IoT Analytics 现已全面开放

今天，我很高兴地宣布，从 2018 年 4 月 24 日起，AWS IoT Analytics 服务已全面开放。客户可以使用 IoT Analytics 批量清理、加工、丰富、存储和分析连接的设备数据。目前，AWS IoT Analytics 已在美国东部 (弗吉尼亚北部)、美国西部 (俄勒冈)、美国东部 (俄亥俄) 和欧洲 (爱尔兰) 推出。去年十一月，我的同事 Tara Walker 的博客大作演示了 AWS IoT Analytics 服务的一些功能，Ben Kehoe (AWS 社区英雄、iRobot 公司研究员) 在 AWS Re:Invent 上也谈到，iRobot 将用 AWS IoT Analytics 代替原来用于将数据转发到弹性搜索群集的“鲁布戈德堡机械”(意指将简单工作复杂化的设计)。

根据服务预览期间收到的客户反馈，AWS IoT Analytics 团队增加了多项新的功能，包括使用 BatchPutMessage API 消化来自外部来源的数据、设置存储数据的数据保留策略、重新加工现有数据、预览管道结果以及使用 SampleChannelData API 预览通道消息等功能。

下面我们将介绍 IoT Analytics 的核心概念，然后将进行示例演示。

AWS IoT Analytics 的概念

AWS IoT Analytics 可以分解为几个简单的概念。在数据准备方面，客户将拥有：通道、管道和数据存储。在数据分析方面，客户将拥有：数据集和笔记本。

数据准备

通道是 IoT Analytics 的入口，它们会从现有的 IoT Core MQTT 主题收集数据，或从使用 Ingestion API 向通道发送消息的外部来源收集数据。通道具有可弹性扩展的特点，以二进制或 JSON 格式消费数据。此外通道还会不可变地存储原始设备数据，以便于在需求改变时使用不同的逻辑重新加工。
管道消费来自通道的消息，允许您分步骤处理消息，这被称为活动，例如根据属性筛选、通过添加或删除字段的方式转换消息的内容、调用 Lambda 函数以执行复杂的转换以及从外部数据源添加数据等，甚至还可使用来自 IoT Core 的数据丰富消息。管道会将其数据输出到数据存储。
数据存储是一种可查询的 IoT 优化数据存储解决方案，它面向管道的输出，支持自定义保留周期以优化成本。客户查询数据存储时，结果将会放入数据集中。

数据分析

数据集与 SQL 数据库中的视图类似。客户通过运行数据存储查询来创建数据集。数据集可以手动生成，也可使用重复性的计划生成。
笔记本是 Amazon SageMaker 托管的 Jupyter 笔记本，它允许客户使用自定义代码分析数据，甚至可以构建或训练数据的 ML 模型。IoT Analytics 提供多种笔记本模板，带有预先编写的常见 IoT 使用案例模型，例如预防性维护、异常检测、队列细分和预测等。

此外，您还可以将 IoT Analytics 作为 Amazon QuickSight 的数据源使用，轻松实现数据的可视化。各项服务的定价信息详见 AWS IoT Analytics 定价页面。

IoT Analytics 演示

虽然此演示使用控制台，但此处显示的所有操作都可使用 CLI 轻松完成。我们首次导航至控制台时，将会有一个有用的操作指南，告诉我们如何构建通道、管道和数据存储：

我们首先要创建一个通道。我已经使用 IoT Core 将一些数据放入 MQTT 通道，因此我将选择该通道。首先我将为通道命名，然后选择保留周期。