Analisi IoT con Esplora dati di Azure e l'hub IoT di Azure

Questa idea di soluzione descrive come Esplora dati di Azure fornisce analisi quasi in tempo reale per flussi rapidi e dati di streaming di volumi elevati da dispositivi e sensori IoT (Internet delle cose). Questo flusso di dati fa parte di una soluzione IoT complessiva che integra carichi di lavoro operativi e analitici con Azure Cosmos DB e Esplora dati di Azure.

Jupyter è un marchio della rispettiva azienda. Nessuna verifica dell'autenticità è implicita nell'uso di questo marchio. Apache® e Apache Kafka® sono marchi o marchi registrati di Apache Software Foundation negli Stati Uniti e/o in altri Paesi. L'uso di questi marchi non implica alcuna approvazione da parte di Apache Software Foundation.

Architettura

Scaricare un file di Visio di questa architettura.

Flusso di dati

Il flusso di dati seguente corrisponde al diagramma precedente:

1. Hub eventi di Azure, hub IoT di Azure o Apache Kafka inserisce un'ampia gamma di dati di streaming con flusso rapido, ad esempio log, eventi aziendali e attività utente.

2. Funzioni di Azure o Analisi di flusso di Azure elabora i dati quasi in tempo reale.

3. Azure Cosmos DB archivia i messaggi trasmessi in formato JSON per gestire un'applicazione operativa in tempo reale.

4. Esplora dati di Azure inserisce i dati per l'analisi usando i connettori per hub Event Hub, hub IoT o Kafka per bassa latenza e velocità effettiva elevata.

   In alternativa, è possibile inserire BLOB dal Archiviazione BLOB di Azure o Azure Data Lake Storage in Esplora dati di Azure usando una connessione dati Griglia di eventi di Azure.

   È anche possibile esportare continuamente i dati in Archiviazione di Azure in formato compresso e partizionato Apache Parquet e eseguire facilmente query sui dati con Esplora dati di Azure. Per altre informazioni, vedere Panoramica dell'esportazione continua dei dati.

5. Per gestire i casi d'uso operativi e analitici, instradare i dati a Esplora dati di Azure e Azure Cosmos DB in parallelo o da Azure Cosmos DB a Esplora dati di Azure.

   Le transazioni di Azure Cosmos DB possono attivare Funzioni di Azure tramite feed di modifiche. Funzioni di Azure trasmette i dati a Hub eventi per l'inserimento in Esplora dati di Azure. In alternativa, Funzioni di Azure può richiamare Gemelli digitali di Azure tramite l'API, che quindi trasmette i dati a Hub eventi per l'inserimento in Esplora dati di Azure.

6. Le interfacce seguenti ottengono informazioni dettagliate dai dati archiviati in Azure Esplora dati:

   • App di analisi personalizzate che combinano dati da Gemelli digitali di Azure e dalle API di Azure Esplora dati

   • Dashboard di analisi quasi in tempo reale che usano i dashboard di Esplora dati di Azure, Power BI o Grafana

   • Avvisi e notifiche dal connettore Esplora dati di Azure per App per la logica di Azure

   • Interfaccia utente Web Esplora dati di Azure, Kusto.Explorer e Jupyter notebook

7. Esplora dati di Azure si integra con Azure Databricks e Azure Machine Learning per fornire servizi di Machine Learning. È anche possibile creare modelli di Machine Learning usando altri strumenti e servizi ed esportarli in Esplora dati di Azure per l'assegnazione dei punteggi ai dati.

Componenti

Questa idea di soluzione usa i componenti di Azure seguenti.

Esplora dati di Azure

• Rilevamento anomalie e previsione è una funzionalità di analisi predefinita in Esplora dati di Azure. Rileva gli outlier e prevede valori futuri per supportare il monitoraggio proattivo e il processo decisionale. In questa architettura identifica modelli insoliti nei dati IoT e nelle previsioni del comportamento previsto nel tempo.

• La diagnosi di anomalie per l'analisi radice è una funzionalità KQL che consente di identificare le cause radice delle anomalie. Analizza le dimensioni e le metriche contributive per semplificare la risoluzione dei problemi. In questa architettura isola l'origine delle anomalie rilevate nei dati del dispositivo.

• Esplora dati di Azure è un servizio di analisi ad alte prestazioni completamente gestito. Elabora grandi volumi di dati di streaming da applicazioni, siti Web e dispositivi IoT quasi in tempo reale. In questa architettura funge da motore di analisi centrale per l'inserimento, l'esecuzione di query e la visualizzazione dei dati IoT.

• Esplora dati di Azure dashboard sono una funzionalità di visualizzazione nell'interfaccia utente Web Esplora dati di Azure. È possibile usare Esplora dati di Azure dashboard per esportare query Kusto in dashboard interattivi per l'esplorazione dei dati in tempo reale. In questa architettura vengono visualizzate informazioni dettagliate dai flussi di dati IoT e dai risultati del rilevamento anomalie.

• Esplora dati di Azure'interfaccia utente Web è un'interfaccia basata su browser per i cluster Esplora dati di Azure. Supporta gli utenti che scrivono, eseguono e condividono comandi e query KQL. In questa architettura è disponibile un'area di lavoro per gli analisti per eseguire query ed esplorare i dati IoT.

• L'analisi delle serie temporali è una funzionalità predefinita in Esplora dati di Azure. Consente agli utenti di esplorare modelli temporali, tendenze e stagionalità nei dati basati sul tempo. In questa architettura, rivela tendenze a lungo termine e comportamento ciclico nelle letture dei sensori IoT.

Altri componenti di Azure

• Azure Cosmos DB è il database NoSQL veloce completamente gestito con API aperte per qualsiasi scala. In questa architettura archivia i dati operativi dai dispositivi IoT per l'accesso scalabile e a bassa latenza.

• Gemelli digitali di Azure è una piattaforma per la modellazione di ambienti fisici come rappresentazioni digitali. In questa architettura, gestisce modelli digitali di asset connessi a IoT per supportare l'analisi spaziale e le informazioni contestuali.

• hub IoT consente la comunicazione bidirezionale tra i dispositivi IoT e il cloud Azure. In questa architettura funge da hub di messaggistica centrale per le operazioni di comando e controllo dei dispositivi e dei dati dei dispositivi.

• Hub eventi è un servizio di inserimento dati completamente gestito in tempo reale. In questa architettura inserisce i dati dai dispositivi IoT e lo trasmette nella pipeline di analisi.

• Kafka in HDInsight è un servizio di livello aziendale e conveniente per Apache Kafka in Azure. In questa architettura fornisce un backbone di streaming alternativo per l'inserimento e la distribuzione dei dati IoT.

Dettagli dello scenario

Questa soluzione usa Esplora dati di Azure per ottenere analisi dei dati IoT quasi in tempo reale su dati di streaming rapido e con volumi elevati da un'ampia gamma di dispositivi IoT.

Potenziali casi d'uso

• Gestione della flotta, per la manutenzione predittiva delle parti del veicolo. Questa soluzione è ideale per l'industria automobilistica e dei trasporti.

• Gestione delle strutture, per l'ottimizzazione dell'energia e dell'ambiente.

• Combinando le condizioni stradali in tempo reale con i dati meteo per una guida autonoma più sicura.

Collaboratori

Microsoft gestisce questo articolo. I seguenti collaboratori hanno scritto questo articolo.

Autore principale:

• Shlomo Sagir | Sviluppatore di contenuti senior

Altri contributori:

• Sreedhar Pelluru | Sviluppatore di contenuti senior

Per visualizzare i profili LinkedIn non pubblici, accedere a LinkedIn.

Passaggi successivi

• Che cos'è Esplora dati di Azure?
• Visualizzare i dati con i dashboard di Esplora dati di Azure

Risorsa correlata

• Progettazione dell'architettura di analisi