AWS IoT Analytics のよくある質問

Q: AWS IoT Analytics とは何ですか?

AWS IoT Analytics は、完全マネージド型の IoT 分析サービスで、IoT デバイスデータの大規模な収集、事前処理、エンリッチ化、保存、分析を行います。IoT Analytics では、シンプルなアドホッククエリや複雑な分析を実行できます。また、デバイスパフォーマンスの確認、デバイス障害の予測、機械学習といったユースケース向けに IoT 分析をより簡単に実行できます。IoT 向けに特別に設計されており、メッセージのタイムスタンプは自動的にキャプチャおよび保存されるため、時系列分析を簡単に実行できます。IoT Analytics では、AWS IoT レジストリを使用し、デバイスの種類や場所などのデバイス固有のメタデータによってデータをエンリッチ化することもできます。また、IoT Analytics では、IoT 向けに最適化された分析用のデータストアにデータが保存されるため、大規模なデータセットに対してクエリを実行できます。

Q: AWS IoT Analytics はどのように動作しますか?

AWS IoT Analytics は AWS IoT Core と完全に統合されているため、簡単に使用を開始できます。まず、チャネルを定義して収集するデータを選択します。これにより、センサーの温度といった対象データのみを保存して分析します。チャネルがセットアップされたら、データを処理するパイプラインを設定します。パイプラインでは、摂氏と華氏の換算などの変換、条件ステートメント、メッセージのフィルタリング、外部データソースや AWS Lambda 関数を使用したメッセージのエンリッチ化がサポートされています。

データはパイプラインで処理された後、IoT Analytics によって IoT 向けに最適化された分析用のデータストアに保存されます。組み込みの SQL クエリエンジンを使用してクエリを実行することで、特定の業務上の質問に対する回答を得られます。例えば、フリートの各デバイスにおける月ごとのアクティブユーザー数を把握することができます。Amazon SageMaker との統合により、IoT Analytics ではベイズ推定や機械学習などの、より高度な分析がサポートされています。Cまた、Amazon QuickSight とも統合されているため、可視化やダッシュボード作成を簡単に行って、IoT Analytics のデータからすばやくビジネスインサイトを得ることができます。

Q: データストアとチャネルにはどのような保持ポリシーがありますか?

データストアとチャネルには独自のデータ保持ポリシーを設定できます。保持期間には任意の日数を選択できます。任意の保持期間を選択しない場合、データはサービスによって無期限で保持されます。

Q: AWS IoT Analytics ではどのようなメッセージ形式がサポートされていますか?

AWS IoT Analytics サービスでは、JSON 形式とバイナリ形式がサポートされています (バイナリ JSON、プロトコルバッファなど)。メッセージがバイナリ形式の場合、パイプラインの最初のアクティビティは有効な JSON の出力での Lambda アクティビティである必要があります。

Q: チャネルからパイプラインにデータを再処理できますか?

はい。StartPipelineReprocessing を使用して、パイプラインに接続されたチャネルからデータを再処理できます。別のパイプラインを使用してチャネルデータを再処理する場合は、使用するパイプラインを該当するチャネルに接続する必要があります。

Q: Ingestion API を使用して AWS IoT Analytics にデータを送信するにはどうすればよいですか?

BatchPutMessage API を使用して、Amazon S3Amazon Kinesis、またはその他のデータソースから AWS IoT Analytics にデータを送信することができます。この API を、Lambda 関数やその他のスクリプトで使用することで、AWS IoT Analytics にデータを送信できます。詳細については、S3 から IoT Analytics にデータを送信する方法や、Kinesis から IoT Analytics にデータを送信する方法をご覧ください。

Q: チャネル内のメッセージをプレビューできますか?

はい。SampleChannelData API を使用して、メッセージをプレビューできます。この API を使用すると、データ全体のチャネルから最大 10 件のメッセージがサンプリングされます。

Q: パイプラインアクティビティをシミュレートできますか?

はい。RunPipelineActivity API またはコンソールを使用して、パイプラインアクティビティをシミュレートできます。この API ではサンプルデータのリストを取得し (SampleChannelData または手動で提供)、これによってアクティビティがシミュレートされ、その結果をプレビューできます。

Q: AWS IoT Analytics と Amazon Kinesis Analytics の違いは何ですか?

AWS IoT Analytics は IoT 向けに特別に設計されており、メッセージのタイムスタンプが自動的にキャプチャおよび保存されるため、時系列分析を簡単に実行できます。また、IoT Analytics では、AWS IoT レジストリや他の公開データソースを使用して、デバイスの種類や場所などのデバイス固有のメタデータによってデータをエンリッチ化することもできます。IoT Analytics では、IoT 向けに最適化されたデータストアにデバイスデータが保存されるため、大規模なデータセットに対してクエリを実行できます。

Amazon Kinesis Analytics は、IoT デバイスや他のデータソースからのストリーミングデータをリアルタイムで簡単に処理するよう設計された汎用ツールです。

表 1: AWS IoT Analytics と Kinesis Analytics の特徴の比較

特徴 AWS IoT Analytics
Amazon Kinesis Analytics
時系列データのストレージ X  
メッセージのタイムスタンプとデバイス ID による自動的なデータパーティション X  
デバイス固有のデータによるエンリッチ化 X  
大規模なデータセットに対するクエリ X  
ストリーミング分析   X
リアルタイム処理 分単位または秒単位のレイテンシー 秒単位またはミリ秒単位のレイテンシー
時間枠でのオペレーション   X
非構造化データの解析とスキーマの自動作成 JSON と CSV JSON と CSV

Q: AWS IoT Analytics と Amazon Kinesis Analytics はそれぞれどのような使用に適していますか?

IoT 分析には AWS IoT Analytics を使用できます。ユースケースの例として、デバイスの長期的なパフォーマンスの把握、ビジネスレポート作成とアドホック分析、フリートの予知保全などが挙げられます。IoT Analytics では、デバイスからのデータが収集および準備され、IoT 向けに最適化されたデータストアで長期保存されるため、このようなユースケースに最適です。また、IoT Analytics の場合は、AWS IoT レジストリや公開データソースを使用して、デバイスの種類や場所などのデバイス固有のメタデータによってデータをエンリッチ化することもできます。

ただし、デバイスのモニタリングなど、IoT データをリアルタイムで分析する必要がある場合は、Amazon Kinesis Analytics を使用できます。

表 2: AWS IoT Analytics と Kinesis Analytics のユースケースの比較

ユースケース
AWS IoT Analytics Amazon Kinesis Analytics
デバイスの長期的なパフォーマンス特性を把握する はい。  AWS IoT レジストリや他の公開データソースを使用して、デバイスの種類や場所などの IoT 固有のメタデータによって IoT データをエンリッチ化できます。例えば、ぶどう園の経営者は、湿度センサーのデータをぶどう園の予想降雨量でエンリッチ化することで、作物に水を供給するタイミングを把握できます。   いいえ。これはリアルタイムのストリーミング分析に最適です。
IoT データに関するビジネスレポート作成とアドホック分析を行う はい。IoT データを収集、処理、保存した後、AWS QuickSight と統合してダッシュボードやレポートの作成を行えます。または、組み込みの SQL クエリエンジンを使用してアドホッククエリを実行することもできます。  例えば、フリート全体のセンサーエラーを集計して、フリートのパフォーマンスを毎週報告できます。 いいえ。センサーの障害発生時にアラートを生成するなど、IoT データに対してストリーミングクエリを実行するために最適です。 
フリートの予知保全 はい。IoT データを収集、処理、保存した後、事前定義されたテンプレートを使用して予知モデルの構築とデプロイを行えます。  例えば、コネクテッドカーの HVAC システムの障害発生を予測することで、コネクテッドカーの経路を変更して迅速にドッキングし、運送時の損害を回避できます。 いいえ。予知保全には、モデルを構築するための長期的なデータの履歴分析が必要です。 
リアルタイムのデバイスモニタリング いいえ。 はい。Kinesis Analytics を使用すれば、時間枠におけるデータを継続的に集計し、異常を検出して、アラート送信などのアクションを実行できます。例えば、Kinesis Analytics では、5 分ごとに産業機器のバルブ温度の 10 秒間のローリング平均を計算し、一定のしきい値プリセットを超えた温度を検出できます。その後、制御システムにアラートが通知されると、機器が自動的に停止するため、事故を回避できます。 

Q: AWS IoT Analytics と Amazon Kinesis をどのように併用できますか?

履歴分析とリアルタイム分析の両方が必要な場合は、AWS IoT Analytics と Amazon Kinesis を併用します。例えば、Kinesis Analytics を使用して、産業機器のバルブ温度の 10 秒間のローリング平均を計算し、一定のしきい値を超えた温度を検出します。その後、Kinesis Analytics から制御システムにアラートが通知されると、機器が自動的に停止するため、事故を回避できます。次に、Kinesis Streams を使用してデータを IoT Analytics に送信します。IoT Analytics を使用することで、傾向を把握し、バルブの交換や修理が必要な時期を予測できます。

Q: IoT データで作業をする場合、AWS IoT Analytics と Amazon Kinesis Streams、Amazon Kinesis Analytics、Amazon Kinesis Firehose はそれぞれどのような使用に適していますか?

お客様は AWS Lambda を使用して、Amazon Kinesis Streams から AWS IoT データチャネルにデータを送信し、それから AWS IoT Analytics でデータを処理できます。

Amazon Kinesis Analytics はストリーミング分析向けに設計されているのに対し、IoT Analytics は保存データの分析向けに設計されています。リアルタイム分析と IoT 分析の両方が必要なお客様は、Kinesis Analytics と IoT Analytics を組み合わせて使用できます。

Amazon Kinesis Firehose はストリーミングデータを Amazon S3Amazon RedshiftAmazon Elasticsearch Service などの AWS データストアにロードする最も簡単な方法です。これにより、既存のビジネスインテリジェンスツールを使用してほぼリアルタイムの分析を実行できます。IoT Analytics では、Kinesis Firehose をデータソースとして使用できません。

Q: AWS IoT Analytics と Amazon Kinesis Video Streams はそれぞれどのような使用に適していますか?

Amazon Kinesis Video Streams では、カメラ、深度センサー、RADAR などのソースから動画、音声、その他の時間でエンコードされたデータを AWS に安全にかつ簡単にストリーミングし、機械学習でのリアルタイム処理およびバッチ処理、分析、その他のアプリケーションで使用できるようにします。Kinesis Video Streams は特にデバイスから動画データを取り込むよう設計されているのに対し、AWS IoT Analytics は動画以外の IoT データを分析するよう設計されています。GA では、Kinesis Video Streams と AWS IoT Core または IoT Analytics は直接統合されてはいません。ただし、API を使用して Kinesis Video Streams と IoT Analytics に対してアプリケーションからクエリを実行できます。

さらに AWS IoT Analytics の特徴を調べる

特徴ページをご覧ください
始める準備はできましたか?
無料でお試しください
ご不明な点がおありですか?
お問い合わせ