¿Qué es AWS IoT Analytics?

Un canal recopila datos de un MQTT tema y archiva los mensajes sin procesar y sin procesar antes de publicarlos en una canalización. También puedes enviar mensajes a un canal directamente mediante el BatchPutMessageAPI. Los mensajes sin procesar se almacenan en un bucket de Amazon Simple Storage Service (Amazon S3) que usted o administra. AWS IoT Analytics

Una canalización consume mensajes de un canal y le permite procesar los mensajes antes de guardarlos en un almacén de datos. Las etapas de procesamiento, denominadas actividades (Actividades de canalización), realizan transformaciones en los mensajes, tales como eliminar, cambiar el nombre o añadir atributos al mensaje, filtrar mensajes en función de los valores de los atributos, ejecutar funciones de Lambda con los mensajes para el procesamiento avanzado o realizar transformaciones matemáticas para normalizar los datos de los dispositivos.

Las canalizaciones almacenan sus mensajes procesados en un almacén de datos. Un almacén de datos no es una base de datos, sino un repositorio de mensajes que se puede escalar y consultar. Puede tener varios almacenes de datos para mensajes procedentes de distintos dispositivos o ubicaciones, o para mensajes filtrados mediante diferentes atributos, en función de la configuración de la canalización y de los requisitos. Al igual que ocurre con los mensajes de canal sin procesar, los mensajes procesados de un almacén de datos se almacenan en un bucket de Amazon S3 que usted o AWS IoT Analytics administra.

Para recuperar datos de un almacén de datos, crea un conjunto de datos. AWS IoT Analytics le permite crear un conjunto de SQL datos o un conjunto de datos contenedor.

Una vez que tengas un conjunto de datos, podrás explorarlos y obtener información valiosa sobre ellos mediante la integración con Amazon QuickSight. También puede realizar funciones de análisis más avanzadas mediante la integración con el cuaderno de Jupyter. El cuaderno de Jupyter proporciona potentes herramientas de ciencia de datos que pueden llevar a cabo machine learning y una amplia gama de análisis estadísticos. Para obtener más información, consulte Plantillas de bloc de notas.

Puede enviar contenido de un conjunto de datos a un bucket de Amazon S3, lo que permite la integración con los lagos de datos existentes o el acceso desde aplicaciones internas y herramientas de visualización. También puede enviar contenido del conjunto de datos como una entrada a AWS IoT Events, un servicio que le permite monitorizar dispositivos o procesos para ver si se producen errores o cambios en la operación y para activar acciones adicionales cuando se producen estos eventos.

Un conjunto SQL de datos es similar a una vista materializada de una SQL base de datos. Puede crear un conjunto SQL de datos aplicando una SQL acción. SQLLos conjuntos de datos se pueden generar automáticamente de forma periódica especificando un desencadenante.

Un conjunto de datos de contenedores le permite ejecutar automáticamente herramientas de análisis y generar resultados. Para obtener más información, consulte Automatización del flujo de trabajo. Reúne un conjunto de SQL datos como entrada, un contenedor Docker con las herramientas de análisis y los archivos de biblioteca necesarios, las variables de entrada y salida y un activador de programación opcional. Las variables de entrada y salida indican a la imagen ejecutable dónde obtener los datos y almacenar los resultados. El activador puede ejecutar el análisis cuando un conjunto de SQL datos termina de crear su contenido o según una expresión de programación temporal. Un conjunto de datos de contenedores se ejecutará automáticamente, y generará y, a continuación, guardará los resultados de las herramientas de análisis.

Puede crear automáticamente un conjunto de datos especificando un desencadenador. El desencadenador puede ser un intervalo de tiempo (p. ej., crear este conjunto de datos cada dos horas) o el momento en que se crea el contenido de otro conjunto de datos (p. ej., crear este conjunto de datos cuando myOtherDataset termine de crear su contenido). O bien, puede generar el contenido del conjunto de datos manualmente utilizando CreateDatasetContentAPI.

Puede crear su propio contenedor de Docker para empaquetar sus herramientas de análisis o utilizar las opciones que ofrece la SageMaker IA. Para obtener más información, consulte Contenedor de Docker. Puede crear su propio contenedor de Docker para empaquetar sus herramientas de análisis o utilizar las opciones que ofrece la IA. SageMaker Puedes almacenar un contenedor en un ECR registro de Amazon que especifiques para que esté disponible para su instalación en la plataforma que desees. Los contenedores Docker son capaces de ejecutar su código analítico personalizado preparado con Matlab, Octave, Wise.io, RSPSS, Fortran, Python, Scala, Java, C++, etc. Para obtener más información, consulte Inclusión de un bloc de notas en contenedores.

Las ventanas diferenciales son una serie de intervalos de tiempo definidos por el usuario, no solapados y contiguos. Las ventanas diferenciales le permiten crear el contenido del conjunto de datos y realizar análisis sobre los nuevos datos que han llegado al almacén de datos desde el último análisis. Para crear una ventana diferencial, establezca el valor deltaTime en la parte filters de una queryAction de un conjunto de datos. Para obtener más información, consulte la CreateDataset API. Normalmente, querrá crear el contenido del conjunto de datos automáticamente estableciendo un desencadenador de intervalo de tiempo (triggers:schedule:expression). Esto le permite filtrar los mensajes que han llegado durante un periodo de tiempo específico, de forma que los datos contenidos en mensajes de periodos anteriores no se contabilicen dos veces. Para obtener más información, consulte el ejemplo 6: creación de un SQL conjunto de datos con una ventana Delta (). CLI

Ejecuta comandos para AWS IoT Analytics Windows, OS X y Linux. Estos comandos le permiten crear y administrar objetos, certificados, reglas y políticas. Para empezar, consulte la AWS Command Line Interface Guía del usuario de . Para obtener más información sobre los comandos de AWS IoT, consulte iot en la AWS Command Line Interface Referencia.

Cree sus aplicaciones de IoT utilizando HTTP nuestras HTTPS solicitudes. Estas API acciones le permiten crear y administrar cosas, certificados, reglas y políticas. Para obtener más información, consulte Acciones en la AWS IoT APIreferencia.

Cree sus AWS IoT Analytics aplicaciones utilizando un idioma específicoAPIs. SDKsÉstas agrupan HTTP HTTPS API y permiten programar en cualquiera de los lenguajes compatibles. Para obtener más información, consulte AWS SDKsy herramientas.

Cree aplicaciones que se ejecuten en sus dispositivos y envíen mensajes a AWS IoT Analytics. Para obtener más información, consulte AWS IoT SDKs.

Puede crear los componentes para visualizar los resultados en la consola de AWS IoT Analytics.

AWS IoT Analytics proporciona plantillas para crear modelos de mantenimiento predictivo y aplicarlos a sus dispositivos. Por ejemplo, se puede utilizar AWS IoT Analytics para predecir cuándo es probable que los sistemas de calefacción y refrigeración fallen en los vehículos de carga conectados para poder redirigir los vehículos y evitar daños en el envío. O bien, un fabricante de automóviles puede detectar qué clientes tienen gastadas las pastillas de freno y avisarles para que sus vehículos se sometan a revisión.

AWS IoT Analytics le permite crear aplicaciones de IoT que pueden monitorear los inventarios en tiempo real. Por ejemplo, una compañía de alimentación y bebidas puede analizar los datos de las máquinas expendedoras de forma proactiva y realizar un pedido de mercancía cuando baje el nivel de existencias.

Con AWS IoT Analyticsél, puede crear aplicaciones de IoT que supervisen constantemente la eficiencia de los diferentes procesos y tomen medidas para mejorarlos. Por ejemplo, una empresa minera puede mejorar la eficiencia de sus camiones de mineral maximizando la carga en cada viaje. De AWS IoT Analytics este modo, la empresa puede identificar la carga más eficiente para una ubicación o un camión a lo largo del tiempo y, a continuación, comparar cualquier desviación con respecto a la carga objetivo en tiempo real y planificar mejor las principales directrices para mejorar la eficiencia.

AWS IoT Analytics puede enriquecer los datos de los dispositivos de IoT con metadatos contextuales utilizando datos de AWS IoT registro o fuentes de datos públicas para que su análisis tenga en cuenta el tiempo, la ubicación, la temperatura, la altitud y otras condiciones ambientales. Con dicho análisis, es posible escribir modelos que generen acciones recomendadas que deben tomar los dispositivos en el campo. Por ejemplo, para determinar cuándo hay que regar, los sistemas de riego podrían enriquecer los datos del sensor de humedad con datos sobre precipitaciones, lo que permite un uso más eficiente del agua.