Понимание Azure Time Series Insights

Чтотакое Azure Time Series Insights?

Azure Time Series Gen2 (Анализ данных временных рядов)-это сквозная управляемая служба аналитики Интернета вещей (IoT), предназначенная для промышленного развертывания Интернета вещей. Она предоставляет мощные API, которые можно использовать для интеграции с текущими рабочими процессами и приложениями.

Azure Time Series Insights собирает, обрабатывает, хранит, запрашивает и визуализирует данные Интернета вещей в различных масштабах, добавляя контекст и оптимизируя его для анализа временных рядов. Он предназначен для изучения специальных данных и анализа операций, помогая вам обнаруживать скрытые тенденции, выявлять аномалии и выполнять анализ первопричин.

В этой статье вы узнаете:

• Что такое модель временных рядов Azure?
  • Компоненты модели временных рядов
• Хранилище данных временных рядов Azure
  • Уровни хранения и доступность данных
  • Горячее Хранение
  • Холодное Хранение
• Рекомендации использования временных рядов Azure
  • Использование Горячего и Холодного хранилища
  • Настройка идентификаторов временных рядов и свойств меток времени
  • Оптимизируйте Свои События

Высокая Доступность

Что такое Модель Временных Рядов Azure?

Модель временных рядов – это центральное ядро временных рядов Azure, которая позволяет управлять, поддерживать и улучшать наборы данных временных рядов для анализа.

Модель временных рядов предоставляет следующие возможности:

• Создание и управление вычислениями и формулами с использованием скалярных функций и агрегатных операций.

• Определение иерархических связей для обеспечения поиска, перекрестных ссылок и навигации.

• Определение свойств, связанных с экземплярами данных, и использование их для построения иерархий.

Компоненты Модели Временных Рядов

Модель Временных Рядов состоит из трех ключевых компонентов: экземпляров, иерархий и типов. Эти компоненты используются для задания модели анализа данных временных рядов и организации данных.

Источник: : Azure

Экземпляры

Экземпляр Модели Временного Ряда – это отдельный временной ряд. Он имеет уникальный идентификатор, идентификатор временного ряда, который обычно является идентификатором объекта или устройства, создавшего данные.

Каждый экземпляр может быть описан дополнительными свойствами, такими как тип, описание, имя, иерархии и поля экземпляра. Поля экземпляра – это наборы информации, такие как уровень иерархии, оператор устройства, производители и многое другое.

Как только вы добавляете источник событий в Анализ Временных Рядов Azure, система обнаруживает временные ряды и создает модели временных рядов. Вы можете обновить эти модели или создать новые, используя запросы моделей временных рядов.

Иерархии

Модель Временных Рядов организует экземпляры, указывая имена атрибутов и иерархические отношения между ними. Один экземпляр может сопоставляться с одной иерархией или несколькими иерархиями—см. пример ниже.

Источник: Azure

Типы

Типы Моделей Временных Рядов связаны с конкретным экземпляром и позволяют определять переменные или выражения, используемые для выполнения вычислений.

Типы могут иметь одну или несколько переменных. Например, один экземпляр модели временного ряда может иметь тип датчика температуры, состоящий из переменных средней температуры, минимальной температуры и максимальной температуры.

Хранилище Данных Временных Рядов Azure

Анализ Временных Рядов Azure работает с наборами данных, хранящимися в вашей учетной записи хранения Azure. Вот некоторые ключевые соображения для хранения наборов данных временных рядов в Azure.

Уровни Хранения и Доступность Данных

Анализ Данных Временных Рядов Azure Gen2 разделяет и индексирует данные для оптимизации производительности запросов. После индексации данных вы можете запросить данные из горячего хранилища (если оно включено) и холодного хранилища.

Объем собранных данных и скорость обработки каждого раздела влияют на доступность. Вы можете настроить оповещения, чтобы получать уведомления о задержке обработки данных в вашей среде.

Горячее Хранение

Вы можете получить доступ к данным из горячего хранилища через API запросов временных рядов, обозреватель TSI Time Series Insight или разъем Power BI. Запросы к горячему хранилищу бесплатны и не имеют лимиты, но вы можете выполнять до 30 одновременных запросов.

Когда горячее хранилище данных включено, оно работает следующим образом:

• Принимает все данные — если включено горячее хранилище, все данные, поступающие в среду, направляются в него, независимо от временных меток событий. Конвейер потоковой передачи построен для потоковой передачи в режиме, близком к реальному времени, и не поддерживает сбор прошлых событий.

• Период хранения  — рассчитывается на основе даты и времени, когда событие было проиндексировано в горячем хранилище, а не временной метки события.

• Отсутствие обратного заполнения  — если вы включите горячее хранилище в существующей среде, в которой уже есть данные в холодном хранилище, данные не будут повторно заполнены в горячее хранилище.

Холодное Хранилище

Для событий, отправленных в холодное хранилище, Анализ Временных Рядов Azure Gen2 хранит до двух копий каждого события в учетной записи хранилища Azure. События хранятся в хронологическом порядке. Со временем Анализ Временных Рядов Azure Gen2 перераспределяет ваши данные для оптимизации высокопроизводительных запросов. Данные хранятся в учетной записи хранения Azure неопределенное время.

Рекомендации Использования Временных Рядов Azure

Мониторинг Анализа Временных Рядов Azure

Временные Ряды Azure могут быть важной частью конвейеров данных Интернета Вещей. Важно настроить мониторинг, убедиться, что сервис работает правильно, выявить проблемы и устранить их. Вы можете использовать Azure Monitor для непрерывного мониторинга аналитики временных рядов Azure. 

Сосредоточьтесь на таких показателях, как байты, полученные из всех источников событий, успешно обработанные байты и байты, доступные для обработки. Также посмотрите таблицу TSIIngress, в которой показаны ошибки, возникающие в конвейере входа событий.

Использование Горячего и Холодного Хранилища

Вы можете включить “горячее хранилище”, которое обеспечивает более быстрое время отклика и обеспечивает срок хранения от 7 до 30 дней. Обратите внимание, что данные, которые должны храниться более 30 дней, берутся из “холодного хранилища” и за доступ к данным взимается плата. Интерактивная аналитика последних данных должна храниться в горячем хранилище, в то время как анализ долгосрочных тенденций и моделей должен храниться в холодном хранилище.

Настройка Идентификаторов Временных Рядов и Свойств Меток Времени

Во Временных Рядах Azure необходимо выбрать идентификатор и три ключа для каждого временного ряда, которые впоследствии можно будет использовать для разделения данных. Вы также должны указать свойство метки времени при добавлении источников событий для будущего отслеживания. В противном случае время запроса события будет использоваться в качестве метки времени. Кроме того, обратите внимание, что значения временных меток чувствительны к регистру и должны быть отформатированы в соответствии со спецификациями отдельных источников событий.

Оптимизируйте Свои События

Убедитесь, что события оптимизированы, прежде чем отправлять их в Анализ Временных Рядов Azure. Рекомендуется денормализовать события перед их обработкой. Вы должны хранить метаданные в своей модели временных рядов и гарантировать, что поля экземпляра и события содержат только важную информацию, такую как идентификатор временного ряда и свойство метки времени.

Высокая Доступность

Анализ Временных Рядов позволяет использовать избыточность на локальном уровне для обеспечения высокой доступности. В Azure аварийное восстановление может быть выполнено с помощью Azure Site Recovery (ASR). Другие функции включают георепликацию и балансировку нагрузки для отработки отказа, восстановления данных и резервного копирования локальных или виртуальных машин на базе Azure с помощью службы резервного копирования Azure.

Чтобы ваши устройства и пользователи имели глобальную и межрегиональную высокую доступность, убедитесь, что вы включили правильные функции Azure. 

Заключение

В этой статье рассказывается о компонентах Azure Time Series Insights, хранилище и рекомендациях, которые могут помочь вам получить представление о данных временных рядов Интернета вещей в облаке.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ