Вопрос: Что такое AWS IoT Analytics?

AWS IoT Analytics – это полностью управляемый сервис аналитики IoT, который обеспечивает сбор, предварительную обработку, дополнение, хранение и анализ данных устройств IoT в любом масштабе. IoT Analytics может выполнять как простые спонтанные запросы, так и комплексный анализ. Это упрощенный способ запуска IoT-аналитики для таких примеров использования, как оценка производительности устройств, предсказание их возможных сбоев и машинное обучение. Сервис разработан специально для Интернета вещей (IoT), он автоматически захватывает и сохраняет временную метку сообщения, что облегчает выполнение анализа временных интервалов. IoT Analytics может также дополнить данные специфическими для устройства метаданными, такими как тип устройства и его местоположение, используя реестр AWS IoT. IoT Analytics сохраняет данные в хранилище, оптимизированном для IoT, что позволяет выполнять запросы к большим наборам данных.

Вопрос: Как работает AWS IoT Analytics?

AWS IoT Analytics полностью интегрирован с AWS IoT Core, поэтому начать работу очень просто. Сначала определите канал и выберите данные, которые требуется собирать, чтобы хранить и анализировать только нужные данные, например показания датчика температуры. Когда настройка канала выполнена, настройте конвейеры обработки данных. Конвейеры поддерживают преобразования (например, пересчет значений в градусах по Цельсию в градусы по Фаренгейту), условные операторы, фильтрацию сообщений и их дополнение с помощью внешних источников данных и функций AWS Lambda.

После обработки данных в конвейере IoT Analytics сохраняет их для дальнейшего анализа в хранилище, оптимизированном для IoT. Сервис позволяет выполнять запросы к данным, используя встроенную систему обработки SQL-запросов, и получать ответы на конкретные, значимые для бизнеса вопросы. Предположим, требуется узнать, сколько бывает активных пользователей в месяц у каждого устройства из используемой группы. Благодаря интеграции с Amazon SageMaker IoT Analytics поддерживает более сложную аналитику, такую как байесовский вывод и машинное обучение. Кроме того, сервис интегрирован с Amazon QuickSight, что позволяет просто создавать визуальные представления и панели управления и сразу видеть аналитические результаты на основе данных IoT Analytics.

Вопрос: В чем разница между AWS IoT Analytics и Amazon Kinesis Analytics?

AWS IoT Analytics разработан специально для Интернета вещей (IoT), он автоматически захватывает и сохраняет временную метку сообщения, что облегчает выполнение анализа временных интервалов. IoT Analytics может также дополнить данные специфическими для устройства метаданными, такими как тип устройства и его местоположение, используя реестр AWS IoT и другие открытые источники данных. IoT Analytics хранит данные с устройств в хранилище, оптимизированном для IoT, и это позволяет запускать запросы на больших наборах данных.

Amazon Kinesis Analytics – это инструмент общего назначения, предназначенный для упрощения обработки потоковых данных, поступающих с IoT-устройств, а также из других источников данных в режиме реального времени.

Таблица 1. Сравнение возможностей AWS IoT Analytics и Kinesis Analytics

Возможности AWS IoT Analytics
Amazon Kinesis Analytics
Хранение данных временного ряда X  
Автоматическое разделение данных по метке времени сообщения и идентификатору устройства X  
Дополнение данными, специфическими для устройства X  
Запросы к большим наборам данных X  
Анализ потоковой передачи   X
Обработка в режиме реального времени Задержка на уровне минут или секунд Задержка на уровне секунд или миллисекунд
Работа с временными интервалами   X
Обработка неструктурированных данных и автоматическое создание схемы JSON и CSV JSON и CSV

Вопрос: Когда рекомендуется использовать AWS IoT Analytics, а когда – Amazon Kinesis Analytics?

Использовать AWS IoT Analytics рекомендуется для аналитики, связанной с Интернетом вещей (IoT). Некоторые примеры использования включают в себя понимание долгосрочных рабочих характеристик устройства, отчетность для бизнеса и спонтанный анализ, а также профилактическое техобслуживание используемого оборудования. IoT Analytics лучше подходит для этих примеров использования, потому что он собирает, подготавливает и сохраняет данные с устройств за длинные промежутки времени в хранилище данных, оптимизированное для Интернета вещей (IoT). Кроме того, IoT Analytics дополняет данные специфическими для устройства метаданными, такими как тип устройства и его местоположение, используя реестр AWS IoT и другие открытые источники данных.

Однако когда требуется анализировать данные IoT в режиме реального времени для таких примеров использования, как мониторинг устройств, можно использовать Amazon Kinesis Analytics.

Таблица 2. Примеры использования AWS IoT Analytics и Kinesis Analytics

Пример использования
AWS IoT Analytics Amazon Kinesis Analytics
Понимание долгосрочных рабочих характеристик устройства Да.  Дополнение данных Интернета вещей IoT-специфичными метаданными, такими как тип и местоположение устройства, с помощью реестра AWS IoT и других открытых источников данных. К примеру, операторам на винограднике нужно дополнить данные датчика влажности прогнозом осадков на виноградниках, чтобы они знали, когда необходим полив.   Нет. Лучше всего подходит для потоковой аналитики в реальном времени.
Деловая отчетность и спонтанный анализ данных IoT Да. Сбор, обработка и хранение данных IoT, интеграция с AWS QuickSight для построения панелей управления и отчетов или использование встроенной системы обработки SQL-запросов для спонтанных запросов.  Например, агрегация сбоев датчиков в парке устройств для составления еженедельного отчета о работе парка. Нет. Лучше всего подходит для выполнения потоковой передачи запросов на данных Интернета вещей (IoT), например генерации оповещений при сбое датчика. 
Профилактическое техобслуживание используемого оборудования Да. Сбор, обработка и хранение данных Интернета вещей (IoT) и использование готовых шаблонов для создания и развертывания моделей прогнозирования.  Например, прогноз сбоя систем отопления и вентиляции на подключенных транспортных средствах, позволяющий направить соответствующее транспортное средство для постановки на ремонт во избежание повреждения груза. Нет. Диагностическое техническое обслуживание требует исторического анализа данных за длительный период для построения модели. 
Мониторинг устройств в режиме реального времени Нет. Да. Kinesis Analytics может непрерывно агрегировать данные по временным окнам, обнаруживать аномалии и выполнять различные действия, например отправлять оповещения. Например, на промышленном оборудовании Kinesis Analytics может вычислять скользящее 10-секундное среднее значение температуры клапана каждые 5 минут и регистрировать моменты, когда температура превышает определенные заданные пороговые значения. Затем он может посылать системам управления сигнал на автоматическое отключение оборудования во избежание несчастных случаев. 

Вопрос: В каких случаях необходимо одновременно использовать AWS IoT Analytics и Amazon Kinesis?

Используйте AWS IoT Analytics и Amazon Kinesis одновременно, когда требуются как историческая аналитика, так и аналитические данные в режиме реального времени. Например, Kinesis Analytics можно использовать на промышленном оборудовании для вычисления скользящего 10-секундного среднего значения температуры, чтобы зарегистрировать момент, когда температура превышает определенные пороговые значения. Затем Kinesis Analytics может посылать системам управления сигнал на автоматическое отключение оборудования во избежание несчастных случаев. При этом одновременно можно использовать Kinesis Streams для отправки данных в IoT Analytics. IoT Analytics поможет понять тенденции и предсказать время, когда необходимо заменить клапаны или провести техническое обслуживание.

Вопрос: В каких случаях при работе с данными Интернета вещей необходимо использовать AWS IoT Analytics, и в каких – Amazon Kinesis Streams, Amazon Kinesis Analytics и Amazon Kinesis Firehose?

Amazon Kinesis Streams – это источник данных для AWS IoT Analytics. Клиенты могут использовать Kinesis Streams для сбора потоковых данных IoT и отправки их в IoT Analytics для обработки, хранения и анализа.

Amazon Kinesis Analytics предназначен для аналитики потоковых данных, а IoT Analytics предназначен для анализа данных при хранении. Клиенты, которым нужна аналитика в режиме реального времени и IoT-аналитика, могут использовать Kinesis Analytics и IoT Analytics одновременно.

Amazon Kinesis Firehose – самый простой способ загрузить потоковые данные в хранилища данных AWS: Amazon S3, Amazon Redshift и Amazon Elasticsearch Service, позволяя использовать имеющиеся инструменты бизнес-аналитики для анализа в режиме, близком к реальному времени. IoT Analytics не поддерживает Kinesis Firehose в качестве источника данных.

Вопрос: Когда рекомендуется использовать AWS IoT Analytics, а когда – Amazon Kinesis Video Streams?

Amazon Kinesis Video Streams обеспечивает простую и безопасную трансляцию видео-, аудио- и других данных с временным кодированием из таких источников, как камеры, радары, термодатчики и другие подключенные устройства, на платформу AWS для машинного обучения, проведения анализа и решения других задач. Сервис Kinesis Video Streams специально разработан для приема видеоданных с устройств, тогда как AWS IoT Analytics предназначен для анализа данных IoT, не являющихся видеоданными. Непосредственной интеграции Kinesis Video Streams и AWS IoT Core или IoT Analytics как таковой не существует. Однако клиенты могут посылать запросы к Kinesis Video Streams и IoT Analytics из своих приложений с помощью API.

Дополнительные ресурсы по возможностям AWS IoT Analytics

Перейти на страницу ресурсов