Azure Stream Analytics di IoT Edge

Azure Stream Analytics di IoT Edge memberdayakan pengembang untuk menggunakan analitik cerdas mendekati waktu nyata lebih dekat dengan perangkat IoT sehingga mereka dapat mengungkap potensi penuh data yang dihasilkan oleh perangkat. Azure Stream Analytics dirancang untuk latensi rendah, ketahanan, penggunaan bandwidth yang efisien, dan kepatuhan. Perusahaan dapat menyebarkan logika kontrol yang dekat dengan operasi industri dan melengkapi analitik Big Data yang dilakukan di cloud.

Azure Stream Analytics di IoT Edge berjalan dalam kerangka kerja Azure IoT Edge . Setelah pekerjaan dibuat di Azure Stream Analytics, Anda dapat menyebarkan dan mengelolanya menggunakan IoT Hub.

Skenario umum

Bagian ini menjelaskan skenario umum untuk Azure Stream Analytics di IoT Edge. Diagram berikut menunjukkan aliran data antara perangkat IoT dan cloud Azure.

Diagram tingkat atas IoT Edge

Perintah dan kontrol latensi rendah

Sistem keselamatan manufaktur harus merespons data operasional dengan latensi ultra rendah. Dengan Stream Analytics di IoT Edge, Anda dapat menganalisis data sensor hampir secara real-time dan mengeluarkan perintah saat mendeteksi anomali untuk menghentikan mesin atau memicu pemberitahuan.

Konektivitas terbatas ke cloud

Sistem misi penting, seperti peralatan penambangan jarak jauh, kapal yang terhubung, atau pengeboran lepas pantai, perlu menganalisis dan bereaksi terhadap data bahkan ketika konektivitas cloud terputus-putus. Dengan Azure Stream Analytics, logika streaming Anda berjalan secara independen dari konektivitas jaringan dan Anda dapat memilih apa yang Anda kirim ke cloud untuk pemrosesan atau penyimpanan lebih lanjut.

Bandwidth terbatas

Volume data yang dihasilkan oleh mesin jet atau mobil yang terhubung bisa sangat besar sehingga data harus difilter atau diproses sebelumnya sebelum mengirimkannya ke cloud. Dengan menggunakan Azure Stream Analytics, Anda dapat memfilter atau mengagregasi data yang perlu dikirim ke cloud.

Kepatuhan

Kepatuhan terhadap peraturan mungkin mengharuskan beberapa data untuk dianonimkan secara lokal atau diagregasi sebelum dikirim ke cloud.

Pekerjaan Edge di Azure Stream Analytics

Pekerjaan Azure Stream Analytics Edge berjalan dalam kontainer yang disebarkan ke perangkat Azure IoT Edge. Pekerjaan Edge terdiri dari dua bagian:

  • Bagian cloud yang bertanggung jawab atas penentuan pekerjaan: pengguna mengatur data masukan, keluaran, kueri, dan pengaturan lainnya, seperti peristiwa yang terjadi di luar urutan, di cloud.

  • Modul yang berjalan di perangkat IoT Anda. Modul berisi mesin Azure Stream Analytics dan menerima definisi pekerjaan dari cloud.

Stream Analytics menggunakan IoT Hub untuk menyebarkan pekerjaan edge ke perangkat-perangkat. Untuk informasi selengkapnya, lihat Penyebaran IoT Edge.

Pekerjaan Azure Stream Analytics Edge

Batasan pekerjaan Edge

Tujuannya adalah untuk memiliki paritas antara pekerjaan IoT Edge dan pekerjaan cloud. Sebagian besar fitur bahasa kueri SQL didukung untuk komputasi tepi dan cloud. Namun, fitur berikut tidak didukung untuk pekerjaan komputasi tepi:

  • Fungsi yang ditentukan pengguna (UDF) di JavaScript. UDF tersedia dalam C# untuk pekerjaan IoT Edge (pratinjau).
  • Agregat yang ditentukan pengguna (UDA).
  • Fungsi Azure Machine Learning.
  • Format AVRO untuk input/output. Saat ini, hanya CSV dan JSON yang didukung.
  • Operator SQL berikut:
    • PARTISI OLEH
    • GetMetadataPropertyValue
  • Kebijakan kedatangan terlambat

Persyaratan runtime dan perangkat keras

Untuk menjalankan Azure Stream Analytics di IoT Edge, Anda memerlukan perangkat yang dapat menjalankan Azure IoT Edge.

Stream Analytics dan Azure IoT Edge menggunakan kontainer Docker untuk menyediakan solusi portabel yang berjalan pada beberapa sistem operasi host (Windows, Linux).

Stream Analytics di IoT Edge tersedia sebagai imaj Windows dan Linux, yang dapat berjalan pada arsitektur x86-64 atau ARM (Advanced RISC Machines).

Input dan output

Tugas Stream Analytics Edge dapat menerima input dan output dari modul lain yang berjalan di perangkat IoT Edge. Untuk menyambungkan dari dan ke modul tertentu, Anda dapat mengatur konfigurasi perutean pada waktu deploisasi. Informasi selengkapnya dijelaskan pada dokumentasi komposisi modul IoT Edge.

Untuk input dan output, format CSV dan JSON didukung.

Untuk setiap aliran input dan output yang Anda buat di pekerjaan Stream Analytics, titik akhir yang sesuai dibuat pada modul yang dikerahkan. Titik akhir ini dapat digunakan dalam rute penyebaran Anda.

Jenis input aliran yang didukung adalah:

  • Edge Hub
  • Pusat Aktivitas
  • IoT Hub

Jenis output aliran yang didukung adalah:

  • Edge Hub
  • SQL Database
  • Pusat Aktivitas
  • Blob Storage/ADLS Gen2

Masukan referensi mendukung format file referensi. Output lain dapat dicapai menggunakan pekerjaan cloud di hilir. Misalnya, pekerjaan Azure Stream Analytics yang dihosting di Edge mengirimkan output ke Edge Hub, yang kemudian dapat mengirim output ke IoT Hub. Anda dapat menggunakan pekerjaan kedua Azure Stream Analytics yang dihosting di cloud dengan input dari IoT Hub dan output ke Power BI atau ke jenis output lainnya.

Informasi gambar modul Azure Stream Analytics

Informasi versi ini terakhir diperbarui pada 2020-09-21:

  • Gambar: mcr.microsoft.com/azure-stream-analytics/azureiotedge:1.0.9-linux-amd64

    • gambar dasar: mcr.microsoft.com/dotnet/core/runtime:2.1.13-alpine
    • platform:
      • arsitektur: amd64
      • os: linux

  • Gambar: mcr.microsoft.com/azure-stream-analytics/azureiotedge:1.0.9-linux-arm32v7

    • gambar dasar: mcr.microsoft.com/dotnet/core/runtime:2.1.13-bionic-arm32v7
    • platform:
      • arsitektur: arm
      • os: linux

  • Gambar: mcr.microsoft.com/azure-stream-analytics/azureiotedge:1.0.9-linux-arm64

    • gambar dasar: mcr.microsoft.com/dotnet/core/runtime:3.0-bionic-arm64v8
    • platform:
      • arsitektur: arm64
      • os: linux

Dapatkan bantuan

Untuk bantuan lebih lanjut, coba halaman pertanyaan Tanya Jawab Microsoft untuk Azure Stream Analytics.

Langkah berikutnya

  • Last updated on