写点什么

介绍 AWS IoT Analytics:比以往任何时候都快地大规模交付 IoT Analytics

  • 2019 年 11 月 01 日
  • 本文字数:1986 字

    阅读完需:约 7 分钟

介绍 AWS IoT Analytics:比以往任何时候都快地大规模交付 IoT Analytics

我非常喜欢的一个技术领域是物联网 (IoT)。甚至还是在我很小的时候,我就常常惹怒我的父母,因为我会将他们买的玩具拆开,想看看工具的工作原理以及我是否能够设法将玩具重新组装在一起。似乎我注定最终要从事充满艰难而且不断变化的技术领域的工作。因此,毫不奇怪,我现在真的非常喜欢学习和摆弄 IoT 设备和技术。这融合了我对开发和软件工程的喜爱以及我对电路、控制器以及电气工程学科的其他方面的好奇心;即使我算不上是一个电气工程师。


尽管有通过部署 IoT 设备和解决方案收集的各种信息,但老实说,我从未真正考虑过需要分析、搜索和处理这些数据,直到我遇到了一种异常情况,对于发生的异常,通过大量传感器数据进行搜索和查询的能力变得至关重要。当然,我清楚分析对于企业的重要性,它们有助于做出准确的决策和预测以推动组织的发展。但是我一开始并没有想到,使分析成为我的 IoT 解决方案的不可或缺的一部分是如此重要。是的,我及时吸取了教训,因为此 re:Invent 服务的发布使任何人均可以更轻松地处理和分析 IoT 信息和设备数据。


你好,AWS IoT AnalyticsAWS IoT AnalyticsAWS IoT 的一项完全托管服务,可提供对从您的 IoT 设备中收集的数据的高级数据分析。利用 AWS IoT Analytics 服务,您可以处理消息、收集和存储大量设备数据以及查询数据。此外,新的 AWS IoT Analytics 服务功能集成了用于可视化数据的 Amazon Quicksight,并通过与 Jupyter Notebooks 的集成引入了机器学习的功能。


AWS IoT Analytics 的优势


  • 通过提供对预构建的分析功能的访问,帮助预测分析数据。

  • 提供将来自服务的分析输出可视化的功能

  • 提供清理数据的工具

  • 可帮助识别收集的数据的模式


了解情况:IoT Analytics 概念


  • 通道:存档未经处理的原始消息并收集来自 MQTT 主题的数据。

  • 管道:使用来自通道的消息并允许消息处理。

  • 活动:针对您的消息执行转换,包括筛选属性和调用 Lambda 函数高级处理。

  • 数据存储:用作经过处理的消息的可查询存储库。提供对来自不同设备或位置的消息或按消息属性进行筛选的消息进行多个数据存储的功能。

  • 数据集:来自数据存储的数据检索视图,可由定期计划生成。


AWS IoT Analytics 入门


首先,我将创建一个用于接收传入消息的通道。此通道可用于提取通过 MQTT 发送到通道的数据或直接来自规则引擎的消息。要创建通道,我将选择 Channels 菜单选项,然后单击 Create a channel 按钮。



我将我的通道命名为 TaraIoTAnalyticsID 并向 Channel 提供值为 TemperatureMQTT topic filter。为了完成通道的创建,我将单击 Create Channel 按钮。




现在我已创建我的通道,需要创建一个数据存储来接收和存储从我的 IoT 设备的通道上收到的消息。请记住,您可以针对多个复杂的解决方案需求设置多个数据存储,但在我的示例中我将仅创建一个数据存储。我将从菜单面板中选择 Data Stores,然后单击 Create a data store



我将我的数据存储命名为 TaraDataStoreID,在单击 Create the data store 按钮后,我已成功将数据存储设置为存放来自我的通道的消息。



现在我已有通道数据存储,我将需要使用一个管道来连接两者。我将创建一个仅用于连接我的通道和数据存储的简单管道,但您可以创建功能更强大的管道以便通过添加管道活动 (如 Lambda 活动) 处理和筛选消息。


要创建管道,我将选择 Pipelines 菜单选项,然后单击 Create a pipeline 按钮。




我将不会为此管道添加属性。因此,我将单击 Next 按钮。



正如我们所讨论的,我可以将其他管道活动添加到我的管道来处理和转换消息,但我仅会保留我的首个管道,然后点击 Next 按钮。



对于我来说,创建管道的最后一步是选择之前所创建的数据存储,然后单击 Create Pipeline




对于我来说,利用 AWS IoT Analytics 服务的所有剩余操作是创建用于将数据发送到 AWS IoT Analytics 通道的 IoT 规则。嗯,这就是为 IoT 设备设置分析的一个超级简单的过程。


在对我的数据运行了查询之后,如果我想要创建一个数据集来通过 Amazon Quicksight 实现可视化或与 Jupyter Notebooks 集成以执行更高级的分析功能,我可以选择 Analyze 菜单选项来显示用于创建数据集和访问 Juypter Notebook 实例的屏幕。




总结


如您所见,为 AWS IoT 设置高级数据分析是非常简单的过程。利用 AWS IoT Analytics,您能够收集、可视化、处理、查询和存储从您的 AWS IoT 互联设备生成的大量数据。此外,您还可以采用多种不同的方式访问 AWS IoT Analytics 服务;AWS 命令行界面 (AWS CLI)、AWS IoT API、特定语言的 AWS 软件开发工具包以及 AWS IoT 设备软件开发工具包。


现在您可以使用 AWS IoT Analytics 来深入了解您的 IoT 数据的分析。要了解有关 AWS IoT 和 AWS IoT Analytics 的更多信息,请访问 AWS IoT Analytics 产品页面和/或 AWS IoT 文档。


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/launch-presenting-aws-iot-analytics/


2019 年 11 月 01 日 08:00333

评论

发布
暂无评论
发现更多内容

架构师训练营 第二周 学习总结

一雄

学习 极客大学架构师训练营 第二周

手撕设计原则:依赖倒置

已昏懒人

设计模式 架构师 面向对象设计 面向对象设计原则

架构师训练营第2周学习总结

Season

极客大学架构师训练营

“麻烦”的处理流程

zhoo299

随笔杂谈

架构师训练营作业-Week2

wyzwlj

极客大学架构师训练营

架构师训练营 - 作业 - 第二周

心在飞

极客大学架构师训练营

Class-only Protocols - class or AnyObject

SwiftMic

swift AnyObject

Flink on Zeppelin (2) - Batch篇

章剑锋_Jeff

大数据 flink 流计算 Zeppelin

小师妹学JVM之:GC的垃圾回收算法

程序那些事

JVM 小师妹 JIT GC 签约计划第二季

老大吩咐的可重入分布式锁,终于完美的实现了!!!

楼下小黑哥

Java redis 分布式锁

架构师训练营 第二周 作业

一雄

极客大学架构师训练营 作业 第二周

Week2学习总结

wyzwlj

极客大学架构师训练营

产品视角看推荐算法

峰池

人工智能 算法 产品经理 推荐算法

第二次作业总结

朱月俊

架构师训练营第二章课后作业

叮叮董董

0613总结

W_T

架构师训练营第2周作业

Season

极客大学架构师训练营

第二周 软件设计原则

WW

程序员的晚餐 | 6 月 15 日 红烧带鱼和清蒸多宝鱼

清远

美食

第二周学习总结

Geek_5d0795

极客大学架构师训练营

618你的系统顶住了么?系统发生重大灾难难道只能“删库跑路”?

punkboy

哪些框架是遵循依赖倒置原则的?

朱月俊

用接口隔离原则优化 Cache 类的设计

朱月俊

游戏夜读 | 什么是全力以赴?

game1night

依赖倒置原则

极客李

架构师训练营 - 第二周架构师实现自己架构的主要手段

zcj

极客大学架构师训练营

什么是依赖倒置原则,为什么有时候依赖倒置原则又被称为好莱坞原则?

朱月俊

第二次作业

朱月俊

第02周 开发编程框架 学习总结

Jaye

第二周作业

Geek_5d0795

极客大学架构师训练营

架构师训练营第二周作业

W_T

介绍 AWS IoT Analytics:比以往任何时候都快地大规模交付 IoT Analytics_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章