Azure Time Series Analizler 2. Nesil'de Zaman Serisi Modeli
Dekont
Time Series Analizler (TSI) hizmeti artık Mart 2025'e kadar desteklenmeyecektir. Mevcut TSI ortamlarını mümkün olan en kısa sürede alternatif çözümlere geçirmeyi göz önünde bulundurun. Kullanımdan kaldırma ve geçiş hakkında daha fazla bilgi için belgelerimizi ziyaret edin.
Bu makalede Zaman Serisi Modeli, özellikler ve Azure Time Series Analizler 2. Nesil ortamında kendi modellerinizi oluşturmaya ve güncelleştirmeye nasıl başlayacağınız açıklanır.
Bahşiş
- Canlı bir Zaman Serisi Modeli örneği için Contoso Wind Farm tanıtım ortamına gidin.
- Azure Zaman Serisi Analizler Gezgini'ni kullanarak Time Series Modeli ile çalışmayı öğrenin.
Özet
Geleneksel olarak, IoT cihazlarından toplanan verilerde bağlamsal bilgiler eksiktir ve bu da algılayıcıları hızlı bir şekilde bulmayı ve çözümlemeyi zorlaştırır. Time Series Model'in temel motivasyonu, IoT veya Time Series verilerini bulmayı ve çözümlemeyi basitleştirmektir. Tüketiciye hazır veri kümelerini analiz için hazırlamaya yardımcı olmak için zaman serisi verilerinin seçkisini, bakımını ve zenginleştirmesini sağlayarak bu hedefe ulaşır.
Senaryo: Contoso'nun yeni akıllı fırını
Contoso akıllı fırınının kurgusal senaryolarını göz önünde bulundurun. Bu senaryoda, her Contoso akıllı fırının her dört en iyi brülör için ve bir tane de fırının kendisi için birer tane olan beş sıcaklık algılayıcısı olduğunu varsayalım. Yakın zamana kadar her Contoso sıcaklık sensörü verilerini tek tek gönderdi, depoladı ve görselleştirdi. Contoso, mutfak gereci izlemesi için her sensör için bir tane olan temel grafiklere dayanır.
Contoso ilk veri ve görselleştirme çözümünden memnun olsa da bazı sınırlamalar ortaya çıkıyor:
- Müşteriler, en iyi brülörlerin çoğu açıkken genel fırının ne kadar sıcak olacağını öğrenmek istedi. Contoso, genel fırının koşulları hakkında birleşik bir yanıtı analiz etmek ve sunmakta daha zorlandı.
- Contoso mühendisleri, aynı anda çalıştırılan en iyi brülörlerin verimsiz güç tüketimine neden olmayacağını doğrulamak istedi. Hangi sıcaklık ve gerilim algılayıcılarının birbiriyle ilişkilendirildiğine ve bunları mağazada nasıl bulabileceğine çapraz başvuruda bulunmakta zorlandı.
- Contoso kalite güvencesi ekibi, iki algılayıcı sürümü arasındaki geçmişi denetlemek ve karşılaştırmak istedi. Hangi verilerin hangi algılayıcı sürümüne ait olduğunu belirlemekte zorluk vardı.
Ayrıntılı akıllı fırın zaman serisi modelini yapılandırma, düzenleme ve tanımlama yeteneği olmadan, her sıcaklık sensörü yerinden çıkarılmış, yalıtılmış ve daha az bilgilendirici veri noktalarını korurdu. Her veri kümesi diğerlerinden bağımsız olarak yaşadığından bu veri noktalarını eyleme dönüştürülebilir içgörülere dönüştürmek daha zor oldu.
Bu sınırlamalar, Contoso'nun yeni fırınına eşlik edecek akıllı veri toplama ve görselleştirme araçlarının önemini ortaya koydu:
- Veri görselleştirme, verileri uygun bir görünümde ilişkilendirip birleştirdiğinizde yararlı olur. Sıcaklık algılayıcılarının yanı sıra voltaj algılayıcılarını da gösteren bir örnektir.
- Karşılaştırma, yakınlaştırma ve zaman aralığı işlevlerinin yanı sıra çeşitli varlıklar için çok boyutlu verileri yönetmek zor olabilir.
Zaman Serisi Modeli, bu kurgusal örnekte karşılaşılan senaryoların çoğu için kullanışlı bir çözüm sağlar:
- Zaman Serisi Modeli, zaman aralıkları arasında ve algılayıcı ve cihaz türleri arasında karşılaştırmaların çizilmesine izin vererek verileri bağlamsallaştırdığından sorgularda ve gezintide önemli bir rol oynar. (A)
- Zaman Serisi Modeli'nde kalıcı olan veriler zaman serisi sorgu hesaplamalarını değişken olarak koruduğundan ve bunları sorgu zamanında yeniden kullanacağından veriler daha fazla bağlamsallaştırılır.
- Zaman Serisi Modeli, geliştirilmiş görselleştirme ve yönetim özellikleri için verileri düzenler ve toplar. (B)
Önemli özellikler
Zaman Serisi Modeli, zaman serisi bağlamsallaştırmasını yönetmeyi basit ve zahmetsiz hale getirme amacıyla Azure Time Series Analizler 2. Nesil'de aşağıdaki özellikleri sağlar. Size yardımcı olur:
- Skaler işlevlerden, toplama işlemlerinden vb. yararlanan hesaplamaları veya formülleri yazın ve yönetin.
- Gezinti, arama ve başvuru özelliklerini etkinleştirmek için üst-alt ilişkileri tanımlayın.
- Örneklerle ilişkilendirilmiş, örnek alanları olarak tanımlanan özellikleri tanımlayın ve bunları kullanarak hiyerarşiler oluşturun.
Components
Zaman Serisi Modeli üç temel bileşene sahiptir:
Bu bileşenler bir zaman serisi modeli belirtmek ve verilerinizi düzenlemek için birleştirilir.
Azure Zaman Serisi Analizler Gezgini aracılığıyla bir zaman serisi modeli oluşturulabilir ve yönetilebilir. Zaman Serisi Modeli ayarları Model Ayarlar API'si aracılığıyla yönetilebilir.
Zaman Serisi Modeli örnekleri
Zaman Serisi Modeli örnekleri , zaman serisinin sanal gösterimleridir.
Çoğu durumda örnekler, zaman serisi kimlikleri olarak kaydedilen deviceId veya assetId ile benzersiz olarak tanımlanır.
Örnekler, zaman serisi kimliği, tür, ad, açıklama, hiyerarşiler ve örnek alanları gibi örnek özellikleri olarak adlandırılan, bunlarla ilişkilendirilmiş açıklayıcı bilgilere sahiptir. Örnek özellikleri en azından hiyerarşi bilgilerini içerir.
Örnek alanları , hiyerarşi düzeylerinin yanı sıra üretici, işleç vb. değerlerini içerebilen açıklayıcı bilgilerden oluşan bir koleksiyonlardır.
Azure Time Series Analizler 2. Nesil ortamı için bir olay kaynağı yapılandırıldıktan sonra örnekler otomatik olarak bulunur ve bir zaman serisi modelinde oluşturulur. Örnekler, Zaman Serisi Modeli sorguları kullanılarak Azure Time Series Analizler Gezgini aracılığıyla oluşturulabilir veya güncelleştirilebilir.
Contoso Wind Farm tanıtımı çeşitli canlı örnek örnekleri sağlar.
Örnek özellikleri
Örnekler timeSeriesId, typeId, name, description, hierarchyIds ve instanceFields ile tanımlanır. Her örnek yalnızca bir türe ve bir veya daha fazla hiyerarşiye eşlenir.
Dekont
Hiyerarşiler örnek alanları kullanılarak oluşturulur. Daha fazla örnek özellik tanımı için ek instanceFields eklenebilir.
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"
}
}
Bahşiş
Örnek API oluşturma, okuma, güncelleştirme ve silme (CRUD) desteği için Veri sorgulama makalesini ve Örnek API REST belgelerini okuyun.
Zaman Serisi Modeli hiyerarşileri
Zaman Serisi Modeli hiyerarşileri , özellik adlarını ve ilişkilerini belirterek örnekleri düzenler.
Belirli bir Azure Time Series Analizler 2. Nesil ortamında birden çok hiyerarşi yapılandırabilirsiniz. Zaman Serisi Modeli örneği tek bir hiyerarşiye veya birden çok hiyerarşiye (çok-çok ilişkisi) eşlenebilir.
Contoso Wind Farm tanıtımı standart bir örnek ve tür hiyerarşisi görüntüler.
Hiyerarşi tanımı
Hiyerarşiler hiyerarşi kimliği, adı ve kaynağıyla tanımlanır.
| Özellik | Tanım |
|---|---|
| kimlik | Örneğin, bir örneği tanımlarken kullanılan hiyerarşinin benzersiz tanımlayıcısı. |
| name | Hiyerarşi için bir ad sağlamak için kullanılan dize. |
| kaynak | Kullanıcıların oluşturmak istediği hiyerarşinin yukarıdan aşağıya üst-alt sırası olan kuruluş hiyerarşisini veya yolunu belirtir. Üst-alt özellikler örnek alanlarını eşler. |
Hiyerarşiler JSON'da şu şekilde gösterilir:
{
"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:
Locationüststatesve altcitiesöğe içeren bir hiyerarşi tanımlar. Herlocationbirinde birden çokstatesolabilir ve bu da birden çokcitiesolabilir.ManufactureDateüstyearve altmonthöğe içeren bir hiyerarşi tanımlar. HerManufactureDatebirinde birden çokyearsolabilir ve bu da birden çokmonthsolabilir.
Bahşiş
Hiyerarşi API'sini oluşturma, okuma, güncelleştirme ve silme (CRUD) desteği için Veri sorgulama makalesini ve Hiyerarşi API'sinin REST belgelerini okuyun.
Hiyerarşi örneği
H1buildinghiyerarşisinin instanceFieldNames tanımının bir parçası olarak , floorve room öğesinin 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 göz önünde bulundurulduğunda, hiyerarşi öznitelikleri ve değerleri aşağıdaki tabloda gösterildiği gibi görünür:
| Zaman Serisi Kimliği | Örnek alanları |
|---|---|
| Kimlik1 | "building" = "1000", "floor" = "10", "room" = "55" |
| Kimlik2 | "building" = "1000", "room" = "55" |
| ID3 | "floor" = "10" |
| Id4 | "building" = "1000", "floor" = "10" |
| ID5 | Hiçbir "bina", "kat" veya "oda" ayarlanmadı. |
Tam olarak tanımlanmış ve doğru sıralanmış bina, kat ve oda parametrelerine sahip olduklarından, Zaman Serisi Kimliği1 ve ID4, Azure Zaman Serisi Analizler Gezgini'nde H1 hiyerarşisinin bir parçası olarak görüntülenir.
Diğerleri, belirtilen veri hiyerarşisine uymadığından Ayrılmamış Örnekler altında sınıflandırılır.
Zaman Serisi Modeli türleri
Zaman Serisi Modeli türleri , hesaplama yapmak için değişkenleri veya formülleri tanımlamanıza yardımcı olur. Türler belirli bir örnekle ilişkilendirilir.
Bir tür bir veya daha fazla değişkene sahip olabilir. Örneğin, Bir Zaman Serisi Modeli örneği ortalama sıcaklık, en düşük sıcaklık ve maksimum sıcaklık değişkenlerinden oluşan Sıcaklık Sensörü türünde olabilir.
Contoso Wind Farm tanıtımı, ilgili örnekleriyle ilişkili birkaç Zaman Serisi Modeli türünü görselleştirir.
Bahşiş
Türler API'sini oluşturma, okuma, güncelleştirme ve silme (CRUD) desteği için Veri sorgulama makalesini ve Tür API'si REST belgelerini okuyun.
Tür özellikleri
Zaman Serisi Modeli türleri kimlik, ad, açıklama ve değişkenlere göre tanımlanır.
| Özellik | Tanım |
|---|---|
| kimlik | Türün büyük/küçük harfe duyarlı benzersiz dize kimliği. |
| name | Türü için bir ad sağlamak için kullanılan dize. |
| açıklama | Türü için bir dize açıklaması. |
| değişkenler | Türüyle ilişkili değişkenleri belirtin. |
Türler aşağıdaki JSON örneğine uygundur:
{
"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 kurallarını belirten birçok değişkene sahip olabilir. Zaman Serisi Modeli değişkenlerini tanımlama hakkında daha fazla bilgi edinin
Sonraki adımlar
MODELI API'ler aracılığıyla düzenleme hakkında daha fazla bilgi için Zaman Serisi Modeli başvuru belgelerini okuyun.
Zaman Serisi Modeli değişkenleriyle oluşturabileceğiniz formülleri ve hesaplamaları keşfetme
Azure Time Series Analizler 2. Nesil'de verileri sorgulama hakkında bilgi edinin