçok değişkene sahip olabilir. Zaman Serisi Modeli değişkenlerini tanımlama hakkında daha fazla bilgi okuyun

Sonraki adımlar

• Modeli API'ler aracılığıyla düzenleme hakkında daha fazla bilgi için Time Series Model başvuru belgelerini okuyun.

• Time Series Model değişkenleriyle oluşturabilirsiniz formülleri ve hesaplamaları keşfedin

• Azure Time Series Insights 2. Nesil'de verileri sorgulama hakkında bilgi