AWS IoT Analytics

IoT 设备分析

免费试用

AWS IoT Analytics 是一项完全托管的服务，让您能够对大量物联网数据轻松运行和操作复杂的分析，无需担心构建物联网分析平台通常会产生的所有成本和复杂性。它是对 IoT 数据运行分析并获得见解的最简单的方法，可以让您针对 IoT 应用程序和机器学习使用案例做出更好、更准确的决定。

IoT 数据是高度非结构化数据，难以使用专用于处理结构化数据的传统分析和商业智能工具进行分析。IoT 数据来自通常记录非常嘈杂过程（如温度、动作或声音）的设备。因而来自这些设备的数据经常具有大量空白、损坏的消息和错误的读数，必须先清除这些，才能进行分析。另外，IoT 数据通常仅在需要额外的第三方数据输入的上下文中有意义。例如，为帮助农民确定确定何时为庄稼浇水，葡萄园灌溉系统通常使用葡萄园的降雨量数据来扩充湿度传感器数据，从而更高效地使用水资源，同时尽可能提升产量。

AWS IoT Analytics 可以自动执行各个复杂的步骤来分析来自 IoT 设备的数据。AWS IoT Analytics 对 IoT 数据进行筛选、转换和扩充，然后再将其存储在时间序列数据存储中以供分析。您可以将该服务设置为只从您的设备中收集需要的数据，应用数学转换来处理数据，并使用特定于设备的元数据（例如设备类型和位置）来扩充数据，然后再存储处理过的数据。然后，您可以使用内置 SQL 查询引擎来运行临时查询或计划查询，从而分析您的数据，也可以执行更复杂的分析和机器学习推理。AWS IoT Analytics 包括针对常见 IoT 使用案例的预构建模型，帮助您轻松开始使用机器学习。

您也可以使用自定义分析，将其打包到容器中，以在 AWS IoT Analytics 上执行。AWS IoT Analytics 可自动执行在 Jupyter Notebook 或您自己工具（例如，Matlab、Octave 等）中创建的自定义分析，实现按您的计划执行。

AWS IoT Analytics 是一项完全托管的服务，可以自动操作分析和扩展以便支持高达 PB 级的 IoT 数据。借助 AWS IoT Analytics，您能够分析来自数百万台设备的数据并构建速度快、响应性高的 IoT 应用程序，而无需管理硬件或基础设施。

有关更多信息，请访问 AWS IoT Analytics 文档页面。

AWS IoT Analytics – 工作原理 (3:01)

AWS IoT Analytics 的优势

操作分析工作流

您提供分析，AWS IoT Analytics 根据您需要的时间和位置自动执行分析。AWS IoT Analytics 将导入您自定义编写的代码容器、内置外部工具（例如，Matlab 或 Octave 等），按照您的计划来执行它们以生成运营见解，让您可以将更多时间专注于精益求精。

轻松运行 IoT 数据查询

借助 AWS IoT Analytics，您能够使用内置的 SQL 查询引擎运行简单的临时查询。例如，使用标准 SQL 查询从数据存储中提取数据，您可以计算互连车队的平均行驶距离，或在智能建筑中锁上的门数量。此外，AWS IoT Analytics 提供一系列不重叠且连续的时间窗口，可以对新的增量数据执行分析。通过仅扫描所需数据，您可以提高分析效率和降低成本。

针对 IoT 进行了优化的数据存储

AWS IoT Analytics 将处理后的设备数据存储在一个时间序列数据存储中，该存储经过优化，可以快速响应 IoT 查询。原始数据也会自动存储以便之后处理，或针对其他使用案例重新处理。

准备 IoT 数据以便分析

AWS IoT Analytics 采用多种数据准备技术，让您能够轻松准备和处理数据以便进行分析。AWS IoT Analytics 还支持时间序列分析，因此您可以分析设备性能随着时间的变化、了解设备的使用方式和使用位置、持续监控设备数据以便预测维护问题，还可以监控传感器以便预测和应对环境状况。AWS IoT Analytics 与 AWS IoT Core 集成，因此可以轻松地直接从互连设备提取设备数据。它可以清除错误读数、填补数据空白并对消息数据执行数学转换。在提取数据时，AWS IoT Analytics 可以使用条件语句来处理数据，筛选数据以仅收集要分析的数据，以及使用 AWS IoT 注册表中的信息来扩充数据。您还可以使用 AWS Lambda 函数来扩充来自 Weather Service、HERE Maps、Salesforce 或 Amazon DynamoDB 等外部来源的设备数据。

机器学习工具

AWS IoT Analytics 让您能够使用托管的 Jupyter Notebook 将机器学习轻松应用于您的 IoT 数据。您可以将 IoT 数据直接连接到笔记本并从 AWS IoT Analytics 控制台构建、训练和执行模型，而不必管理任何底层基础设施。您可以使用 AWS IoT Analytics 将机器学习算法应用于设备数据，以便为队列中的每个设备生成运行状况评分。例如，汽车制造商可以检测哪个客户的刹车片损坏，并提醒他们维修车辆。此外，只需单击几次按钮，您就可以将 Jupyter Notebook 代码打包到可执行容器映像中，然后根据需要在 AWS IoT Analytics 上执行容器。

自动扩展，按需付费

AWS IoT Analytics 是一项完全托管并且按需付费的服务，可以自动扩展以便支持高达 PB 级的 IoT 数据。借助 IoT Analytics，您可以分析连接的所有设备，无需管理硬件或基础设施。随着您的需求的变化，计算能力和数据存储也会自动向上或向下扩展，因此您拥有的容量始终适合您的 IoT 应用程序，并且您仅需为使用的资源付费。

工作原理

使用案例

智能农业

AWS IoT Analytics 可以使用来自 AWS IoT 注册表和其他公开数据源的上下文元数据来自动扩充 IoT 设备数据，因此您可以在执行分析时将时间、位置、温度、高度和其他环境状况考虑在内。利用这种分析，您可以编写模型，提供设备可以在现场执行的建议操作。例如，连接的农业设备的操作员可以使用 AWS IoT Analytics，用预计降雨量来扩充湿度传感器数据，以便优化自动灌溉设备的水资源利用效率。

预测性维护

AWS IoT Analytics 可以提供各种预构建的模板，帮助您轻松构建强大的预测性维护模型，并将其应用于您的设备。例如，您可以使用 AWS IoT Analytics 来更好地预测互连货车上的供热制冷系统何时会出现故障，并相应进行维护以防止货物损坏。

主动补充物资

AWS IoT Analytics 让您能够构建可以实时监控库存的 IoT 应用程序。例如，餐饮公司可以使用 AWS IoT Analytics 分析来自食品自动贩卖机的数据，并在食品供应不足时主动针对相应的机器和物品重新订购商品。

处理效率评分

借助 AWS IoT Analytics，公司可以构建持续监控不同流程的效率的应用程序，并采取措施改进流程。例如，矿业公司可以通过最大化每次行程的装载量来提高其运矿卡车的效率。使用 AWS IoT Analytics，公司可以确定位置或卡车在一段时间内的最高效装载量，然后实时比较与目标装载量的任何偏差，并更好地规划装载指南以提高效率。