Weiterentwicklung der industriellen IoT-Funktionen in Azure Time Series Insights

Veröffentlicht am 28 Oktober, 2019

Principal PM Manager, Azure IoT

Ende des letzten Jahres gaben wir die Vorschauversion einiger Basisfunktionen unserer industriellen IoT-Analyseplattform mit skalierbarem Zeitreihenspeicher für die Trendermittlung über Jahrzehnte von Daten, Unterstützung semantischer Modelle zum Beschreiben domänenspezifischer Metadaten und erweiterten Analyse-APIs sowie einer erweiterten Benutzeroberfläche bekannt. Wir erweitern den Umfang dieser leistungsstarken Analyseplattform um weitere neue Funktionen, die neue Möglichkeiten und Flexibilität bieten und neue Szenarien für unsere IoT-Unternehmenskunden eröffnen. Heute geben wir die folgenden neuen Funktionen bekannt:

  • Unterstützung für warme und kalte Analysen auf der Grundlage unserer bereits vorhandenen Vorschaufunktion mit Datenweiterleitung zwischen warmem und kaltem Speicher anhand der Aufbewahrung. Kunden können nun interaktive Analysen über warme Daten durchführen und betriebliche Informationen aus Jahrzehnten an historischen Daten im eigenen Azure Data Lake gewinnen.
  • Eine flexible Analyseplattform, mit der ein eigener Azure Data Lake an Azure Time Series Insights angefügt werden kann, um Daten zu archivieren, sodass Kunden im Besitz ihrer eigenen IoT-Daten bleiben. Kunden können mit vertrauten Technologien wie Apache Spark™, Databricks, Jupyter usw. eine Verbindung mit verschiedensten Analyseszenarien herstellen und mit diesen interagieren, z. B. Predictive Maintenance und maschinelles Lernen.
  • Umfangreiche Abfrage-APIs und Benutzererlebnis zur Unterstützung von Interpolation, neue Skalar- und Aggregatfunktionen, kategorische Variablen, Punktdiagramme und Zeitverschiebung von Zeitreihensignalen für tief greifende Analysen.
  • Bedeutende Verbesserungen der Skalierung und Leistung auf allen Ebenen der Lösung, darunter Erfassung, Speicherung und Abfrage sowie Metadaten/Modell, zur Unterstützung der IoT-Lösungsanforderungen der Kunden.
  • Azure Time Series Insights-Power BI-Connector, der Kunden die Möglichkeit gibt, Abfragen aus Azure Time Series Insights direkt in Power BI zu übertragen, um eine einzelne, vereinheitlichte Ansicht von BI- und Zeitreihenanalysen zu erzielen.

Azure Time Series Insights bietet weiterhin ein skalierbares nutzungsbasiertes Preismodell, durch das Kunden ihre Nutzung an ihre Geschäftsanforderungen anpassen und der Azure Time Series Insights-Analyseplattform die Skalierung der Infrastruktur entsprechend ihrem wachsenden Bedarf überlassen können.

Eine umfassende Analyseplattform für industrielles IoT

Wir haben eine Vorschauversion unserer ersten Reihe von Funktionen im Dezember des letzten Jahres veröffentlicht. Diese wurden seitdem von den Kunden in großem Umfang angenommen, und wir erhielten viel Feedback, durch das wir heute eine aktualisierte Vorschauversion bekannt geben können.

Unsere Kunden stammen aus allen wichtigen industriellen IoT-Segmenten, darunter Fertigung, Automobilindustrie, Öl und Gas, Energie und Versorgung, intelligente Gebäude und IoT-Consulting. Diese Kunden teilen uns regelmäßig mit, dass IoT-Zeitreihenanalysen über das Ermöglichen eines herausragenden Betriebs hinausgehen. In Verbindung mit einer vielfältigen Kontextualisierung helfen ihnen IoT-Zeitreihendaten dabei, eine dynamische Transformation voranzutreiben, durch die ihr Unternehmen agiler und datenorientierter als je zuvor wird.

Um aus Zeitreihendaten einen möglichst großen Wert ziehen zu können und diese digitale Revolution voran zu bringen, aktualisieren wir das Azure Time Series Insights-Angebot und bieten nun umfangreiche und vielfältige Unterstützung von Analysen mit Speicher auf mehreren Ebenen, offenen Dateiformaten und flexiblen Verbindungen mit anderen Datendiensten. Auf diese Weise werden Szenarien mit verbundenen Daten, Skalierung und Leistung auf Unternehmensniveau, ein verbessertes Benutzererlebnis und SDK-Unterstützung möglich. Außerdem bieten wir Connectors ohne vorherige Anpassung mit Datendiensten wie Power BI, die End-to-End-Analyseszenarien ermöglichen.

Details der neuen Features in der aktualisierten Vorschauversion

Umfassende und vielfältige Analysen über mehrschichtige Speicher

Die meisten IoT-Industriekunden arbeiten mit IoT-Daten in verschiedenen Datenzugriffsszenarien. Zum Erfüllen dieser Anforderungen bietet Azure Time Series Insights skalierbaren Zeitreihenspeicher auf mehreren Ebenen für Analysen von warmen und kalten Daten. Wenn sie Azure Time Series Insights bereitstellen, können Kunden bei der Auswahl der Preisoption für nutzungsbasierte Bezahlung Azure Storage als kalten Speicher konfigurieren und auch warmen Speicher aktivieren. Darüber hinaus können Kunden die Aufbewahrungsdauer (jederzeit konfigurierbar) für den warmen Speicher auswählen.  Azure Time Series Insights leitet erfasste Daten automatisch anhand der konfigurierten Aufbewahrungsdauer in den warmen Speicher weiter. Wenn die Aufbewahrungsdauer beispielsweise auf 30 Tage festgelegt wurde, werden die gestreamten Daten von jeweils 30 Tagen im warmen Speicher aufbewahrt. Sämtliche Daten werden standardmäßig in den Azure Data Lake des Kunden weitergeleitet, um dort archiviert und analysiert zu werden. Abfragen innerhalb der konfigurierten Aufbewahrungsdauer werden immer aus dem warmen Speicher bereitgestellt, ohne dass der Benutzer weitere Angaben machen muss. Abfragen über die Aufbewahrungsdauer hinaus werden immer aus dem kalten Speicher bereitgestellt. Dadurch können Kunden interaktive, auf Ressourcen basierende Analysen großer Datenmengen im warmen Speicher für Überwachungs-, Dashboarding- und Troubleshootingszenarien ausführen. Weiterhin können Kunden ressourcenbasierte Analysen über Jahrzehnte an kalten Daten ausführen, die in ihrem Azure Data Lake gespeichert sind, um betriebliche Informationen einschließlich Troubleshooting, „Golden Batch“-Analysen, Predictive Analytics usw. zu erhalten.

Einfache und benutzerfreundliche Konfiguration für warmen und kalten Speicher auf der Azure Time Series Insights-Bereitstellungsoberfläche.

Flexible Analyseplattform für die Integration mit eigenen und Drittanbeiterdiensten

Eine kritische und leistungsstarke Funktion, die mit unserem kalten Speicher möglich wird, ist die Verbindung mit anderen Datenlösungen für End-to-End-Szenarien. Wie bereits erwähnt, handelt es sich bei dem kalten Speicher um einen Azure Data Lake im Besitz des Kunden, der für alle seine IoT-Daten und Metadaten die direkte Quelle darstellt. Daten werden im Open-Source-Datenformat von Apache Parquet gespeichert, um effiziente Datenkomprimierung, optimal genutzten Speicherplatz, effiziente Abfragen und Portabilität zu erzielen.

Azure Time Series Insights bietet sofort einsatzfähige Connectors für verbreitete und vertraute Datendienste, die unsere Kunden bereits nutzen, z. B. Apache Spark™ oder Databricks für maschinelles Lernen und Predictive Analytics. Dies befindet sicher derzeit in Bearbeitung und wird Kunden in Kürze zur Verfügung gestellt.

Im Rahmen dieser aktualisierten Vorschau veröffentlichen wir den Azure Time Series Insights-Power BI-Connector. Dieses Feature steht auf der Oberfläche des Azure Time Series Insights-Explorers über die Option „Export“ zur Verfügung. Kunden können damit die erstellten Zeitreihenabfragen direkt auf unserer Benutzeroberfläche in den Power BI-Desktop exportieren und die Zeitreihendiagramme gemeinsam mit anderen BI-Analysen anzeigen. Dies eröffnet eine neue Klasse von Szenarien für industrielle IoT-Unternehmen, die in Power BI investiert haben. Es bietet eine einheitliche Ansicht für Analysen aus verschiedenen Datenquellen wie IoT-Zeitreihen und somit die Möglichkeit bedeutender geschäftlicher und betrieblicher Informationen.

Verbesserte ressourcenbasierte Analyse-API und Benutzererfahrung

Seit der Veröffentlichung unserer Vorschauversion im Dezember des letzten Jahres haben wir in Zusammenarbeit mit verschiedenen wichtigen IoT-Unternehmenskunden die Anforderungen im Bereich der Abfragen und der Benutzeroberfläche zu priorisieren. Als Ergebnis können wir die folgenden neuen Funktionen im Rahmen unserer heutigen aktualisierten Vorschau bekannt geben:

  • Interpolation zum Rekonstruieren von Zeitreihensignalen aus vorhandenen Daten
  • Diskrete Signalverarbeitung mit kategorischen Variablen
  • Trigonometrische Funktionen
  • Punktdiagramme
  • Zeitverschiebung von Zeitreihen zum Erkennen von Datenmustern
  • Verbesserungen der Modell-API für hierarchisches Durchlaufen, Zeitreihensuchen, automatische Vervollständigung, Pfade und Facets
  • Verbesserte Effizienz bei der Suche und Navigation und Fortsetzungstoken zur Unterstützung von Abfragen in beliebiger Skalierung
  • Verbesserte Diagrammfunktionen, einschließlich Unterstützung für Schrittinterpolation, Schatten bei Minimum oder Maximum usw.​
  • Aktualisierte Oberfläche zur Modellerstellung und -bearbeitung
  • Erhöhte Abfrageparallelität zur Unterstützung von bis zu 30 gleichzeitigen Abfragen

An dieser Stelle werden in den kommenden Monaten verschiedene neue Funktionen bekannt gegeben, einschließlich Unterstützung von zeitlich gewichteten Mittelwerten, zusätzlicher Skalar- und Aggregatfunktionen, Dashboards usw.

Verbesserte Analyseoberfläche über warme und kalte Daten mit Abfrageunterstützung für kontinuierliche und diskrete Zeitreihen.

Azure Time Series Insights ist auf den Erfolg unserer Kunden ausgerichtet.

Wir freuen uns darauf, unser Ziel der Vereinfachung von IoT für unsere Kunden weiter voranzutreiben und ihnen die Möglichkeit zu geben, mit ihren IoT-Daten und -Lösungen mehr zu erreichen. Weitere Informationen finden Sie auf der Produktseite und in der Dokumentation zu Azure Time Series Insights. Sehen Sie sich außerdem den Schnellstart an, um noch heute mit der Verwendung von Azure Time Series Insights zu beginnen.

Wir bitten Sie um Feedback und Vorschläge zur Verbesserung des Produkts und der Dokumentation. Scrollen Sie dazu zum unteren Ende jeder Dokumentationsseite, wo Sie die Schaltfläche „Produktfeedback“ finden, oder melden Sie sich bei Ihrem GitHub-Konto an, und geben Sie dort Ihr Feedback ab. Wir schätzen Ihre Hinweise und würden uns freuen, von Ihnen zu hören.