Bu örnek senaryo, karar alma sürecini geliştirmek ve otomatikleştirmek için birçok IoT cihazından verileri kapsamlı bir veri analizi mimarisiyle tümleştiren çözümler oluşturan kuruluşlara yöneliktir. Olası uygulamalar arasında birçok IoT tabanlı veri girişinden büyük hacimli veriler içeren inşaat, madencilik, üretim veya diğer sektör çözümleri yer alır.
Mimari
Bu mimarinin bir Visio dosyasını indirin.
Veri akışı
Veriler çözümde aşağıdaki gibi akar:
- İnşaat ekipmanı sensör verilerini toplar ve yapı sonuçları verilerini düzenli aralıklarla bir Azure sanal makineleri kümesinde barındırılan yük dengeli web hizmetlerine gönderir.
- Özel web hizmetleri, derleme sonuçları verilerini alır ve Azure sanal makinelerinde çalışan bir Apache Cassandra kümesinde depolar.
- Başka bir veri kümesi, çeşitli inşaat ekipmanlarındaki IoT algılayıcıları tarafından toplanır ve IoT Hub gönderilir.
- Toplanan ham veriler doğrudan IoT Hub Azure blob depolama alanına gönderilir ve görüntüleme ve analiz için hemen kullanılabilir.
- IoT Hub aracılığıyla toplanan veriler, bir Azure Stream Analytics işi tarafından neredeyse gerçek zamanlı olarak işlenir ve Azure SQL veritabanında depolanır.
- Smart Construction Cloud web uygulaması, analistlerin ve son kullanıcıların sensör verilerini ve görüntülerini görüntüleyip analiz etmelerini sağlar.
- Toplu işler, web uygulamasının kullanıcıları tarafından isteğe bağlı olarak başlatılır. Toplu iş, HDInsight üzerinde Apache Spark'ta çalışır ve Cassandra kümesinde depolanan yeni verileri analiz eder.
Bileşenler
- IoT Hub, bulut platformu ile inşaat ekipmanları ve diğer site öğeleri arasında cihaz başına kimlikle güvenli çift yönlü iletişim için merkezi bir ileti merkezi görevi görür. IoT Hub her cihaz için veri analizi işlem hattına veri almak üzere hızla veri toplayabilir.
- Azure Stream Analytics , cihazlardan ve diğer veri kaynaklarından yüksek hacimli veri akışını analiz eden bir olay işleme altyapısıdır. Ayrıca desenleri ve ilişkileri tanımlamak için veri akışlarından bilgi ayıklamayı da destekler. Bu senaryoda Stream Analytics, IoT cihazlarından veri alıp analiz eder ve sonuçları Azure SQL Veritabanında depolar.
- Azure SQL Veritabanı, Çözümleyiciler ve kullanıcılar tarafından Azure tabanlı bir Web uygulaması aracılığıyla görüntülenebilen IoT cihazlarından ve ölçümlerinden analiz edilen verilerin sonuçlarını içerir.
- Blob depolama , IoT hub cihazlarından toplanan görüntü verilerini depolar. Görüntü verileri web uygulaması aracılığıyla görüntülenebilir.
- Traffic Manager , farklı Azure bölgelerindeki hizmet uç noktaları için kullanıcı trafiğinin dağıtımını denetler.
- Load Balancer, yüksek kullanılabilirlik sağlamak için inşaat ekipmanı cihazlarından gelen veri gönderimlerini VM tabanlı web hizmetlerine dağıtır.
- Azure Sanal Makineler, yapı sonuçları verilerini alan ve Apache Cassandra veritabanına alan web hizmetlerini barındırın.
- Apache Cassandra , Apache Spark tarafından daha sonra işlenmek üzere yapı verilerini depolamak için kullanılan dağıtılmış bir NoSQL veritabanıdır.
- Web Apps, kaynak verileri ve görüntüleri sorgulamak ve görüntülemek için kullanılabilecek son kullanıcı web uygulamasını barındırıyor. Kullanıcılar, uygulama aracılığıyla Apache Spark'ta toplu işler de başlatabilir.
- HDInsight üzerinde Apache Spark , büyük veri analizi uygulamalarının performansını artırmak için bellek içi işlemeyi destekler. Bu senaryoda Spark, Apache Cassandra'da depolanan veriler üzerinde karmaşık algoritmalar çalıştırmak için kullanılır.
Alternatifler
- Azure Cosmos DB alternatif bir NoSQL veritabanı teknolojisidir. Azure Cosmos DB, çeşitli müşteri gereksinimlerini karşılamak için iyi tanımlanmış birden çok tutarlılık düzeyiyleküresel ölçekte çoklu ana şablon desteği sağlar. Ayrıca Apache Cassandra için Azure Cosmos DB'yi de destekler.
- Azure Databricks, Azure için iyileştirilmiş Apache Spark tabanlı bir analiz platformudur. Tek tıklamayla kurulum, kolaylaştırılmış iş akışları ve etkileşimli bir işbirliği çalışma alanı sağlamak için Azure ile tümleşiktir.
- Data Lake Storage, Blob depolamaya alternatiftir. Bu senaryo için hedeflenen bölgede Data Lake Storage kullanılamıyordu.
- Web Apps, yapı sonuçları verilerini almak için web hizmetlerini barındırmak için de kullanılabilir.
- Gerçek zamanlı ileti alımı, veri depolama, akış işleme, analitik verilerin depolanması ve analiz ve raporlama için birçok teknoloji seçeneği mevcuttur. Bu seçeneklere, özelliklerine ve önemli seçim ölçütlerine genel bakış için Azure Veri Mimarisi Kılavuzu'ndakiBüyük veri mimarileri: Gerçek zamanlı işleme konusuna bakın.
Senaryo ayrıntıları
Bu senaryoda, bir inşaat ekipmanı üreticisi telemetri verilerini yaymak için IoT ve GPS teknolojilerini kullanan araçlar, ölçümler ve insansız hava araçları oluşturur. Şirket, işletim koşullarını ve ekipman durumunu daha iyi izlemek için veri mimarisini modernleştirmek istiyor. Şirket içi altyapıyı kullanarak şirketin eski çözümünü değiştirmek hem zaman hem de iş gücü açısından yoğun olabilir ve beklenen veri hacmini işlemek için yeterince ölçeklendirilemez.
Şirket, bulut tabanlı bir "akıllı yapı" çözümü oluşturmak istiyor. Bir inşaat alanı için kapsamlı bir veri kümesi toplamalı ve sitenin çeşitli öğelerinin çalışmasını ve bakımını otomatikleştirmelidir. Şirketin hedefleri şunlardır:
- Ekipman kapalı kalma süresini en aza indirmek ve hırsızlığı azaltmak için tüm inşaat alanı ekipmanını ve verilerini tümleştirme ve analiz etme.
- İşgücü kıtlığı etkilerini azaltmak için inşaat ekipmanını uzaktan ve otomatik olarak kontrol etmek, sonuçta daha az işçiye ihtiyaç duyması ve daha düşük vasıflı işçilerin başarılı olmasına olanak sağlamak.
- Destek altyapısı için işletim maliyetlerini ve iş gücü gereksinimlerini en aza indirirken üretkenliği ve güvenliği artırır.
- Telemetri verilerindeki artışları desteklemek için altyapıyı kolayca ölçeklendirme.
- Sistem kullanılabilirliğini tehlikeye atmadan ülke içinde kaynak sağlayarak ilgili tüm yasal gereksinimlere uymak.
- Çalışanların mevcut becerilerine yatırımı en üst düzeye çıkarmak için açık kaynak yazılım kullanma.
IoT Hub ve HDInsight gibi yönetilen Azure hizmetlerinin kullanılması, müşterinin daha düşük işletim maliyetiyle hızlı bir şekilde kapsamlı bir çözüm oluşturmasına ve dağıtmasına olanak sağlar. Ek veri analizi gereksinimleriniz varsa Azure'da kullanılabilen tam olarak yönetilen veri analizi hizmetlerinin listesini gözden geçirmeniz gerekir.
Olası kullanım örnekleri
Diğer ilgili kullanım örnekleri şunlardır:
- İnşaat (tesisler ve emlak), madencilik (enerji) veya ekipman üretim senaryoları
- Depolama ve analiz için cihaz verilerinin büyük ölçekli toplanması
- Büyük veri kümelerinin alımı ve analizi
Dikkat edilmesi gerekenler
Bu önemli noktalar, bir iş yükünün kalitesini artırmak için kullanılabilecek bir dizi yol gösteren ilke olan Azure Well-Architected Framework'ün yapı taşlarını uygular. Daha fazla bilgi için bkz. Microsoft Azure Well-Architected Framework.
Azure bölgelerinin geniş kullanılabilirliği bu senaryo için önemli bir faktördür. Tek bir ülkede/bölgede birden fazla Azure bölgesine sahip olmak olağanüstü durum kurtarma sağlarken, sözleşme yükümlülükleri ve kolluk kuvvetleri gereksinimleriyle uyumluluğu da sağlayabilir. Azure'ın bölgeler arasındaki yüksek hızlı iletişimi de bu senaryoda önemli bir faktördür.
Açık kaynak teknolojileri için Azure desteği, müşterinin mevcut iş gücü becerilerinden yararlanmasına olanak sağladı. Müşteri ayrıca şirket içi çözüme kıyasla daha düşük maliyet ve işletim iş yükleriyle yeni teknolojilerin benimsenmesini hızlandırabilir.
Maliyet iyileştirmesi
Maliyet iyileştirmesi, gereksiz giderleri azaltmanın ve operasyonel verimliliği artırmanın yollarını gözden geçmektir. Daha fazla bilgi için bkz. Maliyet iyileştirme sütununa genel bakış.
Aşağıdaki hususlar, bu çözümün maliyetlerinin önemli bir kısmını yönlendirecektir.
- Ek örnekler sağlandıkça Azure sanal makine maliyetleri doğrusal olarak artar. Serbest bırakılan sanal makineler yalnızca depolama maliyetlerine neden olur, işlem maliyetlerine neden olmaz. Bu serbest bırakılmış makineler daha sonra talep yüksek olduğunda yeniden bulunabilir.
- IoT Hub maliyetleri sağlanan IoT birimi sayısına ve birim başına günlük ileti sayısını belirleyen seçilen hizmet katmanına göre belirlenir.
- Stream Analytics , verileri hizmete işlemek için gereken akış birimi sayısına göre fiyatlanır.
Katkıda Bulunanlar
Bu makale Microsoft tarafından korunur. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.
Asıl yazar:
- Alex Buck | Kıdemli İçerik Geliştirici
Sonraki Adımlar
Büyük veri mimarileri için kılavuza Azure Veri Mimarisi Kılavuzu'nda ulaşabilirsiniz.
İlgili kaynaklar
Ek IoT mimarileri:
- Azure IoT başvuru mimarisi
- Azure Cosmos DB kullanarak IoT
- Perakende - Çevrimiçi satın alma, mağazada seçme (BOPIS)
- Akıllı IoT Edge ile tahmine dayalı bakım
- Microsoft kimlik platformu ile IoT SaaS uygulamanızın güvenliğini sağlama
IoT mimarisi kılavuzları: