Model Runtun Waktu di Azure Time Series Insights Gen2

Artikel ini menjelaskan Model Deret Waktu, kemampuan, dan cara mulai membangun serta memperbarui model Anda di lingkungan Azure Time Series Insights Gen2.

Ringkasan

Secara tradisional, data yang dikumpulkan dari perangkat IoT tidak memiliki informasi kontekstual yang membuatnya sulit untuk menemukan dan menganalisis sensor dengan cepat. Motivasi utama Model Deret Waktu adalah untuk menyederhanakan proses menemukan dan menganalisis data IoT atau data Deret Waktu. Tujuan ini dicapai dengan memungkinkan kurasi, pemeliharaan, dan pengayaan data deret waktu untuk membantu menyiapkan himpunan data yang siap digunakan oleh konsumen untuk analitik.

Skenario: Oven pintar baru Contoso

Pertimbangkan skenario fiktif oven pintar Contoso. Dalam skenario ini, misalkan setiap oven pintar Contoso memiliki lima sensor suhu, satu untuk masing-masing dari empat pembakar atas dan satu untuk oven itu sendiri. Sampai saat ini, setiap sensor suhu Contoso dikirim, disimpan, dan divisualisasikan datanya satu per satu. Untuk pemantauan peralatan dapurnya, Contoso mengandalkan grafik dasar, satu untuk setiap sensor.

Sementara Contoso puas dengan data awal dan solusi visualisasi, beberapa batasan menjadi jelas:

• Pelanggan ingin tahu seberapa panas keseluruhan oven akan menjadi ketika sebagian besar pembakar atas dinyalakan. Contoso lebih kesulitan menganalisis dan menyajikan jawaban terpadu tentang kondisi oven keseluruhan.
• Teknisi Contoso perlu memverifikasi bahwa pembakar teratas yang dijalankan secara bersamaan tidak akan menghasilkan penarikan daya yang tidak efisien. Ada kesulitan untuk referensi silang sensor suhu dan tegangan mana yang terkait satu sama lain dan cara menemukannya di penyimpanan.
• Tim jaminan kualitas Contoso perlu mengaudit dan membandingkan riwayat di antara dua versi sensor. Ada kesulitan menentukan data apa milik versi sensor yang mana.

Tanpa kemampuan untuk menyusun, menata, dan menentukan model deret waktu oven pintar menyeluruh, setiap sensor suhu mempertahankan titik data yang mengalami dislokasi, terisolasi, dan kurang informatif. Mengubah titik data ini menjadi wawasan yang dapat ditindaklanjuti lebih sulit karena setiap himpunan data berfungsi secara independen dari yang lain.

Batasan ini mengungkapkan pentingnya alat agregasi dan visualisasi data pintar untuk menyertai oven baru Contoso:

• Visualisasi data terbukti berguna saat Anda dapat mengaitkan dan menggabungkan data ke dalam tampilan yang nyaman. Contohnya adalah menunjukkan sensor tegangan bersama dengan sensor suhu.
• Mengelola data multidimensi untuk beberapa entitas bersama dengan fungsionalitas perbandingan, perbesar tampilan, dan rentang waktu mungkin sulit dicapai.

Model Deret Waktu memberikan solusi yang nyaman untuk banyak skenario yang ditemui dalam contoh fiktif ini:

• Model Deret Waktu memainkan peranan penting dalam kueri dan navigasi karena model ini mengontekstualisasikan data dengan memungkinkan perbandingan ditarik melintasi rentang waktu dan antara jenis sensor serta perangkat. (A)
• Data lebih lanjut dikontekstualisasikan karena data yang disimpan dalam Model Deret Waktu menyimpan komputasi kueri deret waktu sebagai variabel dan menggunakannya kembali saat kueri dilakukan.
• Model Deret Waktu menata dan mengagregasi data untuk peningkatan kemampuan visualisasi dan manajemen. (B)

Kemampuan utama

Dengan tujuan untuk membuatnya sederhana dan mudah untuk mengelola kontekstualisasi deret waktu, Model Deret Waktu memungkinkan kemampuan berikut di Azure Time Series Insights Gen2. Ini membantu Anda:

• Membuat dan mengelola komputasi atau rumus yang memanfaatkan fungsi bernilai skalar, operasi agregat, dan sebagainya.
• Menentukan hubungan induk-anak untuk mengaktifkan navigasi, pencarian, dan referensi.
• Menentukan properti yang terkait dengan instans, yang ditentukan sebagai bidang instans, dan menggunakannya untuk membuat hierarki.

Komponen

Model Deret Waktu memiliki tiga komponen inti:

• Instans Model Deret Waktu
• Hierarki Model Deret Waktu
• Jenis Model Deret Waktu

Komponen-komponen ini digabungkan untuk menentukan model deret waktu dan untuk menata data Anda.

Model deret waktu dapat dibuat dan dikelola melalui Azure Time Series Insights Explorer. Pengaturan Model Deret Waktu dapat dikelola melalui API Pengaturan Model.

Contoh Model Deret Waktu

Instans Model Deret Waktu adalah representasi virtual dari deret waktu itu sendiri.

Dalam kebanyakan kasus, instans secara unik diidentifikasi oleh deviceId atau assetId, yang disimpan sebagai ID deret waktu.

Instans memiliki informasi deskriptif yang terkait dengannya yang disebut properti instans, seperti ID deret waktu, jenis, nama, deskripsi, hierarki, dan bidang instans. Setidaknya, properti Instans menyertakan informasi hierarki.

Instance fields adalah kumpulan informasi deskriptif yang dapat menyertakan nilai pada tingkat hierarki, serta produsen, operator, dan sebagainya.

Setelah sumber peristiwa dikonfigurasi untuk lingkungan Azure Time Series Insights Gen2, instans secara otomatis ditemukan dan dibuat dalam model deret waktu. Instans dapat dibuat atau diperbarui melalui Azure Time Series Insights Explorer dengan menggunakan kueri Model Deret Waktu.

Properti instans

Instans ditentukan oleh timeSeriesId, typeId, nama, deskripsi, hierarchyIds, dan instanceFields. Setiap instans memetakan hanya satu jenis, dan satu atau beberapa hierarki.

Instans memiliki representasi JSON berikut:

{
  "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"
  }
}

Hierarki Model Deret Waktu

Hierarki Model Deret Waktu menata instans dengan menentukan nama properti dan hubungannya.

Anda dapat mengonfigurasi beberapa hierarki di lingkungan Azure Time Series Insights Gen2 tertentu. Instans Model Deret Waktu dapat memetakan ke satu maupun beberapa hierarki (hubungan banyak-ke-banyak).

Definisi hirarki

Hierarki ditentukan oleh id, nama, dan sumber.

Hierarki direpresentasikan dalam JSON sebagai:

{
  "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"
        ]
      }
    }
  ]
}

Dalam contoh JSON sebelumnya:

• Location menentukan hierarki dengan induk states dan anak cities. Setiap location dapat memiliki beberapa states yang pada gilirannya dapat memiliki beberapa cities.
• ManufactureDate menentukan hierarki dengan induk year dan anak month. Setiap ManufactureDate dapat memiliki beberapa years yang pada gilirannya dapat memiliki beberapa months.

Contoh hierarki

Pertimbangkan contoh di mana hierarki H1 memiliki building, floor, dan room sebagai bagian dari definisi instanceFieldNames-nya:

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

Mengingat bidang instans yang digunakan dalam definisi sebelumnya dan beberapa deret waktu, atribut hierarki dan nilai muncul seperti yang ditunjukkan dalam tabel berikut:

ID1 dan ID4 Deret Waktu ditampilkan sebagai bagian dari hierarki H1 di Azure Time Series Insights Explorer karena mereka memiliki parameterbuilding, floor, dan room yang sepenuhnya ditentukan dan diurutkan dengan benar.

Yang lain diklasifikasikan di bawah Instans Tidak Berinduk karena tidak sesuai dengan hierarki data yang ditentukan.

Jenis Model Deret Waktu

Jenis Model Deret Waktu membantu Anda menentukan variabel atau rumus untuk melakukan komputasi. Jenis dikaitkan dengan sebuah instans tertentu.

Jenis dapat memiliki satu atau beberapa variabel. Misalnya, instans Model Deret Waktu mungkin berdasarkan jenis Sensor Suhu yang terdiri dari variabel suhu rata-rata, suhu minimal, dan suhu maksimal.

Properti tipe

Jenis Model Deret Waktu ditentukan oleh id, nama, deskripsi, dan variabel.

Jenis sesuai dengan contoh JSON berikut:

{
  "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)"
          }
        }
      }
    }
  ]
}

Jenis Model Deret Waktu dapat memiliki banyak variabel yang menentukan aturan rumus dan komputasi pada peristiwa. Baca selengkapnya tentang cara menentukan variabel Model Deret Waktu

Langkah berikutnya

• Baca dokumentasi referensi Model Deret Waktu untuk informasi selengkapnya tentang cara mengedit model melalui API.

• Jelajahi rumus dan komputasi yang dapat Anda buat dengan variabel Model Deret Waktu

• Pelajari tentang membuat kueri data di Azure Time Series Insights Gen2.