Compreendendo o Azure Time Series Insights

O que é o Azure Time Series Insights?

Azure Time Series Gen2 é um serviço analítico de Internet das Coisas (IoT) de ponta a ponta projetado para implantações industriais de IoT. Ele fornece APIs poderosas que você pode usar para integrá-lo aos fluxos de trabalho e aplicativos atuais.

O Azure Time Series Insights coleta, processa, armazena, consulta e visualiza dados de IoT em escala, adicionando contexto e otimizando-o para análise de série temporal. Ele é projetado para explorar dados ad hoc e analisar operações, ajudando você a descobrir tendências ocultas, detectar anomalias e realizar análises de causa raiz.

Neste artigo, você aprenderá:

• O que é um modelo de série temporal do Azure?
  • Componentes do modelo de série temporal
• Armazenamento de dados de série temporal do Azure
  • Camadas de armazenamento e disponibilidade de dados
  • Loja Quente
  • Loja fria
• Práticas recomendadas da série temporal do Azure
  • Usando armazenamento quente e armazenamento frio
  • Configurar IDs de série temporal e propriedades de carimbo de data / hora
  • Otimize seus eventos
  • Alta disponibilidade

O que é um modelo de série temporal do Azure?

Um Modelo de Série Temporal é uma entidade central na Série Temporal do Azure, que permite gerenciar, manter e aprimorar conjuntos de dados de série temporal para análise.

O modelo de série temporal oferece os seguintes recursos:

• Crie e gerencie cálculos e fórmulas usando funções escalares e operações agregadas
• Defina relacionamentos hierárquicos para permitir pesquisa, referência cruzada e navegação
• Defina propriedades associadas a instâncias de dados e use-as para construir hierarquias

Componentes do modelo de série temporal

Um modelo de série temporal tem três componentes principais: instâncias, hierarquias e tipos. Você usa esses componentes para especificar um modelo para análise de dados de série temporal e organizar os dados.

Fonte: Azure

Instâncias

Uma instância do modelo de série temporal é uma série temporal individual. Ele possui um identificador exclusivo, o ID da série temporal, que normalmente é o ID do ativo ou dispositivo que gerou os dados.

Cada instância pode ser descrita por propriedades adicionais, como tipo, descrição, nome, hierarquias e campos de instância. Os campos de instância são coleções de informações como nível de hierarquia, operador de dispositivo, fabricantes e muito mais.

Assim que você adiciona uma fonte de evento no Azure Time Series Insights, o sistema descobre a série temporal e cria Modelos de Série Temporal. Você pode atualizar esses modelos ou criar novos usando consultas de modelo de série temporal.

Hierarquias

O modelo de série temporal organiza instâncias especificando nomes de atributos e relacionamentos hierárquicos entre eles. Uma instância pode ser mapeada para uma hierarquia ou várias hierarquias – veja um exemplo abaixo.

Fonte: Azure

Tipos

Os tipos de modelo de série temporal são associados a uma instância específica e permitem definir variáveis ou expressões usadas para realizar cálculos.

Os tipos podem ter uma ou mais variáveis. Por exemplo, uma instância do Modelo de série temporal pode ter o tipo de sensor de temperatura, consistindo em variáveis de temperatura média, temperatura mínima e temperatura máxima.

Armazenamento de dados de série temporal do Azure

O Azure Time Series Insights funciona em conjuntos de dados armazenados em sua conta de Armazenamento do Azure. Aqui estão algumas considerações importantes para armazenar conjuntos de dados de série temporal no Azure.

Camadas de armazenamento e disponibilidade de dados

O Azure Time Series Insights Gen2 divide e indexa dados para otimizar o desempenho da consulta. Depois de indexar os dados, você pode consultar os dados do armazenamento quente (se habilitado) e do armazenamento frio.

A quantidade de dados capturados e a velocidade de processamento de cada partição afetam a disponibilidade. Você pode configurar alertas para serem notificados quando o processamento de dados estiver atrasado em seu ambiente.

Loja Quente

Você pode acessar dados de armazenamento ativo por meio da API de consulta de série temporal, do TSI Explorer do Time Series Insight ou do conector do Power BI. As consultas de armazenamento ativo são gratuitas e não têm cota, mas você pode realizar até 30 solicitações simultâneas.

Quando o armazenamento de dados quente está ativado, funciona da seguinte maneira:

• Sugere todos os dados – se o armazenamento a quente estiver habilitado, todos os dados que fluem para o ambiente são roteados para ele, independentemente dos carimbos de data / hora do evento. O pipeline de streaming é desenvolvido para streaming quase em tempo real e não oferece suporte à coleta de eventos anteriores.
• Período de retenção – calculado com base na data e hora em que o evento foi indexado no armazenamento aquecido, não no carimbo de data / hora do evento.
• Sem back-fill – se você habilitar o armazenamento quente em um ambiente existente que já tenha dados no armazenamento frio, os dados não serão preenchidos novamente no armazenamento quente.

Loja fria

Para eventos enviados para armazenamento frio, o Azure Time Series Insight Gen2 mantém até duas cópias de cada evento na conta de Armazenamento do Azure. Os eventos são armazenados em ordem cronológica. Com o tempo, o Azure Time Series Insights Gen2 reparticiona seus dados para otimizar as consultas de alto desempenho. Os dados são armazenados na conta de armazenamento do Azure indefinidamente.

Práticas recomendadas da série temporal do Azure

Monitore o Azure Time Series Insights

A Série Temporal do Azure pode ser uma parte crítica dos pipelines de dados IIoT. É importante configurar o monitoramento, para garantir que o serviço está funcionando corretamente, identificar problemas e resolvê-los. Você pode usar o Azure Monitor para realizar o monitoramento contínuo do Azure Time Series Insights.

Concentre-se em métricas, como bytes recebidos de todas as fontes de eventos, bytes processados com êxito e bytes disponíveis para processamento. Observe também a tabela TSIIngress, que mostra os erros que ocorrem no pipeline de entrada do evento.

Usando armazenamento quente e armazenamento frio

Você pode escolher habilitar um “armazenamento aquecido”, que permite tempos de resposta mais rápidos e fornece um período de retenção de 7 a 30 dias. Observe que os dados que precisam ser retidos por mais de 30 dias são fornecidos pela “loja fria” e incorrem em uma taxa de acesso aos dados. A análise interativa de dados recentes deve residir no armazenamento aquecido, enquanto as tendências de longo prazo e a análise de padrões devem residir no armazenamento frio.

Configurar IDs de série temporal e propriedades de carimbo de data / hora

No Azure Time Series, você precisa selecionar uma ID e três chaves para cada série temporal, que pode ser usada posteriormente para particionar os dados. Você também deve designar uma propriedade de carimbo de data / hora ao adicionar fontes de eventos para rastreamento futuro. Caso contrário, o tempo de enquing do evento será usado como seu registro de data e hora. Além disso, observe que os valores de carimbo de data / hora fazem distinção entre maiúsculas e minúsculas e devem ser formatados de acordo com as especificações individuais da origem do evento.

Otimize seus eventos

Certifique-se de que os eventos sejam otimizados antes de enviá-los ao Azure Time Series Insights. Recomenda-se desnormalizar os eventos antes de ingeri-los. Você deve armazenar metadados em seu modelo de série temporal e garantir que os campos e eventos da instância contenham apenas informações vitais, como ID da série temporal e a propriedade timestamp.

Alta disponibilidade

O Time Series Insights alavanca redundâncias em nível de região para alta disponibilidade. Você pode executar a recuperação de desastres no Azure usando o Azure Site Recovery (ASR). Outros recursos incluem replicação geográfica e balanceamento de carga para failover, recuperação de dados e backup de VMs locais ou baseadas no Azure usando o serviço de Backup do Azure.

Para garantir que seus dispositivos e usuários tenham alta disponibilidade global entre regiões, certifique-se de habilitar os recursos corretos do Azure.

Conclusão

Este artigo explicou sobre os componentes, armazenamento e práticas recomendadas do Azure Time Series Insights que podem ajudá-lo a obter insights de dados de série temporal de IoT na nuvem.

FAQ