Comprendiendo Azure Time Series Insights

¿Qué es Azure Time Series Insights?

Azure Time Series Gen2 es un servicio de análisis de Internet de las cosas (IoT) de un extremo a otro diseñado para implementaciones de IoT industriales. Proporciona potentes API que puede utilizar para integrarlo con los flujos de trabajo y las aplicaciones actuales. 

Azure Time Series Insights recopila, procesa, almacena, consulta y visualiza datos de IoT a escala, agregando contexto y optimizándolo para el análisis de series temporales. Está diseñado para explorar datos ad hoc y analizar operaciones, lo que le ayuda a descubrir tendencias ocultas, detectar anomalías y realizar análisis de causa raíz.

En este artículo, aprenderá:

• ¿Qué es un modelo de Azure Time Series?
  • Componentes del modelo de series temporales
  • Almacenamiento de datos de Azure Time Series
    • Niveles de almacenamiento y disponibilidad de datos
    • Almacenamiento en caliente
    • Almacenamiento en frío
  • Mejores prácticas de Azure Time Series
    • Uso de Almacenamiento en caliente y Almacenamiento en frío
    • Configurar ID de series temporales y propiedades de marca de tiempo
    • Optimice sus eventos
    • Alta disponibilidad

¿Qué es un modelo de Azure Time Series?

Un modelo de series temporales es una entidad central en Azure Time Series, que le permite administrar, mantener y mejorar conjuntos de datos de series temporales para su análisis.

El modelo de series temporales proporciona las siguientes capacidades:

• Cree y administre cálculos y fórmulas usando funciones escalares y operaciones agregadas.
• Defina relaciones jerárquicas para permitir la búsqueda, la referencia cruzada y la navegación. 
• Defina propiedades asociadas con instancias de datos y utilícelas para construir jerarquías. 

Componentes del modelo de serie temporal

Un modelo de serie temporal tiene tres componentes clave: instancias, jerarquías y tipos. Utilice estos componentes para especificar un modelo para el análisis de datos de series de tiempo y organizar los datos.

Fuente: Azure

Instancias

Una instancia de modelo de serie temporal es una serie temporal individual. Tiene un identificador único, el ID de serie temporal, que normalmente es el ID del activo o dispositivo que generó los datos

Cada instancia se puede describir mediante propiedades adicionales, como tipo, descripción, nombre, jerarquías y campos de instancia. Los campos de instancia son colecciones de información como el nivel de jerarquía, el operador del dispositivo, los fabricantes y más.

Tan pronto como agregue un origen de eventos en Azure Time Series Insights, el sistema descubre series temporales y crea modelos de series temporales. Puede actualizar estos modelos o crear nuevos mediante consultas de modelos de series temporales.

Jerarquías

El modelo de series temporales organiza las instancias especificando los nombres de los atributos y las relaciones jerárquicas entre ellas. Una instancia se puede asignar a una jerarquía o varias jerarquías; eche un vistazo a un ejemplo a continuación.

Fuente : Azure

Tipos

Los tipos de modelos de series temporales están asociados con una instancia específica y le permiten definir variables o expresiones utilizadas para realizar cálculos.

Los tipos pueden tener una o más variables. Por ejemplo, una instancia del modelo de serie temporal podría tener un tipo de sensor de temperatura, que consta de variables de temperatura promedio, temperatura mínima y temperatura máxima.

Almacenamiento de datos de Azure Time Series

Azure Time Series Insights funciona en conjuntos de datos almacenados en su cuenta de Azure Storage. A continuación, se muestran algunas consideraciones clave para almacenar conjuntos de datos de series temporales en Azure.

Niveles de almacenamiento y disponibilidad de datos

Azure Time Series Insights Gen2 particiona e indexa datos para optimizar el rendimiento de las consultas. Después de indexar los datos, puede consultar los datos del almacenamiento en caliente (si está habilitado) y del almacenamiento en frío

La cantidad de datos capturados y la velocidad de procesamiento de cada partición afectan la disponibilidad. Puede configurar alertas para que se le notifique cuando el procesamiento de datos se retrase en su entorno.

Almacenamiento en caliente

Puede acceder a los datos desde el almacenamiento en caliente a través de la API de consultas de series temporales, el Explorador de TSI de Time Series Insight o el conector de Power BI. Las consultas de almacenamiento en caliente son gratuitas y no tienen cuota, pero puede realizar hasta 30 solicitudes simultáneas.

Cuando el almacenamiento de datos en caliente está habilitado, funciona de la siguiente manera

• Ingesta todos los datos: si el almacenamiento en caliente está habilitado, todos los datos que fluyen al entorno se enrutan a él, independientemente de las marcas de tiempo del evento. La canalización de transmisión está diseñada para transmisión casi en tiempo real y no admite la recopilación de eventos pasados.
• Período de retención: se calcula en función de la fecha y hora en que se indexó el evento de almacenamiento en caliente, no la marca de tiempo del evento.
• Sin relleno: si habilita el almacenamiento en caliente en un entorno existente que ya tiene datos en almacenamiento en frío, los datos no se volverán a rellenar en el almacenamiento en caliente

Almacenamiento en frío

Para los eventos enviados al almacenamiento en frío, Azure Time Series Insight Gen2 mantiene hasta dos copias de cada evento en la cuenta de Azure Storage. Los eventos se almacenan en orden cronológico. Con el tiempo, Azure Time Series Insights Gen2 reparte sus datos para optimizar las consultas de alto rendimiento. Los datos se almacenan en la cuenta de almacenamiento de Azure de forma indefinida.

Mejores prácticas de Azure Time Series

Monitoreo de Azure Time Series Insights

Azure Time Series puede ser una parte fundamental de las canalizaciones de datos de IoT. Es importante configurar el monitoreo para asegurarse de que el servicio funcione correctamente, identifique problemas y los resuelva. Puede usar Azure Monitor para realizar una supervisión continua de Azure Time Series Insights.   

Concéntrese en métricas como los bytes recibidos de todas las fuentes de eventos, los bytes procesados ​​correctamente y los bytes disponibles para procesar. También observe la tabla TSIIngress, que muestra los errores que ocurren en la canalización de entrada de eventos.  

Uso de almacenamiento en caliente y almacenamiento en frío

Puede optar por habilitar un “almacenamiento en caliente”, que permite tiempos de respuesta más rápidos y proporciona un período de retención de 7 a 30 días. Tenga en cuenta que los datos que deben conservarse durante más de 30 días se sirven del “almacenamiento en frío” e incurre en una tarifa por el acceso a los datos. El análisis interactivo de datos recientes debe residir en un almacenamiento en caliente, mientras que las tendencias a largo plazo y el análisis de patrones deben residir en un almacenamiento en frío.

Configurar ID de serie temporal y propiedades de marca de tiempo

En Azure Time Series, debe seleccionar un ID y tres claves para cada serie temporal, que luego puede usar para particionar los datos. También debe designar una propiedad de marca de tiempo al agregar fuentes de eventos para un seguimiento futuro. De lo contrario, la hora de consulta del evento se utilizará como marca de tiempo. Además, tenga en cuenta que los valores de la marca de tiempo distinguen entre mayúsculas y minúsculas y deben formatearse según las especificaciones de origen de eventos individuales.

Optimice sus eventos

Asegúrese de que los eventos estén optimizados antes de enviarlos a Azure Time Series Insights. Se recomienda desnormalizar los eventos antes de ingerirlos. Debe almacenar metadatos en su modelo de serie temporal y asegurarse de que los eventos y campos de instancia solo contengan información vital, como el ID de la serie temporal y la propiedad de marca de tiempo.

Alta disponibilidad

Time Series Insights aprovecha las redundancias a nivel de región para lograr una alta disponibilidad. Puede llevar a cabo la recuperación ante desastres en Azure mediante Azure Site Recovery (ASR). Otras características incluyen la replicación geográfica y el balanceo de carga para la conmutación por error, la recuperación de datos y la copia de seguridad de máquinas virtuales locales o basadas en Azure mediante el servicio Azure Backup.  

Para asegurarse de que sus dispositivos y usuarios tengan alta disponibilidad global y entre regiones, asegúrese de habilitar las características correctas de Azure. 

Conclusión

En este artículo se explican los componentes, el almacenamiento y las mejores prácticas de Azure Time Series Insights que pueden ayudarlo a obtener información de los datos de las series temporales de IoT en la nube.

Preguntas frecuentes