Amazon IoT Analytics

有关 IoT 设备的分析

Amazon IoT Analytics 是一项完全托管的服务,它可以轻松地运行和实施大量 IoT 数据的复杂分析,而不必担心构建 IoT 分析平台通常所需的成本和复杂性。借助该服务,可以轻松地对 IoT 数据进行分析并获得见解,以针对 IoT 应用程序和机器学习使用案例做出更好、更准确的决策。

IoT 数据高度非结构化,这使得难以使用旨在处理结构化数据的传统分析和商业智能工具对其进行分析。IoT 数据来自经常用以记录相当嘈杂过程(如温度、运动或声音)的设备。来自这些设备的数据经常会有明显的间断、损坏的信息以及错误的读数,在进行分析之前必须清除这些问题。此外,IoT 数据通常仅在输入其他第三方数据时才有意义。例如,为了帮助农民确定作物浇水时间,葡萄园灌溉系统通常会用葡萄园的降雨量数据来丰富水分传感器数据,在最大限度提高产量的同时,更有效地利用水资源。

Amazon IoT Analytics 将自动执行每一个复杂步骤,以便分析来自 IoT 设备的数据。Amazon IoT Analytics 将首先筛选、转换和丰富 IoT 数据,然后再将其存储在时间序列数据存储区中进行分析。您可以将服务设置为仅从设备收集所需的数据,应用数学转换来处理数据,并使用设备特定的元数据(如设备类型和位置)丰富数据,然后再存储已处理的数据。然后,您可以通过使用内置的 SQL 查询引擎运行临时或计划的查询来分析数据,或者执行更复杂的分析和机器学习推断。Amazon IoT Analytics 包含针对常见 IoT 使用案例的预构建模型,从而可以轻松开始使用机器学习。

您也可以将自己的自定义分析打包到一个容器中,然后在 Amazon IoT Analytics 上执行。Amazon IoT Analytics 将自动执行在 Jupyter Notebook 或您自己的工具(例如 Matlab)中创建的准备按您的计划待执行的自定义分析。

Amazon IoT Analytics 是一项完全托管的服务,可用于自动实施分析和扩展,以支持多达数 PB 的 IoT 数据。借助 Amazon IoT Analytics,您可以分析数百万台设备中的数据并构建快速、反应敏捷的 IoT 应用程序,而无需管理硬件或基础设施。

有关更多信息,请访问 Amazon IoT Analytics 文档页面。

Amazon IoT Analytics 优势

实施您的分析工作流程

只要您提供分析,Amazon IoT Analytics 就可在您需要时随时随地自动执行您的分析。Amazon IoT Analytics 将导入您自定义编写的代码容器(这些容器内置于 Matlab 等外部工具中),并按您的计划执行以生成一些操作性见解,从而让您有更多时间专注于您最擅长的工作。

轻松地对 IoT 数据运行查询

借助 Amazon IoT Analytics,您可以使用内置的 SQL 查询引擎运行一些简单、临时的查询。例如,使用标准的 SQL 查询从数据存储区中提取数据,您可以计算车队的平均行驶距离或智能建筑中上锁的门数。此外,Amazon IoT Analytics 还提供了一系列非重叠、连续的时间范围,用于对新的增量数据执行分析。您可以通过仅扫描所需的数据来提高分析效率并降低成本。

有关 IoT 的数据存储优化

Amazon IoT Analytics 将已处理的设备数据存储在时间序列数据存储区中,然后对该存储区进行优化以快速响应 IoT 查询。原始数据也会自动存储,以备后期处理或进行再处理以供另一使用案例使用。

准备用于分析的 IoT 数据

Amazon IoT Analytics 包含数据准备技术,可用于轻松准备和处理数据以进行分析。Amazon IoT Analytics 还支持时间序列分析,因此您可以分析一段时间内设备的性能,并了解使用设备的方式和位置,持续监控设备数据以预测有关维护的问题,以及监控传感器以预测环境状况并做出反应。Amazon IoT Analytics 与 Amazon IoT Core 集成,可轻松地直接从已连接的设备提取设备数据。它可清除错误读数,填补数据间断,并对消息数据执行数学转换。提取数据时,Amazon IoT Analytics 可以使用条件语句对其进行处理,筛选数据以便仅收集您想要分析的数据,并使用 Amazon IoT 注册表中的信息丰富数据。您还可以使用 Amazon Lambda 函数从外部源(例如 Amazon DynamoDB 和 Amazon Redshift)丰富设备数据。

用于机器学习的工具

借助托管的 Jupyter 笔记本,Amazon IoT Analytics 可轻松将机器学习应用于您的 IoT 数据。您可以直接将 IoT 数据连接到笔记本并构建、训练和执行来自 Amazon IoT Analytics 控制台的模型,而无需管理任何底层基础设施。使用 Amazon IoT Analytics,您可以将机器学习算法应用于设备数据,来为队列中的每台设备生成运行状况评分。例如,汽车制造商可以检测到哪些客户的刹车片已磨损,并提醒他们进行车辆维修。此外,只需点击一个按钮,您即可将 Jupyter Notebook 代码打包到可执行的容器映像中,并根据需要在 Amazon IoT Analytics 上执行该容器。

采用按需付费定价模式自动扩展

Amazon IoT Analytics 是一项完全托管的按需付费服务,可自动扩展以支持多达数 PB 的 IoT 数据。借助 IoT Analytics,您无需管理硬件或基础设施即可分析整个连接设备队列。随着需求的变化,计算能力和数据存储区会自动扩展或收缩,因此您始终拥有适合 IoT 应用程序的容量,而您只需为所使用的资源付费。

工作原理

Amazon loT Analytics 的工作原理

使用案例

智能农业

Amazon IoT Analytics 可以利用 Amazon IoT 注册表和其他公共数据源用情境元数据自动丰富 IoT 设备数据,以便您能够执行时间、位置、温度、海拔和其他环境条件的分析。通过这些分析,您可以编写模型,从而提供您的设备在现场可以执行的建议操作。例如,已连接农业设备的操作员可以使用 Amazon IoT Analytics 用预期的降雨量来丰富水分传感器数据,以优化其自动灌溉设备的用水效率。

预测性维护

Amazon IoT Analytics 提供了预构建模板,帮助您轻松构建强大的预测性维护模型并将其应用到您的队列中。例如,您可以使用 Amazon IoT Analytics 更好地预测相关货运车辆上的加热和冷却系统何时会出现故障,并进行相应的维修,以防止装运损失。

主动补充物资

Amazon IoT Analytics 使您可以构建能够实时监控库存的 IoT 应用程序。例如,食品饮料公司可以使用 Amazon IoT Analytics 分析其食品自动售货机中的数据,并在自动售货机或某件商品供应不足时主动订购以进行及时补货。

流程效率评分

借助 Amazon IoT Analytics,公司可以构建应用程序,用于持续监控不同流程的效率并采取措施来改善流程。例如,矿业公司可以通过最大化其每次运输的装载量来提高矿石卡车运输的效率。借助 Amazon IoT Analytics,公司可以确定针对某个地点或卡车在一段时间内最有效的装载量,然后实时比较任何与目标装载量的偏差,以更好地规划卡车的装载指南以提高效率。

开始使用 Amazon Web Services

第 1 步 - 登录 IoT Analytics

登录控制台

即时访问 Amazon IoT Analytics
第 2 步 - 阅读 IoT Analytics 文档

学习如何使用 Amazon IoT Analytics

参阅技术 文档
第 3 步 - 了解 IoT Analytics 的功能

了解主要功能

了解 Amazon IoT Analytics 的 功能

了解有关 Amazon IoT Analytics 的更多信息

访问功能页面
准备好开始构建了吗?
开始使用
还有其他问题吗?
联系我们