Q : Qu'est-ce qu'AWS IoT Analytics ?

AWS IoT Analytics est un service d'analytique IoT entièrement géré qui collecte, pré-traite, enrichit, stocke et analyse les données des périphériques IoT à grande échelle. IoT Analytics peut réaliser des requêtes ad hoc comme des analyses complexes. Il s'agit d'un moyen plus simple pour exécuter des analyses IoT pour des cas d'utilisation comme la compréhension des performances des périphériques, la prédiction des défaillances des périphériques et l'apprentissage machine. Ce service est conçu spécialement pour l'IoT. Il capture et stocke automatiquement l'estampille temporelle du message, si bien qu'il est facile de réaliser des analyses temporelles. IoT Analytics peut également enrichir les données avec des métadonnées spécifiques au périphérique, telles que le type de périphérique et son emplacement, en utilisant le registre AWS IoT. IoT Analytics stocke les données dans un magasin de données optimisé pour l'IoT, afin que vous puissiez exécuter des requêtes sur des ensembles de données de grande taille.

Q : Comment fonctionne AWS IoT Analytics ?

AWS IoT Analytics est entièrement intégré à AWS IoT Core. Il est donc facile de démarrer avec ce service. Premièrement, vous définissez un canal et sélectionnez les données que vous voulez récolter. Ainsi, vous stockez et analysez uniquement les données qui vous intéressent, telles que la température des capteurs. Une fois que le canal est paramétré, vous configurez Pipelines pour traiter vos données. Pipelines prend en charge les transformations comme la conversion de degrés Celsius en degrés Fahrenheit, les déclarations conditionnelles, le filtrage des messages et l'enrichissement des messages en utilisant des sources de données externes et des fonctions AWS Lambda.

Après le traitement des données dans le pipeline, IoT Analytics les stocke dans un magasin de données optimisé pour IoT afin de les analyser. Vous pouvez interroger les données en utilisant un moteur de requêtes SQL intégré pour répondre à des questions métier spécifiques. Par exemple, vous pouvez vous demander combien il y a d'utilisateurs actifs par mois pour chaque périphérique de votre flotte. Grâce à l'intégration à Amazon SageMaker, IoT Analytics prend en charge des analyses plus sophistiquées, comme l'inférence bayésienne et l'apprentissage machine. De plus, il est facile de concevoir des visualisations et des tableaux de bord, ainsi que d'obtenir des informations métier rapidement depuis vos données IoT Analytics grâce à l'intégration à Amazon QuickSight.

Q : Quelles sont les différences entre AWS IoT Analytics et Amazon Kinesis Analytics ?

AWS IoT Analytics est conçu spécialement pour l'IoT. Il capture et stocke automatiquement l'estampille temporelle du message, si bien qu'il est facile de réaliser des analyses temporelles. IoT Analytics peut également enrichir les données des métadonnées spécifiques au périphérique, telles que le type de périphérique et son emplacement, en utilisant le registre AWS IoT et d'autres sources de données publiques. IoT Analytics stocke les données du périphérique dans un magasin de données optimisé pour l'IoT, afin que vous puissiez exécuter des requêtes sur des ensembles de données de grande taille.

Amazon Kinesis Analytics est un outil à usage général conçu pour traiter facilement les données diffusées en streaming depuis des périphériques IoT ainsi que d'autres sources de données en temps réel.

Tableau 1 : comparaison des fonctions d'AWS IoT Analytics et de Kinesis Analytics

Fonctions AWS IoT Analytics
Amazon Kinesis Analytics
Stockage de données temporelles X  
Partitions des données automatiques suivant l'estampille temporelle du message et l'ID du périphérique X  
Enrichissement des données spécifique au périphérique X  
Requêtes sur des ensembles de données de grande envergure X  
Analyses de flux continu   X
Traitement en temps réel Latences en minutes ou en secondes Latence en secondes ou en millisecondes
Opérations dans une fenêtre temporelle   X
Analyse de données non-structures et création automatique de schémas JSON et CSV JSON et CSV

Q : Quand utiliser AWS IoT Analytics et quand utiliser Amazon Kinesis Analytics ?

Vous pouvez utiliser AWS IoT Analytics pour des analysées IoT. Certains cas d'utilisation intègrent la compréhension de la performance du périphérique à long terme, des analyses ad hoc et de rapports commerciaux, ainsi que la maintenance de la flotte prédictive. IoT Analytics est le service qui convient le mieux pour ces cas d'utilisation, car il collecte, prépare et stocke les données depuis les périphériques dans un magasin de données optimisé pour l'IoT, sur de longues durées. IoT Analytics enrichit également les données avec des métadonnées spécifiques au périphérique, telles que le type de périphérique et son emplacement, en utilisant le registre AWS IoT et d'autres sources de données publiques.

Cependant, si vous avez besoin d'analyser des données IoT en temps réel pour des cas d'utilisation tels que la surveillance de périphérique, vous pouvez utiliser Amazon Kinesis Analytics.

Tableau 2 : cas d'utilisation d'AWS IoT Analytics et de Kinesis Analytics

Cas d'utilisation
AWS IoT Analytics Amazon Kinesis Analytics
Compréhension des caractéristiques de la performance du périphérique à long terme Oui.   Il est possible d'enrichir les données IoT avec des métadonnées spécifiques à l'IoT, telles que le type et l'emplacement du périphérique, en utilisant le registre IoT AWS et d'autres sources de données publiques. Par exemple, les vignobles cherchent à enrichir les données du capteur d'humidité avec les pluies attendues sur les vignes, afin de savoir quand irriguer les cultures.   Non. Convient le mieux pour des analyses en temps réel et en flux continu.
Analyses ad hoc et de rapports commerciaux grâce aux données IoT Oui. Collecte, traite et stocke les données IoT. Intégré à AWS QuickSight pour concevoir des tableaux de bord et des rapports ou utilise un moteur de requêtes SQL intégré pour les requêtes ad hoc. Par exemple,agrège les défaillances des capteurs dans une flotte pour réaliser un rapport chaque semaine sur la performance de la flotte. Non. Convient le mieux pour réaliser des requêtes diffusées sur les données IoT, telles que la génération d'alertes lorsqu'un capteur défaille. 
Maintenance de la flotte prédictive Oui. Collecte, traite et stocke les données IoT et utilise des modèles préconçus pour concevoir et déployer des modèles prédictifs.  Par exemple, prédit lorsque des systèmes HVAC vont défaillir sur des véhicules connectés, si bien que le véhicule peut être détourné et mis de côté pour éviter des dégâts lors de l'envoi. Non. La maintenance prédictive nécessite une analyse de l'historique avec des données à long terme pour concevoir des modèles. 
Surveillance des périphériques en temps réel Non. Oui. Kinesis Analytics peut agréger des données dans des fenêtres temporelles en continu, détecter des anomalies et agir, comme en envoyant des alertes. Par exemple, Kinesis Analytics peut calculer des moyennes mobiles de 10 secondes toutes les 5 minutes pour les températures des valves dans les équipements industriels et détecter quand la température dépasse un certain seuil préréglé. Le service peut ensuite alerter les systèmes de contrôle pour qu'ils éteignent automatiquement la machinerie, ce qui permet d'éviter des accidents. 

Q : Quand utiliser AWS IoT Analytics et Amazon Kinesis ensemble ?

Vous utilisez AWS IoT Analytics et Amazon Kinesis ensemble lorsque vous avez besoin d'analyses historiques et en temps réel. Par exemple, utilisez Kinesis Analytics pour calculer des moyennes mobiles de 10 secondes pour les températures des valves de l'équipement industriel, afin de détecter quand la température dépasse certains seuils. Le service peut ensuite alerter les systèmes de contrôle pour qu'ils éteignent automatiquement la machinerie, ce qui permet d'éviter des accidents. Puis, utilisez Kinesis Streams pour envoyer les données à IoT Analytics. Vous utilisez IoT Analytics pour comprendre les tendances et également prédire quand les valves doivent être réparées ou mises en service.

Q : Lors de l'exploitation des données IoT, quand utiliser AWS IoT Analytics ou Amazon Kinesis Streams, Amazon Kinesis Analytics et Amazon Kinesis Firehose ?

Amazon Kinesis Streams est une source de données pour AWS IoT Analytics. Les clients peuvent utiliser Kinesis Streams pour capturer les données IoT diffusées en continu et les envoyer à IoT Analytics pour traitement, stockage et analyse.

Amazon Kinesis Analytics est conçu pour les analyses diffusées en continu, alors qu'IoT Analytics est conçu pour les analyses de données au repos. Les clients qui ont besoin d'analyses en temps réel et IoT peuvent utiliser une combinaison de Kinesis Analytics et d'IoT Analytics.

Amazon Kinesis Firehose est le moyen le plus simple de charger des données en streaming dans des magasins de données AWS Amazon S3, Amazon RedShift et Amazon Elasticsearch Service, ce qui rend possible des analyses presque en temps réel avec des outils d'informatique décisionnelle existants. IoT Analytics ne prend pas en charge Kinesis Firehose comme source de données.

Q : Quand utiliser AWS IoT Analytics et quand utiliser Amazon Kinesis Video Streams ?

Amazon Kinesis Video Streams facilite la diffusion sécurisée vers AWS de flux vidéo et audio et d'autres données à codage temporel issus de sources comme les caméras, les capteurs de profondeur et les radars, pour un traitement en temps réel et par lots, pour l'apprentissage machine, les analyses et d'autres utilisations. Kinesis Video Streams est conçue spécifiquement pour importer des données vidéo depuis des périphériques, alors qu'AWS IoT Analytics est conçu pour analyser les données IoT non vidéo. Dans GA, il n'y a pas d'intégration directe entre Kinesis Video Streams et AWS IoT Core ou IoT Analytics. Cependant, les clients peuvent interroger Kinesis Video Streams et IoT Analytics depuis leurs applications en utilisant les API.

En savoir plus sur les fonctions d'AWS IoT Analytics

Consultez la page de ressources
Prêt à vous lancer ?
S'inscrire à la version préliminaire
D'autres questions ?
Contactez-nous