Azure Time Series Insights ÖnizlemeAzure Time Series Insights Preview

Azure zaman serisi öngörüleri Önizleme bir uçtan uca olarak bir-hizmet platform (PaaS) teklifidir.Azure Time Series Insights Preview is an end-to-end platform-as-a-service (PaaS) offering. Toplamak, işlem, depolamak, çözümlemek ve yüksek oranda contextualized, zaman serisi iyileştirilmiş IOT ölçekli veri sorgulamak için kullanılır.It's used to collect, process, store, analyze, and query highly contextualized, time-series-optimized IoT-scale data. Time Series Insights, geçici veri keşfi ve operasyonel analiz için idealdir.Time Series Insights is ideal for ad hoc data exploration and operational analysis. Time Series Insights karşıladığını endüstriyel IOT dağıtımları geniş gerektiğini sunan bir benzersiz şekilde genişletilebilir ve özelleştirilmiş hizmetidir.Time Series Insights is a uniquely extensible and customized service offering that meets the broad needs of industrial IoT deployments.

İpucu

Özellikleri için genel kullanılabilirlik (GA) bilgi Azure zaman serisi öngörüleri GA genel bakış.For features in general availability (GA), read the Azure Time Series Insights GA overview.

VideoVideo

Azure zaman serisi öngörüleri önizlemesi hakkında daha fazla bilgi edinin.Learn more about Azure Time Series Insights Preview.

IOT verilerini tanımlayınDefine IoT data

IOT verilerini varlık yoğun kuruluşlarda kullanılabilir olan tüm endüstriyel verilerdir.IoT data is any industrial data that's available in asset-intensive organizations. Oldukça gürültülü ölçümleri kayıt varlıklarından gönderildiği IOT verilerini genellikle yüksek oranda yapılandırılmamış.IoT data is often highly unstructured because it's sent from assets that record fairly noisy measurements. Bu ölçümler, sıcaklık, hareket ve nem içerir.These measurements include temperature, motion, and humidity. Bu veri akışlarını Sık önemli boşlukları, bozuk bir ileti ve false okumalar tarafından belirlenir.These data streams are frequently characterized by significant gaps, corrupted messages, and false readings. Herhangi bir çözümlemesi gerçekleşebilmesi bu akıştaki verilerin temizlenmesi gerekir.Data from these streams must be cleaned up before any analysis can occur.

IOT verilerini genellikle yalnızca CRM veya ERP gibi birinci taraf kaynaklardan gelen ek verisi girişleri bağlamında anlamlı olur.IoT data is often meaningful only in the context of additional data inputs that come from first-party sources, such as CRM or ERP. Giriş, ayrıca hava durumu veya konumu gibi üçüncü taraf veri kaynaklarından gelir.Inputs also come from third-party data sources, such as weather or location.

Sonuç olarak, veriler yalnızca bir bölümünü işlem ve işletme amacıyla kullanılır.As a result, only a fraction of the data gets used for operational and business purposes. Bu tür veriler iş raporlama ve analiz için tutarlı, kapsamlı, geçerli ve doğru bilgileri sağlar.Such data provides consistent, comprehensive, current, and correct information for business reporting and analysis. Durumun dönüş verileri eyleme dönüştürülebilir içgörüler haline gerektirir IOT toplanır:Turning collected IoT data into actionable insights requires:

  • Veri işleme, temizlemek için filtre enterpolasyon dönüştürme ve verileri analiz için hazırlar.Data processing to clean, filter, interpolate, transform, and prepare data for analysis.
  • Gidin ve diğer bir deyişle verileri anlamak için Normalleştir ve veri bağlama göre ele alınmasına yapısı.A structure to navigate and understand the data, that is, to normalize and contextualize the data.
  • Yıllık işlenen ya da türetilmiş değerinde, veri ve ham verileri uzun veya sınırsız bekletme için uygun maliyetli depolama sağlar.Cost-effective storage for long or infinite retention for decades' worth of processed, or derived, data, and raw data.

Tipik bir IOT veri akışı aşağıdaki resimde gösterilmektedir.A typical IoT data flow is shown in the following image.

IOT veri akışı

Endüstriyel IOT için Azure Time Series InsightsAzure Time Series Insights for industrial IoT

Geçerli IOT yatay farklı.The current IoT landscape is diverse. Müşteriler, üretim, otomotiv, enerji, yardımcı programlar, akıllı Binalar ve danışmanlık sektörler yayılır.Customers span the manufacturing, automotive, energy, utilities, smart buildings, and consulting industries. Geçici veri keşfi verinin şeklini bilinmeyen olduğu senaryolar içerir.Scenarios include ad hoc data exploration where the shape of the data is unknown. Senaryoları operasyonel analiz Operasyonel Verimliliği için şema veya açıkça Modellenen veriler üzerinde de içerir.Scenarios also include operational analysis over schematized, or explicitly modeled, data to drive operational efficiency. Bu senaryolar, genellikle yan yana var ve farklı kullanım durumlarına destekler.These scenarios typically exist side by side and support different use cases. Endüstriyel IOT kuruluşlara ve kendi dijital revolution başarısı için önemli olduğu platform özellikleri şunlardır:Platform capabilities that are key to the success of industrial IoT enterprises and their digital revolution include:

  • Çok katmanlı depolama, hem sıcak ve soğuk.Multilayered storage, both warm and cold.
  • Zaman serisi verilerini tutarında yıllık Depolama olanağı.The ability to store decades' worth of time series data.
  • Açıkça model ve varlık tabanlı operasyonel zeka sorgularını en iyi duruma getirme olanağı.The ability to explicitly model and optimize queries for asset-based operational intelligence.

Zaman serisi görüşleri, IOT veri keşfi ve operasyonel içgörüler sunan kapsamlı, uçtan uca bir PaaS olur.Time Series Insights is a comprehensive, end-to-end PaaS offering for IoT data exploration and operational insights. Zaman serisi görüşleri, IOT ölçekli zaman serisi verilerini analiz etmek için tam olarak yönetilen bulut hizmeti sunar.Time Series Insights offers a fully managed cloud service for analyzing IoT-scale time series data.

Ham veri bir şemasız, bellek içi depolama alanında depolayabilirsiniz.You can store raw data in a schema-less, in-memory store. Ardından, bir dağıtılmış sorgu altyapısı ve API etkileşimli geçici sorgular gerçekleştirebilirsiniz.You can then carry out interactive ad hoc queries through a distributed query engine and API. Olun milyarlarca olayı saniyeler içinde görselleştirin için zengin kullanıcı deneyimini kullanın.Make use of the rich user experience to visualize billions of events in seconds. Daha fazla bilgi edinin veri keşfi özellikleri.Learn more about the data exploration capabilities.

Time Series Insights şu anda önizlemede operasyonel içgörüler özellikleri de sunar.Time Series Insights also offers operational insights capabilities currently in preview. Etkileşimli veri keşfi ve operasyonel zeka ile birlikte IOT varlıklarından toplanan verilerinizden daha fazla değer türetmek için Time Series Insights'ı kullanabilirsiniz.Together with interactive data exploration and operational intelligence, you can use Time Series Insights to derive more value out of data collected from IoT assets. Önizleme Teklifi destekler:The preview offering supports:

  • Ölçeklenebilir ve performans ve maliyet iyileştirilmiş bir zaman serisi verilerini depolar.A scalable and performance- and cost-optimized time series data store. Bu bulut tabanlı bir IOT çözümü, saniyeler içinde zaman serisi verilerini tutarında yıllık eğilim.This cloud-based IoT solution can trend years’ worth of time series data in seconds.
  • Varlıklar ve cihazlardan türetilmiş ve nonderived sinyal ile ilişkili meta verileri ve etki alanı açıklayan anlam modeli desteği.Semantic model support that describes the domain and metadata associated with the derived and nonderived signals from assets and devices.
  • Varlık tabanlı veri öngörüleri birleştiren zengin ve geçici data analytics ile geliştirilmiş bir kullanıcı deneyimi.An enhanced user experience that combines asset-based data insights with rich, ad hoc data analytics. Bu birleşim, iş ve operasyonel zeka sürücüleri.This combination drives business and operational intelligence.
  • Gelişmiş makine öğrenme ve analiz araçları ile tümleştirme.Integration with advanced machine learning and analytics tools. Azure Databricks, Apache Spark, Azure Machine Learning, Jupyter not defterleri ve Power BI araçları içerir.Tools include Azure Databricks, Apache Spark, Azure Machine Learning, Jupyter notebooks, and Power BI. Bu araçlar zaman serisi verilerini sorunlarını gidermek ve Operasyonel Verimliliği artırmaya yardımcı olur.These tools help you tackle time series data challenges and drive operational efficiency.

Birlikte, operasyonel içgörüler ve veri keşfi, basit bir Kullandıkça Öde fiyatlandırma modeline veri işleme, depolama ve sorgu ile sunulmaktadır.Together, operational insights and data exploration are offered with a simple pay-as-you-go pricing model for data processing, storage, and query. Bu faturalama modeli, değişen iş gereksinimlerinize uygun.This billing model is suited to your changing business needs.

Bu üst düzey veri akış diyagramı güncelleştirmeleri gösterir.This high-level data flow diagram shows the updates.

Temel işlevler

Bu anahtar endüstriyel IOT özelliklerini sunulmasıyla birlikte, zaman serisi görüşleri aşağıdaki faydaları sağlar.With the introduction of these key industrial IoT capabilities, Time Series Insights provides the following key benefits.

IOT ölçekli zaman serisi verilerinin çok katmanlı depolamaMultilayered storage for IoT-scale time series data Veri alma için ortak veri işleme sahip bir işlem hattı, etkileşimli sorgular için Orta Gecikmeli depolama birimindeki verileri depolayabilirsiniz.With a common data processing pipeline for ingesting data, you can store data in warm storage for interactive queries. Veri soğuk depolama için büyük miktarda veriyi depolayabilirsiniz.You also can store data in cold storage for large volumes of data. Yüksek performanslı varlık tabanlı avantajlarından yararlanmak sorguları.Take advantage of high-performing asset-based queries.
Zaman serisi modeli, ham telemetri bağlama göre ele alınmasına ve varlık tabanlı içgörülere sahip olunTime Series Model to contextualize raw telemetry and derive asset-based insights Ham telemetri verileri tanımlayıcı ile bağlama göre ele alınmasına zaman serisi modeli.Contextualize raw telemetry data with the descriptive Time Series Model. Zengin operasyonel zeka ile yüksek oranda cihaz tabanlı sorgular performans ve maliyet iyileştirme türetilir.Derive rich operational intelligence with highly performance- and cost-optimized device-based queries.
Diğer veri çözümleriyle sorunsuz ve sürekli tümleştirmeSmooth and continuous integration with other data solutions Time Series Insights veri depolanan açık kaynaklı Apache Parquet dosyalarını içinde.Data in Time Series Insights is stored in open-sourced Apache Parquet files. Bu tümleştirme sayesinde diğer veri çözümleri ilk ya da üçüncü taraf uçtan uca senaryolar için kolay olup olmadığını.This integration with other data solutions, whether first or third party, is easy for end-to-end scenarios. Bu senaryolar, iş zekası, Gelişmiş makine öğrenimi ve Tahmine dayalı analiz içerir.These scenarios include business intelligence, advanced machine learning, and predictive analytics.
Gerçek zamanlı veri araştırmasıNear real-time data exploration Azure zaman serisi öngörüleri önizlemesi Gezgini görselleştirme tüm veri alımı komut zinciri ile akış için kullanıcı deneyimi sunar.The Azure Time Series Insights Preview explorer user experience provides visualization for all data streaming through the ingestion pipeline. Kısa bir süre içinde bir olay kaynağı bağlandıktan sonra görüntülemek keşfedin ve olay verileri sorgulayın.Shortly after you connect an event source, you can view, explore, and query event data. Bu şekilde, bir cihaz beklendiği gibi veri yayan olup olmadığını doğrulayabilirsiniz.In this way, you can validate whether a device emits data as expected. Bir IOT varlık sistem durumu, üretkenlik ve genel verimliliğini de izleyebilirsiniz.You also can monitor an IoT asset for health, productivity, and overall effectiveness.
Kök neden analizini ve anormallik algılamaRoot-cause analysis and anomaly detection Azure zaman serisi öngörüleri önizlemesi Gezgini gerçekleştirin ve çok adımlı kök analiz neden deseni hem perspektif görünüm destekler.The Azure Time Series Insights Preview explorer supports both pattern and perspective views to conduct and save multistep, root-cause analysis. Azure Stream Analytics ile birlikte, neredeyse gerçek zamanlı uyarılar ve anomalileri algılamak için Time Series Insights'ı kullanabilirsiniz.In combination with Azure Stream Analytics, you can use Time Series Insights to detect alerts and anomalies in near real time.
Time Series Insights platformunu temel alan özel uygulamalarCustom applications built on Time Series Insights platform Zaman serisi görüşleri destekler JavaScript SDK'sı.Time Series Insights supports the JavaScript SDK. SDK, zengin denetimleri ve sorguları yönelik Basitleştirilmiş erişim sağlar.The SDK provides rich controls and simplified access to queries. İş gereksinimlerinize uyacak şekilde özel IOT uygulamaları Time Series Insights üzerine oluşturmak için SDK'yi kullanın.Use the SDK to build custom IoT applications on top of Time Series Insights to suit your specific business needs. Time Series Insights ayrıca kullanabileceğiniz sorgu API'leri doğrudan sürücü verilerini özel IOT uygulamaları için.You also can use the Time Series Insights Query APIs directly to drive data into custom IoT applications.

Sonraki adımlarNext steps

Azure zaman serisi öngörüleri önizlemesi ile çalışmaya başlayın:Get started with Azure Time Series Insights Preview:

Kullanım örnekleri hakkında bilgi edinin:Learn about use cases: