分析遙測資料
清楚識別 IoT 管線元件後，您現在想要專注於擷取資料的能力，對受控裝置的狀態提供有意義的見解。 您需要探索內建的 Azure IoT Central 分析功能，以判斷其是否足以滿足您的需求。 不過，您也想要評估其他選項，包括 Azure 時間序列深入解析，以及Azure IoT 中樞隨附的匯出功能。
哪些是主要 IoT 分析選項？
主要 IoT 分析選項會反映 Lambda 架構的資料處理準則。 Lambda 架構代表一種分層方法，可實作兩種資料處理類型：批次和串流。 批次層 (也稱為慢速或冷路徑) 會以原始形式儲存所有傳入的資料，並套用至其批次處理。 速度層 (也稱為快速或最忙碌路徑) 會即時或近乎即時套用分析。
您的分析方法以及用於實作該方法的對應技術選擇，取決於您是否要處理屬於快速或慢速資料路徑的遙測。 特別是快速資料流程會受限於延遲條件約束，因此其分析的範圍會有所限制。 此條件約束不適用於流經慢速路徑的資料，這可讓您進行高度精確且複雜的分析。
Azure IoT Central 的分析功能有哪些？
Azure IoT Central 提供以內建分析服務為基礎的內建分析功能，這結合了最忙碌路徑和冷路徑功能。 其可讓您近乎即時監視資料點。 您也可以視覺化歷程記錄趨勢、將不同類型的遙測相互關聯，以及根據內建和自訂的互動式儀表板偵測所收集資料中的異常狀況。 此功能會使用 Azure 時間序列深入解析進行遙測處理。
作為最忙碌路徑分析的一部分，您可以選擇設定從 Azure IoT Central 至 Azure 事件中樞的連續資料匯出，這會與 Azure Databricks 整合。 在 Azure Databricks 工作區中安裝相關的程式庫之後，您能夠使用其處理資源來進一步分析遙測串流，並產生更複雜的視覺效果，例如盒狀圖。 除了 Azure Databricks 之外，您也可以針對此目的使用 Azure 串流分析或 Azure HDInsight 中包含的 Spark 串流功能。 或者，您可以使用 Azure 時間序列深入解析。 此服務已針對大型資料集上的同步查詢最佳化，延遲範圍為 30 秒和 60 秒。
針對冷資料路徑，您可以定期將資料匯出至 Azure Blob 儲存體。 接下來，您可以設定資料管線，結合下列元件：
- Azure 函式
- Azure Data Factory 管線
- Azure SQL 資料庫
- Power BI 解決方案
注意
Power BI 解決方案可讓您處理、轉換和視覺化資料。 Power BI 可讓您透過互動式儀表板建立模型、關鍵效能指標 (KPI) 及其視覺效果。
Azure 時間序列深入解析的分析功能有哪些？
雖然 Azure 時間序列深入解析內建於 Azure IoT Central 中，但也可作為個別服務使用，與雲端閘道緊密整合，例如 Azure IoT 中樞和 Azure 事件中樞。 其可為時間序列資料提供分析、儲存體及視覺效果服務，包括支援類似 SQL 的篩選和彙總規則。 其視覺效果功能包括支援不同時間序列的重疊、儀表板比較、表格式檢視、熱度圖，以及用於互動式資料查詢的資料總管。 此外，其還會公開 JavaScript 控制項程式庫，協助將時間序列圖表內嵌至自訂應用程式。
Azure 串流分析的分析功能有哪些？
Azure 串流分析是最忙碌資料路徑的一部分。 其會提供即時分析和複雜的事件處理，針對源自 IoT 裝置、社交媒體摘要和應用程式的大量串流資料進行最佳化。 Azure 串流分析支援視窗化、串流彙總，以及外部資料源聯結之類的作業。