Zeitreihenmodell in Azure Time Series Insights Gen2

In diesem Artikel werden das Zeitreihenmodell, die Funktionen und das Erstellen und Aktualisieren eigener Modelle in der Azure Time Series Insights Gen2-Umgebung beschrieben.

Zusammenfassung

Traditionell weisen die von IoT-Geräten gesammelten Daten oft keine kontextbezogenen Informationen auf, was es schwierig macht, Sensoren schnell zu finden und zu analysieren. Die Hauptmotivation für das Zeitreihenmodell besteht darin, das Auffinden und Analysieren von IoT- oder Zeitreihendaten zu vereinfachen. Sie erreicht dieses Ziel, indem die Curation, Wartung und Anreicherung von Zeitreihendaten ermöglicht wird, um verbraucherbereite Datasets für Analysen vorzubereiten.

Szenario: Der neue Intelligente Ofen von Contoso

Betrachten Sie das fiktive Szenario eines intelligenten Contoso-Ofens. Nehmen Wir in diesem Szenario an, dass jeder intelligente Contoso-Ofen fünf Temperatursensoren hat, eines für jeden von vier Top-Brennern und einen für den Ofen selbst. Bis vor kurzem hat jeder Contoso-Temperatursensor seine Daten einzeln gesendet, gespeichert und visualisiert. Für die Überwachung der Küchengeräte vertraute Contoso auf Basisdiagramme, eines für jeden einzelnen Sensor.

Während Contoso mit seiner ursprünglichen Daten- und Visualisierungslösung zufrieden war, wurden mehrere Einschränkungen offensichtlich:

• Die Kunden wollten wissen, wie heiß der Gesamtofen wird, wenn die meisten oberen Brenner an sind. Contoso hatte mehr Schwierigkeiten beim Analysieren und Präsentieren einer einheitlichen Antwort auf die Bedingungen des Gesamtofens.
• Contoso-Ingenieure wollten überprüfen, ob das gleichzeitige Betreiben der oberen Kochfelder nicht zu einem ineffizienten Stromverbrauch führen würde. Es gab Schwierigkeiten beim Querverweisen, welche Temperatur- und Spannungssensoren miteinander verbunden waren und wie man sie im Laden auffinde.
• Das Contoso-Qualitätsüberprüfungsteam wollte den Verlauf zwischen zwei Sensorversionen überwachen und vergleichen. Es gab Schwierigkeiten, zu bestimmen, welche Daten zu welcher Sensorversion gehörten.

Ohne die Möglichkeit, das übergeordnete Modell der intelligenten Ofen-Zeitreihe zu strukturieren, zu organisieren und zu definieren, blieben die Datenpunkte jedes Temperatursensors verstreut, isoliert und weniger informativ. Das Umwandeln dieser Datenpunkte in umsetzbare Erkenntnisse war schwieriger, da jedes Dataset unabhängig von den anderen lebte.

Diese Einschränkungen ergaben die Bedeutung intelligenter Datenaggregations- und Visualisierungstools, um den neuen Ofen von Contoso zu begleiten:

• Die Datenvisualisierung ist nützlich, wenn Sie Daten in einer bequemen Ansicht zuordnen und kombinieren können. Ein Beispiel zeigt Spannungssensoren zusammen mit Temperatursensoren.
• Das Verwalten von mehrdimensionalen Daten für mehrere Entitäten sowie Vergleichs-, Zoom- und Zeitbereichsfunktionen kann schwierig sein.

Das Zeitreihenmodell bietet eine bequeme Lösung für viele der Szenarien in diesem fiktiven Beispiel:

• Das Zeitreihenmodell spielt eine wichtige Rolle bei Abfragen und Navigation, da es Daten kontextualisiert, indem Vergleiche über Zeiträume hinweg und zwischen Sensor- und Gerätetypen gezeichnet werden können. (A)
• Daten werden weiter kontextualisiert, da Daten, die im Zeitreihenmodell gespeichert sind, Berechnungen von Zeitreihenabfragen als Variablen beibehalten und zur Abfragezeit wiederverwendet werden.
• Das Zeitreihenmodell organisiert und aggregiert Daten für verbesserte Visualisierungs- und Verwaltungsfunktionen. (B)

Wichtige Funktionen

Mit dem Ziel, die Kontextualisierung von Zeitreihen einfach und mühelos zu verwalten, ermöglicht das Zeitreihenmodell die folgenden Funktionen in Azure Time Series Insights Gen2. Es hilft Ihnen:

• Erstellen und Verwalten von Berechnungen oder Formeln, die skalare Funktionen, Aggregatvorgänge usw. nutzen.
• Definieren Sie Eltern-Kind-Beziehungen, um Navigation, Suche und Verweis zu ermöglichen.
• Definieren Sie Eigenschaften, die den Instanzen zugeordnet sind, die als Instanzfelderdefiniert sind, und verwenden Sie sie zum Erstellen von Hierarchien.

Komponenten

Das Zeitreihenmodell verfügt über drei Kernkomponenten:

• Zeitreihenmodellinstanzen
• Zeitreihenmodellhierarchien
• Zeitreihenmodelltypen

Diese Komponenten werden kombiniert, um ein Zeitreihenmodell anzugeben und Ihre Daten zu organisieren.

Zeitreihenmodell-Übersichtsdiagramm

Ein Zeitreihenmodell kann über den Azure Time Series Insights-Explorererstellt und verwaltet werden. Zeitreihenmodelleinstellungen können über die Modelleinstellungen-APIverwaltet werden.

Instanzen des Zeitreihenmodells

Zeitreihenmodell Instanzen sind virtuelle Darstellungen der Zeitreihe selbst.

In den meisten Fällen werden Instanzen durch deviceId oder assetIdeindeutig identifiziert, die als Zeitreihen-IDs gespeichert werden.

Instanzen haben beschreibende Informationen, die als Instanzeigenschaftenbezeichnet werden, wie zum Beispiel eine Zeitreihen-ID, Typ, Name, Beschreibung, Hierarchien und Instanzfelder. Eine Mindestanforderung für Instanzeigenschaften ist die Angabe von Hierarchieinformationen.

Instanzfelder sind eine Sammlung beschreibender Informationen, die Werte für Hierarchieebenen sowie für Hersteller, Betreiber usw. enthalten können.

Nachdem eine Ereignisquelle für die Azure Time Series Insights Gen2-Umgebung konfiguriert wurde, werden Instanzen automatisch ermittelt und in einem Zeitreihenmodell erstellt. Die Instanzen können über den Azure Time Series Insights-Explorer mithilfe von Zeitreihenmodellabfragen erstellt oder aktualisiert werden.

Beispiel für

Instanzeigenschaften

Instanzen werden durch timeSeriesId, typeId, Name, Description, hierarchyIdsund instanceFieldsdefiniert. Jede Instanz ist nur einem Typund einer oder mehreren Hierarchienzugeordnet.

Instanzen weisen die folgende JSON-Darstellung auf:

{
  "timeSeriesId": ["PU2"],
  "typeId": "545314a5-7166-4b90-abb9-fd93966fa39b",
  "hierarchyIds": ["95f0a8d1-a3ef-4549-b4b3-f138856b3a12"],
  "description": "Pump #2",
  "instanceFields": {
    "Location": "Redmond",
    "Fleet": "Fleet 5",
    "Unit": "Pump Unit 3",
    "Manufacturer": "Contoso",
    "ScalePres": "0.54",
    "scaleTemp": "0.54"
  }
}

Zeitreihenmodellhierarchien

Hierarchien im Zeitreihenmodell organisieren die Instanzen, indem sie Eigenschaftennamen und deren Beziehungen angeben.

Sie können mehrere Hierarchien in einer bestimmten Azure Time Series Insights Gen2-Umgebung konfigurieren. Eine Zeitreihenmodellinstanz kann einer einzelnen Hierarchie oder mehreren Hierarchien (m:n-Beziehung) zugeordnet werden.

Hierarchiedefinition

Hierarchien werden durch Hierarchie Id, Nameund Quelledefiniert.

Hierarchien werden in JSON dargestellt als:

{
  "hierarchies": [
    {
      "id": "6e292e54-9a26-4be1-9034-607d71492707",
      "name": "Location",
      "source": {
        "instanceFieldNames": [
          "state",
          "city"
        ]
      }
    },
    {
      "id": "a28fd14c-6b98-4ab5-9301-3840f142d30e",
      "name": "ManufactureDate",
      "source": {
        "instanceFieldNames": [
          "year",
          "month"
        ]
      }
    }
  ]
}

Im vorherigen JSON-Beispiel:

• Location definiert eine Hierarchie mit dem übergeordneten Element states und dem untergeordneten Element cities. Jede location kann mehrere stateshaben, was wiederum mehrere citieshaben kann.
• ManufactureDate definiert eine Hierarchie mit Eltern year und Kind month. Jede ManufactureDate kann mehrere yearshaben, was wiederum mehrere monthshaben kann.

Hierarchiebeispiel

Betrachten Sie ein Beispiel, in dem hierarchie H1building, floorund room als Teil der instanceFieldNames-definition hat:

{
  "id": "aaaaaa-bbbbb-ccccc-ddddd-111111",
  "name": "H1",
  "source": {
    "instanceFieldNames": [
      "building",
      "floor",
      "room"
    ]
  }
}

Angesichts der in der vorherigen Definition und mehreren Zeitreihen verwendeten Instanzfelder werden die Hierarchieattribute und -werte wie in der folgenden Tabelle dargestellt angezeigt:

Zeitreihen ID1- und ID4- werden als Teil der Hierarchie H1 im Azure Time Series Insights Explorer angezeigt, da sie Gebäude, Stockwerkund Raum Parameter vollständig definiert und ordnungsgemäß sortiert haben.

Die anderen werden unter Instanzen ohne übergeordnete Instanz klassifiziert, da sie nicht der angegebenen Datenhierarchie entsprechen.

Modelltypen der Zeitreihe

Das Zeitreihenmodell und seine Typen helfen Ihnen dabei, Variablen oder Formeln für Berechnungen zu definieren. Typen werden einer bestimmten Instanz zugeordnet.

Ein Typ kann eine oder mehrere Variablen aufweisen. Eine Instanz des Zeitreihenmodells kann beispielsweise vom Typ Temperatursensorsein, der aus den Variablen durchschnittliche Temperatur, min. Temperaturund max. Temperaturbesteht.

Typeigenschaften

Zeitreihenmodelltypen werden durch ID, Name, Beschreibungund Variablendefiniert.

Typen entsprechen dem folgenden JSON-Beispiel:

{
  "types": [
    {
      "id": "1be09af9-f089-4d6b-9f0b-48018b5f7393",
      "name": "DefaultType",
      "description": "Default type",
      "variables": {
        "EventCount": {
          "kind": "aggregate",
          "value": null,
          "filter": null,
          "aggregation": {
            "tsx": "count()"
          }
        },
        "Interpolated Speed": {
          "kind": "numeric",
          "value": {
              "tsx": "$event['Speed-Sensor'].Double"
          },
          "filter": null,
          "interpolation": {
              "kind": "step",
              "boundary": {
                  "span": "P1D"
              }
          },
          "aggregation": {
              "tsx": "right($value)"
          }
        }
      }
    }
  ]
}

Modelltypen der Zeitreihen können viele Variablen aufweisen, die Formel- und Berechnungsregeln für Ereignisse angeben. Weitere Informationen zu Definieren von Zeitreihenmodellvariablen

Nächste Schritte

• Weitere Informationen zum Bearbeiten des Modells über APIs finden Sie in der Referenzdokumentation für das Zeitreihenmodell .

• Erkunden Sie die Formeln und Berechnungen, die Sie mit Zeitreihenmodell-Variablen erstellen können.

• Erfahren Sie, wie man Daten in Azure Time Series Insights Gen2 abfragt.