問:什麼是 AWS IoT Analytics?

AWS IoT Analytics 是一項全受管 IoT 分析服務,可大規模收集、預先處理、強化、存放及分析 IoT 裝置資料。IoT Analytics 可以執行簡單的臨機操作查詢以及複雜的分析,而且當我們需要了解裝置效能、預測裝置故障和機器學習等使用案例時,這是一種較簡便的執行 IoT 分析方式。它專為 IoT 設計,可自動擷取和存放訊息時間戳記,讓您輕鬆執行時間序列分析。IoT Analytics 還可以利用 AWS IoT Registry 在資料中加入裝置專屬中繼資料,例如裝置類型和位置。IoT Analytics 會將資料存放在 IoT 優化的資料存放區中,以便您在大型資料集上執行查詢。

問:AWS IoT Analytics 如何運作?

AWS IoT Analytics 與 AWS IoT Core 完全整合,可以更容易上手。首先,定義一個通道並選擇要收集的資料,這樣就能只存放和分析您關心的資料,例如感應器溫度。設定好通道之後,接著設定處理資料的管道。管道允許利用外部資料來源和 AWS Lambda 函數進行轉換,例如攝氏與華氏的轉換、條件陳述式、訊息篩選和訊息充實。

透過管道處理資料之後,IoT Analytics 會將其存放在 IoT 優化的資料存放區中等候分析。您可以使用內建的 SQL 查詢引擎來查詢資料,以解答特定的業務問題。例如,您可能想知道叢集中的每一個裝置,每個月有多少個作用中使用者。IoT Analytics 與 Amazon SageMaker 整合後,可支援更複雜的分析,例如貝葉斯推論和機器學習。另外,與 Amazon QuickSight 整合後,建立視覺化和儀表板變得更容易,還能從 IoT Analytics 資料中快速獲得商業見解。

問:AWS IoT Analytics 和 Amazon Kinesis Analytics 之間有何區別?

AWS IoT Analytics 專為 IoT 設計,可自動擷取和存放訊息時間戳記,讓您輕鬆執行時間序列分析。IoT Analytics 還可以利用 AWS IoT Registry 和其他公用資料來源,在資料中加入裝置專屬中繼資料,例如裝置類型和位置。IoT Analytics 會將裝置資料存放在 IoT 優化的資料存放區中,以便您在大型資料集上執行查詢。

Amazon Kinesis Analytics 是一般用途工具,可以輕鬆即時處理 IoT 裝置以及其他資料來源的串流資料。

表格 1:AWS IoT Analytics 與 Kinesis Analytics 功能比較

功能 AWS IoT Analytics
Amazon Kinesis Analytics
儲存時間序列資料 X  
根據訊息時間戳記和裝置 ID 自動分割資料 X  
裝置專屬資料充實 X  
查詢大型資料集 X  
串流分析   X
即時處理 數分鐘或數秒延遲 數秒或數毫秒延遲
時間窗口操作   X
剖析非結構化資料並自動建立結構描述 JSON 和 CSV JSON 和 CSV

問:AWS IoT Analytics 和 Amazon Kinesis Analytics 的使用時機分別為何?

您可以將 AWS IoT Analytics 應用到 IoT 分析。一些使用案例包括了解裝置長期效能、商業報告、臨機操作分析以及預測性叢集維護。IoT Analytics 最適用於這些使用案例,因為它可以在 IoT 優化的資料存放區中長期收集、準備和存放裝置的資料。IoT Analytics 還可以利用 AWS IoT Registry 和其他公用資料來源,在資料中加入裝置專屬中繼資料,例如裝置類型和位置。

但是,如果您需要針對監控裝置等使用案例進行 IoT 資料的即時分析,則可以使用 Amazon Kinesis Analytics

表格 2:AWS IoT Analytics 與 Kinesis Analytics 使用案例

使用案例
AWS IoT Analytics Amazon Kinesis Analytics
了解裝置長期效能特點 是。利用 AWS IoT Registry 和其他公有資料來源,在 IoT 資料加入 IoT 專屬中繼資料,例如裝置類型和位置。舉例來說,葡萄園經營者需要在濕度感應器資料加入葡萄園的預測降雨量,以便知道何時澆灌農作物。   否。最適用於即時串流分析。
IoT 資料的商業報告和臨機操作分析 是。收集、處理和存放 IoT 資料,並整合 AWS QuickSight 以建立儀表板和報告,或使用內建 SQL 查詢引擎進行臨機操作查詢。例如,匯總整個叢集的感應器故障報告,每個星期報告一次叢集效能。 否。最適合用於在 IoT 資料上執行串流查詢,例如在感應器發生故障時產生提醒。 
預測性叢集維護 是。收集、處理和存放 IoT 資料,並使用預先建立的範本來建立以及部署預測模型。例如,預測聯網汽車上的 HVAC 系統何時會故障,以便車輛可以快速改道和入庫以防貨品損壞。 否。預測性維護需要對長期資料進行歷史分析,才能建立模型。 
即時裝置監控 否。 是。Kinesis Analytics 可以不斷匯總不同時段的資料、偵測異常情況並採取行動,例如傳送提醒。例如,Kinesis Analytics 可以在工業設備中,每 5 分鐘計算閥門溫度的 10 秒平均值,並偵測溫度何時會超過預設的閾值。之後便可提醒控制系統自動關閉機器,避免發生事故。 

問:何時併用 AWS IoT Analytics 和 Amazon Kinesis?

當您需要同時進行歷史和即時分析時,可以使用 AWS IoT Analytics 搭配 Amazon Kinesis。例如,使用 Kinesis Analytics 計算工業設備閥門溫度的 10 秒平均值,以偵測溫度何時超過某個閾值。接著,Kinesis Analytics 便可提醒控制系統自動關閉機器,避免發生事故。然後,使用 Kinesis Streams 傳送資料給 IoT Analytics。您可以利用 IoT Analytics 了解趨勢,並預測何時應更換或維修閥門。

問:處理 IoT 資料時,AWS IoT Analytics 和 Amazon Kinesis Streams、Amazon Kinesis Analytics 和 Amazon Kinesis Firehose 的使用時機分別為何?

Amazon Kinesis Streams 是 AWS IoT Analytics 的資料來源。客戶可以使用 Kinesis Streams 來擷取串流 IoT 資料,並將其傳送給 IoT Analytics 進行處理、儲存和分析。

Amazon Kinesis Analytics 專為串流分析而設計,而 IoT Analytics 則專為分析靜態資料而設計。需要同時進行即時和 IoT 分析的客戶,可以結合 Kinesis Analytics 和 IoT Analytics 一起使用。

Amazon Kinesis Firehose 是將串流資料載入 AWS 資料存放區 Amazon S3Amazon RedshiftAmazon Elasticsearch Service 最簡單的方法,以便使用現有的商業智慧工具執行近乎即時的分析。IoT Analytics 不支援使用 Kinesis Firehose 做為資料來源。

問;何時使用 AWS IoT Analytics 和 Amazon Kinesis Video Streams?

Amazon Kinesis Video Streams 可以輕鬆安全地將視訊、音訊和其他時間編碼的資料,從相機、深度感應器和 RADAR 等資料來源傳輸到 AWS,以執行機器學習、分析和其他應用程式的即時和批次處理。Kinesis Video Streams 專門用於從裝置導入視訊資料,而 AWS IoT Analytics 則專為分析非視訊 IoT 資料而設計。在 GA,Kinesis Video Streams 和 AWS IoT Core 或 IoT Analytics 之間沒有直接的整合。但是,客戶可以使用 API,從他們的應用程式查詢 Kinesis Video Streams 和 IoT Analytics。

深入了解 AWS IoT Analytics 功能

瀏覽資源頁面
準備好開始使用了嗎?
註冊預覽版
還有其他問題嗎?
聯絡我們