共用方式為

Azure 時間序列深入解析 Gen2 使用案例

  • 發行項

注意

時間序列深入解析服務將於 2024 年 7 月 7 日淘汰。 請考慮儘快將現有的環境移轉至替代解決方案。 如需淘汰和移轉的詳細資訊，請造訪我們的文件。

本文摘要說明 Azure 時間序列深入解析 Gen2 的數個常見使用案例。 本文中的建議是使用 Azure 時間序列深入解析 Gen2 開發應用程式和解決方案的起點。

具體來說，本文會回答下列問題：

下列各節將說明這些使用案例的概觀。

簡介

Azure 時間序列深入解析 Gen2 是端對端平臺即服務供應專案。 它用來收集、處理、儲存、分析和查詢高度內容化、時間序列優化的IoT規模數據。 它非常適合用於臨機操作數據探索和作業分析。 Azure 時間序列深入解析 Gen2 是唯一可延伸的自定義服務供應專案，可符合產業 IoT 部署的廣泛需求。

資料探索與視覺化的異常偵測

立即探索與分析數十億個事件，並找出異常行為及發掘資料背後隱藏的趨勢。 Azure 時間序列深入解析 Gen2 為您的 IoT 和 DevOps 分析工作負載提供近乎即時的效能。

資料總管

大部分客戶都同意取得深入解析所需的最少時間是 Azure 時間序列深入解析 Gen2 的其中一個突出功能：

  • Azure 時間序列深入解析 Gen2 不需要預先準備數據。
  • 快速將您連線到 Azure IoT 中樞 或 Azure 事件中樞 實例中的數十億個事件。
  • 線上之後，您可以將數十億個事件可視化並分析，以找出異常狀況，並探索數據中的隱藏趨勢。

Azure 時間序列深入解析 Gen2 直覺且容易使用。 您可以與數據互動，而不需要撰寫單行程序代碼。 雖然 Azure 時間序列深入解析 Gen2 為熟悉 SQL 的進階使用者提供細微的文字型查詢語言，但您也不需要學習新的語言。 它也提供新手的選取和點擊探索。

客戶可以利用速度快速診斷資產相關問題。 他們可以執行DevOps分析，以取得IoT解決方案中Bug的根本原因。 他們也可以識別要標幟的區域作為其數據科學計劃的一部分進行進一步調查。

有三個主要方式可以與儲存在 Azure 時間序列深入解析 Gen2 中的數據互動：

  • 開始使用的第一個最簡單的方式是使用 Azure 時間序列深入解析 Gen2 Explorer。 您可以使用它，在一個地方快速可視化所有IoT數據。 其提供熱度圖之類的工具，可協助您找出數據中的異常狀況。 它也提供檢視方塊檢視。 您可以使用它，從單一儀錶板中的一或多個 Azure 時間序列深入解析 Gen2 環境，比較最多四個檢視。 儀錶板可讓您檢視所有位置的時間序列數據。 深入瞭解 Azure 時間序列深入解析 Gen2 Explorer。 若要規劃您的環境，請閱讀 Azure 時間序列深入解析 Gen2 規劃。

  • 第二個開始方式是使用 JavaScript SDK，在 Web 應用程式中快速內嵌功能強大的圖表和圖形。 只要使用幾行程式代碼，您就可以撰寫功能強大的查詢。 使用它們來填入折線圖、餅圖、條形圖、熱度圖、數據網格線等等。 所有這些元素都是使用 SDK 的現用專案。 SDK 也會抽象 Azure 時間序列深入解析 Gen2 查詢 API。 您可以使用它們來撰寫類似 SQL 的述詞，以查詢您想要在儀錶板上顯示的數據。 針對混合式簡報層解決方案，Azure 時間序列深入解析 Gen2 提供參數化 URL。 它們提供與 Azure 時間序列深入解析 Gen2 Explorer 的無縫連接點，以深入探討數據。

  • 第三個啟動方式是使用功能強大的 API 來查詢儲存在 gen2 Azure 時間序列深入解析 中的數據。 Azure 時間序列深入解析 Gen2 具有時態運算子，例如from、 tofirst和 last。 它具有匯總和轉換，例如 average、 sum、 min、 max、、 time-weighted average、 time-weighted sum等。它也允許篩選、算術和布爾運算元、純量函式等。所有這些運算子可讓下游應用程式快速尋找您數據中有趣的趨勢和模式。 使用它們填入本土視覺效果來找出異常。

維運分析與推動流程效率

使用 Azure 時間序列深入解析 Gen2 來大規模監視設備的健康情況、使用狀況和效能，並測量營運效率。 Azure 時間序列深入解析 Gen2 可協助管理多樣化且無法預測的 IoT 工作負載，而不需要犧牲擷取或查詢效能。

此螢幕快照顯示 I o T 裝置 / 應用程式數據、串流處理、營運效率、智慧 / 深入解析，以及 Azure 時間序列深入解析 Gen2 中的進階分析。

如果數據與正確的技術或解決方案結合，則來自作業流程的數據串流和持續處理可以成功轉換任何業務。 這些解決方案通常是多個系統的組合。 它們可讓您探索和分析不斷變化的數據，特別是在IoT領域，並共用共同模式。

這些模式通常會從啟用IoT的平台開始，從跨越各種地區設定的裝置和感測器擷取數十億個事件。 這些系統會處理和分析串流數據，以衍生即時深入解析和動作。 數據通常會封存到暖和冷存放區，以進行近乎即時和批次分析。

收集的數據會經過一系列處理，以清理並使其內容化，以進行下游查詢和分析案例。 Azure 提供豐富的服務，可套用至 IoT 案例，例如資產維護和製造。 這些服務包括 Azure 時間序列深入解析 Gen2、IoT 中樞、事件中樞、Azure 串流分析、Azure Functions、Azure Logic Apps、Azure Databricks、Azure 機器學習 和 Power BI。

解決方案架構可以透過下列方式達成：

  • 透過 IoT 中樞 或事件中樞擷取數據，以獲得最佳安全性、輸送量和延遲。
  • 執行數據處理和計算。 透過串流分析、Logic Apps 和 Azure Functions 等服務內嵌的數據。 您使用的服務取決於特定的數據處理需求。
  • 處理管線的計算訊號會推送至 Azure 時間序列深入解析 Gen2 以進行儲存和分析。

Azure 時間序列深入解析 Gen2 提供近乎實時的數據探索和以資產為基礎的歷史數據深入解析。 根據您的業務需求，MapReduce 和 Hive 作業可以藉由將 Azure 時間序列深入解析 Gen2 連線至 Azure HDInsight，在 Azure 時間序列深入解析 Gen2 中儲存的數據上執行。 儲存在 Azure 時間序列深入解析 Gen2 中的數據可透過 Azure 時間序列深入解析 Gen2 公用介面查詢 API 提供給 Power BI 和其他客戶應用程式。 此數據可用於深入的商業和操作智慧案例。

進階分析

與進階分析服務整合，例如 機器學習 和 Azure Databricks。 Azure 時間序列深入解析 Gen2 輸入來自數百萬個裝置的原始數據。 它會新增一組 Azure 分析服務順暢地取用的內容數據。

分析

進階分析和機器學習會取用和處理大量數據。 此數據可用來做出數據驅動的決策，並執行預測性分析。 在IoT使用案例中，進階分析演算法會從數百萬部裝置收集的數據中學習。 這些裝置每秒會傳輸多次數據。 從 IoT 裝置收集的數據是未經處理的。 它缺少內容資訊，例如裝置的位置和感測器讀取的單位。 因此，原始數據難以直接取用以進行進階分析。

Azure 時間序列深入解析 Gen2 透過兩種簡單且符合成本效益的方式，橋接 IoT 數據與進階分析之間的差距：

  • 首先，Azure 時間序列深入解析 Gen2 會使用 IoT 中樞，從數百萬個裝置收集原始遙測數據。 它會使用內容資訊擴充數據，並將數據轉換成 parquet 格式。 此格式可以輕鬆地與其他進階分析服務整合，例如 機器學習、Azure Databricks 和第三方應用程式。

    Azure 時間序列深入解析 Gen2 可作為整個組織所有數據的真相來源。 它會建立一個中央存放庫，以供下游分析工作負載取用。 由於 Azure 時間序列深入解析 Gen2 是近乎即時的記憶體服務，因此進階分析模型可以從傳入的 IoT 遙測數據中持續學習。 因此，模型可以做出更精確的預測。

  • 其次，機器學習和預測模型的輸出可以饋送至 Azure 時間序列深入解析 Gen2，以可視化方式呈現並儲存其結果。 此程式可協助組織優化和調整其模型。 Azure 時間序列深入解析 Gen2 可讓您輕鬆地在與定型模型輸出相同的平面上可視化串流遙測數據。 如此一來，它可協助數據科學小組找出異常狀況並識別模式。

下一步