AWS IoT Analytics FAQ

Q: AWS IoT Analytics란 무엇입니까?

AWS IoT Analytics는 대규모의 IoT 디바이스 데이터를 수집, 사전 처리, 보강, 저장 및 분석하는 완전 관리형 IoT 분석 서비스입니다. IoT Analytics는 간단한 임시 쿼리뿐 아니라 복잡한 분석도 수행할 수 있으며, 디바이스 성능 파악, 디바이스 고장 예측, 기계 학습에서 IoT 분석을 실행할 수 있는 보다 간단한 방법입니다. 특별히 IoT를 위해 설계된 IoT Analytics는 메시지 타임스탬프를 자동으로 캡처하여 저장하므로 시계열 분석을 손쉽게 수행할 수 있습니다. IoT Analytics는 AWS IoT 레지스트리를 사용하여 디바이스 유형 및 위치 같은 디바이스별 메타데이터로 데이터를 보강할 수도 있습니다. AWS IoT Analytics는 IoT에 최적화된 데이터 스토어에 데이터를 저장하므로 큰 데이터 집합에서 쿼리를 실행할 수 있습니다. AWS IoT Analytics를 통해 사용자 지정 작성 코드 컨테이너를 실행할 수도 있습니다. AWS IoT Analytics는 Jupyter 노트북 또는 고유 도구(예: Matlab, Octave 등)에서 생성된 사용자 지정 분석의 일정에 따른 실행을 자동화합니다.

Q: AWS IoT Analytics는 어떻게 작동합니까?

AWS IoT Analytics는 AWS IoT Core와 완벽히 통합되어 있어 쉽게 시작할 수 있습니다. 먼저 채널을 정의하고 수집하려는 정보를 선택하면 센서 온도 등 관심 있는 정보만 저장하고 분석할 수 있습니다. 채널이 설정되면 데이터를 처리하도록 파이프라인을 구성합니다. 파이프라인은 외부 데이터 소스와 AWS Lambda 함수를 사용하여 섭씨-화씨 변환 등의 변환, 조건문, 메시지 필터링, 메시지 보강을 지원합니다.

IoT Analytics는 파이프라인에 있는 데이터를 처리한 다음 분석을 위해 IoT에 최적화된 데이터 스토어에 저장합니다. 내장된 SQL 쿼리 엔진을 사용하여 데이터를 쿼리해 특정 비즈니스 질문에 답할 수 있습니다. 예를 들어 플릿의 각 디바이스당 월 활성 사용자가 몇 명인지 알고 싶을 수 있습니다. IoT Analytics는 Amazon SageMaker와의 통합을 통해 베이즈 추론 및 기계 학습 같은 보다 정교한 분석을 지원합니다. 또한 Amazon QuickSight와 통합되어 있기 때문에 쉽게 시각화와 대시보드를 구축하고, IoT Analytics 데이터에서 빠르게 비즈니스 통찰을 얻을 수 있습니다.

Q: AWS IoT Analytics에서 사용자 지정 분석 코드를 실행할 수 있습니까?

예, 컨테이너에 패키징된 사용자 지정 분석을 가져와 AWS IoT Analytics에서 실행할 수 있습니다. 컨테이너 데이터 세트에 있는 사용자 지정 코드 컨테이너를 가져온 다음 컨테이너 실행 일정을 설정할 수 있습니다.

Q: SQL 데이터 세트는 컨테이너 데이터 세트와 어떻게 다릅니까?

SQL 데이터 세트는 SQL 데이터베이스의 구체화된 보기와 유사합니다. 실제로 SQL 작업을 적용하여 SQL 데이터 세트를 생성할 수 있습니다. SQL 데이터 세트는 트리거 지정을 통해 반복되는 일정으로 자동 생성될 수 있습니다.

컨테이너 데이터 세트는 자동으로 분석 도구를 실행하고 결과를 생성할 수 있도록 합니다. 입력으로서의 SQL 데이터 세트, 분석 도구와 필요한 라이브러리 파일이 포함된 도커 컨테이너, 입력 및 출력 변수, 선택 사항인 일정 트리거를 결합합니다. 입력 및 출력 변수는 데이터를 가져오고 결과를 저장할 실행 가능한 이미지를 구분합니다. 트리거는 SQL 데이터 세트에서 콘텐츠 생성을 완료할 때 또는 시간 예약 표현식에 따라 분석을 실행할 수 있습니다. 컨테이너 데이터 세트는 자동으로 실행, 분석하여 분석 도구의 결과를 자동으로 저장합니다.

Q: DeltaTime 기간이란 무엇입니까?

Delta 기간이란 일련의 사용자 정의된 비중첩 연속 시간 간격입니다. Delta 기간을 통해 포함되는 데이터 세트 콘텐츠를 생성하고, 마지막 분석 이후 데이터 스토어에 새로 들어온 데이터를 분석할 수 있습니다. 데이터 세트의 queryAction 필터 부분에 DeltaTime을 설정하여 Delta 기간을 생성할 수 있습니다. 기본적으로 이를 통해 특정 기간 동안 도착한 메시지를 필터링할 수 있어 이전 기간에 온 메시지에 포함된 데이터가 두 번 고려되지 않습니다.

Q: AWS IoT Analytics에서 어떻게 원하는 일정으로 사용자 지정 코드 컨테이너를 실행할 수 있습니까?

컨테이너에 패키징된 사용자 지정 분석 코드를 가져와 AWS IoT Analytics에서 실행할 수 있습니다. SQL 데이터 세트, 사용자 지정 코드 컨테이너 이미지, 입력 및 출력 변수 및 선택 사항인 일정 트리거를 파라미터로 지정함으로써 AWS IoT Analytics 콘솔 또는 API를 통해 컨테이너 데이터 세트를 생성할 수 있습니다. 이 경우 트리거는 SQL 데이터 세트 콘텐츠 생성 또는 일정이 될 수 있습니다. 컨테이너 데이터 세트는 SQL 데이터 세트 콘텐츠를 컨테이너 이미지에서 이용 가능한 분석 코드에 공급하고, 트리거를 기반으로 이미지를 자동으로 실행하여 원하는 일정에 따라 통찰력을 생성합니다.

Q: 내 데이터 스토어와 채널에 대해 어떤 보존 정책을 적용할 수 있습니까?

데이터 스토어와 채널에 대해 자체 데이터 보존 정책을 설정할 수 있습니다. 원하는 기간(일)으로 보존 시간을 선택할 수 있습니다. 보존 기간을 선택하지 않으면, 서비스에서 데이터를 무제한 유지합니다.

Q: AWS IoT Analytics에서는 어떤 유형의 메시지 형식을 지원합니까?

AWS IoT Analytics 서비스에서는 JSON 및 바이너리 형식(바이너리 JSON, 프로토콜 버퍼 등)을 지원합니다. 메시지가 바이너리인 경우, 파이프라인의 첫 번째 작업은 유효한 JSON 출력의 Lambda 작업이 되어야 합니다.

Q: 채널에서 파이프라인으로 데이터를 재처리할 수 있습니까?

예. StartPipelineReprocessing을 사용하여 파이프라인에 연결된 채널의 데이터를 재처리할 수 있습니다. 다른 파이프라인을 사용하여 채널 데이터를 재처리하려는 경우, 파이프라인을 해당 채널에 연결해야 합니다.

Q: 수집 API를 사용하여 데이터를 AWS IoT Analytics로 가져오려면 어떻게 해야 합니까?

BatchPutMessage API를 사용하여 Amazon S3, Amazon Kinesis 또는 다른 데이터 소스에서 AWS IoT Analytics로 데이터를 전송할 수 있습니다. Lambda 함수 또는 다른 스크립트에 이 API를 사용하여 AWS IoT Analytics로 데이터를 전송할 수 있습니다. 자세한 내용은 S3에서 IoT Analytics로 데이터 전송 및 Kinesis에서 IoT Analytics로 데이터 전송 섹션을 참조하십시오.

Q: 채널의 내 메시지를 미리 볼 수 있습니까?

예. SampleChannelData API를 사용하여 메시지를 미리 볼 수 있습니다. 이 API는 모든 데이터에서 채널의 메시지를 최대 10개까지 샘플링합니다.

Q: 내 파이프라인 활동을 시뮬레이션할 수 있습니까?

예. RunPipelineActivity API 또는 콘솔을 사용하여 파이프라인 활동을 시뮬레이션할 수 있습니다. 이 API를 사용하면 샘플 데이터 목록(SampleChannelData에서 가져오거나 수동으로 제공)을 가져와서 활동을 시뮬레이션하고 결과를 미리 볼 수 있습니다.

Q: AWS IoT Analytics와 Amazon Kinesis Analytics의 차이점은 무엇입니까?

AWS IoT Analytics는 IoT를 위해 특별히 만들어졌으며 메시지 타임스탬프를 자동으로 캡처해 저장하므로 시계열 분석을 쉽게 수행할 수 있습니다. IoT Analytics는 AWS IoT 레지스트리와 그 밖의 공개 데이터 소스를 사용하여 디바이스 유형 및 위치와 같은 디바이스별 메타데이터로 데이터를 보강할 수도 있습니다. IoT Analytics는 IoT에 최적화된 데이터 스토어에 디바이스 데이터를 저장하므로 큰 데이터 집합에서 쿼리를 실행할 수 있습니다.

Amazon Kinesis Analytics는 IoT 디바이스와 그 밖의 데이터 소스의 스트리밍 데이터를 실시간으로 쉽게 처리하기 위해 설계된 범용 도구입니다.

표 1: AWS IoT Analytics와 Kinesis Analytics의 기능 비교

기능 AWS IoT Analytics
Amazon Kinesis Analytics
시계열 데이터 스토리지 X  
메시지 타임스탬프 및 디바이스 ID를 기준으로 한 자동 데이터 파티션 X  
디바이스별 데이터 보강 X  
큰 데이터 집합에서의 쿼리 X  
스트리밍 분석   X
실시간 처리 분 또는 초 단위 지연 시간 초 또는 밀리초 단위 지연 시간
기간에 따른 작동   X
구조화되지 않은 데이터 파싱 및 스키마 자동 생성 JSON 및 CSV JSON 및 CSV

Q: 언제 AWS IoT Analytics를 사용해야 하고, 언제 Amazon Kinesis Analytics를 사용해야 합니까?

IoT 분석에 AWS IoT Analytics를 사용할 수 있습니다. 몇 가지 사용 사례로는 장기적 디바이스 성능 파악, 비즈니스 보고, 임시 분석, 예측적 플릿 관리를 들 수 있습니다. IoT Analytics는 장기적으로 데이터를 수집 및 준비하고 IoT에 최적화된 데이터 스토어에 장기 저장하므로 이러한 사용 사례에 가장 적합합니다. IoT Analytics는 또 AWS IoT 레지스트리와 그 밖의 공개 데이터 소스를 사용하여 디바이스 유형 및 위치 같은 디바이스별 메타데이터로 데이터를 보강합니다.

하지만 디바이스 모니터링 같은 사용 사례에서 실시간으로 IoT 데이터를 분석해야 하는 경우, Amazon Kinesis Analytics를 사용할 수 있습니다.

표 2: AWS IoT Analytics와 Kinesis Analytics의 사용 사례

사용 사례
AWS IoT Analytics Amazon Kinesis Analytics
장기적 디바이스 성능 특성 파악 예.  AWS IoT 레지스트리 및 그 밖의 공개 데이터 소스를 사용하여 디바이스 유형 및 위치 같은 IoT 전용 메타데이터로 IoT 데이터 보강. 예를 들어 포도원 운영자는 습도 센서 데이터를 예상 강우로 보강해야 언제 작물에 물을 줘야 할지 알 수 있습니다.   아니요. 실시간 스트리밍 분석에 가장 적합합니다.
비즈니스 보고 및 IoT 데이터에서 임시 분석 예. IoT 데이터를 수집, 처리, 저장하고, AWS QuickSight와의 통합을 통해 대시보드 및 보고를 구축하거나 내장된 SQL 쿼리 엔진을 임시 쿼리에 사용.  예: 플릿에서 센서 고장을 집계하여 매주 플릿 성능을 보고. 아니요. 센서 고장 시 경보 생성 등 IoT 데이터에서 스트리밍 쿼리 실행에 가장 적합합니다. 
예측적 플릿 유지 관리 예. IoT 데이터를 수집, 처리, 저장하고, 사전 작성된 템플릿을 사용하여 예측 모델을 구축하고 배포합니다.  예를 들어 연결된 차량에서 HVAC 시스템이 언제 고장 날지 예측해 차량의 경로를 조정하고 신속히 차고지로 유도해 배송 피해를 예방합니다. 아니요. 예측적 유지 관리에는 모델 구축을 위한 장기 데이터에 대한 기록 분석이 필요합니다. 
실시간 디바이스 모니터링 아니요. 예. Kinesis Analytics는 일정 기간 동안 지속적으로 데이터를 집계하고, 변칙을 탐지하며, 경보 전송 같은 조치를 취합니다. 예를 들어 Kinesis Analytics는 산업용 설비에서 5분마다 밸브 온도의 10초 이동 평균을 계산하고 온도가 사전에 설정된 임계값을 초과하면 감지할 수 있습니다. 그런 다음 제어 시스템에 알려 자동으로 기계를 꺼 사고를 예방할 수 있습니다. 

Q: 언제 AWS IoT Analytics와 Amazon Kinesis를 함께 사용해야 합니까?

과거 분석과 실시간 분석이 모두 필요할 경우, AWS IoT Analytics와 Amazon Kinesis를 함께 사용하십시오. 예를 들어 산업용 설비에서 밸브 온도의 10초 이동 평균을 계산하고 온도가 일정한 임계값을 초과할 때 감지하려면 Kinesis Analytics를 사용하십시오. 그러면 Kinesis Analytics가 제어 시스템에 알려 기계를 자동으로 꺼 사고를 예방할 수 있습니다. 그런 다음 Kinesis Streams를 사용하여 데이터를 IoT Analytics로 전송합니다. 추세를 파악하고 밸브 교체 또는 정비 시기를 예측하려면 IoT Analytics를 사용하십시오.

Q: IoT 데이터 사용 시 AWS IoT Analytics 또는 Amazon Kinesis Streams, Amazon Kinesis Analytics 및 Amazon Kinesis Firehose를 사용해야 하는 경우는 언제입니까?

고객은 AWS Lambda를 사용하여 데이터를 Amazon Kinesis Streams에서 AWS IoT 데이터 채널로 전송한 다음 AWS IoT Analytics로 전송할 수 있습니다.

Amazon Kinesis Analytics는 스트리밍 분석을 위해 만들어졌으며, IoT Analytics는 저장 데이터에서의 분석을 위해 만들어졌습니다. 실시간 분석과 IoT 분석이 모두 필요한 고객은 Kinesis Analytics와 IoT Analytics를 조합해 사용할 수 있습니다.

Amazon Kinesis Firehose는 AWS 데이터 스토어인 Amazon S3, Amazon Redshift, Amazon Elasticsearch Service에 스트리밍 데이터를 로드하는 가장 쉬운 방법으로서 기존 비즈니스 인텔리전스 도구를 사용하여 거의 실시간에 가까운 분석이 가능합니다. IoT Analytics는 데이터 소스로 Kinesis Firehose를 지원하지 않습니다.

Q: 언제 AWS IoT Analytics를 사용해야 하고, 언제 Amazon Kinesis Video Streams를 사용해야 합니까?

Amazon Kinesis Video Streams는 카메라, 심도 센서, RADAR 같은 소스의 비디오, 오디오 및 기타 시간 부호화된 데이터를 AWS로 쉽고 안전하게 스트리밍해 기계 학습, 분석 및 그 밖의 애플리케이션에서 실시간 일괄 처리할 수 있습니다. Kinesis Video Streams는 디바이스에서 비디오 데이터를 수집하기 위해 특별히 만들어졌으며, AWS IoT Analytics는 비디오가 아닌 IoT 데이터 분석을 위해 만들어졌습니다. GA에서는 Kinesis Video Streams와 AWS IoT Core 또는 IoT Analytics 간의 직접적 통합이 없습니다. 다만 고객은 API를 사용하여 애플리케이션에서 Kinesis Video Streams와 IoT Analytics를 쿼리할 수 있습니다.

더 많은 AWS IoT Analytics 기능 찾아보기

기능 페이지로 이동하기
시작할 준비가 되셨습니까?
무료로 시작하기
추가 질문이 있으십니까?
문의처