Azure Stream Analytics no IoT Edge
O Azure Stream Analytics no IoT Edge permite aos programadores implementar analytical intelligence mais próxima dos dispositivos IoT para que possam desbloquear o valor total dos dados gerados por dispositivos. O Azure Stream Analytics foi concebido para baixa latência, resiliência, utilização eficiente da largura de banda e conformidade. As empresas podem implantar lógica de controle próxima às operações industriais e complementar a análise de Big Data feita na nuvem.
O Azure Stream Analytics no IoT Edge é executado dentro da estrutura do Azure IoT Edge . Depois que o trabalho é criado no Stream Analytics, você pode implantá-lo e gerenciá-lo usando o Hub IoT.
Cenários comuns
Esta seção descreve os cenários comuns do Stream Analytics no IoT Edge. O diagrama a seguir mostra o fluxo de dados entre dispositivos IoT e a nuvem do Azure.
Comando e controlo de baixa latência
Os sistemas de segurança de fabricação devem responder aos dados operacionais com latência ultrabaixa. Com o Stream Analytics no IoT Edge, você pode analisar os dados do sensor quase em tempo real e emitir comandos quando detetar anomalias para parar uma máquina ou disparar alertas.
Conectividade limitada com a nuvem
Sistemas de missão crítica, como equipamentos de mineração remotos, embarcações conectadas ou perfuração offshore, precisam analisar e reagir aos dados, mesmo quando a conectividade na nuvem é intermitente. Com o Stream Analytics, sua lógica de streaming é executada independentemente da conectividade de rede e você pode escolher o que enviar para a nuvem para processamento ou armazenamento adicional.
Largura de banda limitada
O volume de dados produzidos por motores a jato ou carros conectados pode ser tão grande que os dados devem ser filtrados ou pré-processados antes de enviá-los para a nuvem. Usando o Stream Analytics, você pode filtrar ou agregar os dados que precisam ser enviados para a nuvem.
Conformidade
A conformidade regulamentar pode exigir que alguns dados sejam localmente anonimizados ou agregados antes de serem enviados para a nuvem.
Trabalhos de borda no Azure Stream Analytics
Os trabalhos do Stream Analytics Edge são executados em contêineres implantados em dispositivos do Azure IoT Edge. Os trabalhos de borda são compostos por duas partes:
Uma parte da nuvem que é responsável pela definição do trabalho: os usuários definem entradas, saídas, consultas e outras configurações, como eventos fora de ordem, na nuvem.
Um módulo em execução em seus dispositivos IoT. O módulo contém o mecanismo do Stream Analytics e recebe a definição de tarefa da nuvem.
O Stream Analytics usa o Hub IoT para implantar trabalhos de borda no(s) dispositivo(s). Para obter mais informações, consulte Implantação do IoT Edge.
Limitações do trabalho de borda
O objetivo é ter paridade entre os trabalhos do IoT Edge e os trabalhos na nuvem. A maioria dos recursos de linguagem de consulta SQL são suportados para borda e nuvem. No entanto, os seguintes recursos não são suportados para trabalhos de borda:
- Funções definidas pelo usuário (UDF) em JavaScript. UDF estão disponíveis em C# para trabalhos do IoT Edge (visualização).
- Agregações definidas pelo usuário (UDA).
- Funções do Azure ML.
- Formato AVRO para entrada/saída. No momento, apenas CSV e JSON são suportados.
- Os seguintes operadores SQL:
- PARTIÇÃO POR
- GetMetadataPropertyValue
- Política de chegadas tardias
Requisitos de tempo de execução e hardware
Para executar o Stream Analytics no IoT Edge, você precisa de dispositivos que possam executar o Azure IoT Edge.
O Stream Analytics e o Azure IoT Edge usam contêineres do Docker para fornecer uma solução portátil que é executada em vários sistemas operacionais host (Windows, Linux).
O Stream Analytics no IoT Edge é disponibilizado como imagens Windows e Linux, rodando em arquiteturas x86-64 ou ARM (Advanced RISC Machines).
Entrada e saída
Os trabalhos do Stream Analytics Edge podem obter entradas e saídas de outros módulos em execução em dispositivos IoT Edge. Para se conectar de e para módulos específicos, você pode definir a configuração de roteamento no momento da implantação. Mais informações são descritas na documentação de composição do módulo IoT Edge.
Para entradas e saídas, os formatos CSV e JSON são suportados.
Para cada fluxo de entrada e saída que você cria em seu trabalho do Stream Analytics, um ponto de extremidade correspondente é criado no módulo implantado. Esses pontos de extremidade podem ser usados nas rotas de sua implantação.
Os tipos de entrada de fluxo suportados são:
- Hub de Borda
- Hub de Eventos
- IoT Hub
Os tipos de saída de fluxo suportados são:
- Hub de Borda
- Base de Dados SQL
- Hub de Eventos
- Armazenamento de Blob/ADLS Gen2
A entrada de referência suporta o tipo de arquivo de referência. Outras saídas podem ser alcançadas usando um trabalho na nuvem a jusante. Por exemplo, um trabalho do Stream Analytics hospedado no Edge envia a saída para o Edge Hub, que pode enviar a saída para o Hub IoT. Você pode usar um segundo trabalho do Azure Stream Analytics hospedado na nuvem com entrada do Hub IoT e saída para o Power BI ou outro tipo de saída.
Avisos de licença e de terceiros
- Licença do Azure Stream Analytics no IoT Edge.
- Aviso de terceiros para o Azure Stream Analytics no IoT Edge.
Informações de imagem do módulo Azure Stream Analytics
Esta informação de versão foi atualizada pela última vez em 2020-09-21:
Imagem:
mcr.microsoft.com/azure-stream-analytics/azureiotedge:1.0.9-linux-amd64- Imagem base: mcr.microsoft.com/dotnet/core/runtime:2.1.13-alpine
- plataforma:
- Arquitetura: AMD64
- SO: Linux
Imagem:
mcr.microsoft.com/azure-stream-analytics/azureiotedge:1.0.9-linux-arm32v7- Imagem base: mcr.microsoft.com/dotnet/core/runtime:2.1.13-bionic-arm32v7
- plataforma:
- Arquitetura: ARM
- SO: Linux
Imagem:
mcr.microsoft.com/azure-stream-analytics/azureiotedge:1.0.9-linux-arm64- Imagem base: mcr.microsoft.com/dotnet/core/runtime:3.0-bionic-arm64v8
- plataforma:
- Arquitetura: ARM64
- SO: Linux
Obter ajuda
Para obter mais assistência, tente a página de perguntas e respostas da Microsoft para o Azure Stream Analytics.