AWS IoT Analytics 不再適用於新客戶。AWS IoT Analytics 的現有客戶可以繼續正常使用該服務。 進一步了解

AWS IoT Analytics 功能

AWS IoT Analytics 可自動處理執行和操作 IoT 資料分析所需的所有步驟。AWS IoT Analytics 將分析 IoT 裝置資料所需的困難步驟自動化。AWS IoT Analytics 可使用 BatchPutMessage API 接受來自各種來源 (像是 Amazon KinesisS3 或其他來源) 的資料,並與 AWS IoT Core 完全整合,因此可輕鬆收集資料並開始執行分析。首先,使用 MQTT 主題篩選來定義通道,以僅指定您想存放和分析的資料。設定好通道之後,接著設定資料的處理管道。管道可以執行資料轉換、執行條件陳述式,以及使用外部來源的資料來充實訊息。

處理完資料後,AWS IoT Analytics 會將其存放在時間序列資料存放區中等候進行分析。然後,您可以使用內建 SQL 查詢引擎執行臨機操作或排定的查詢,以回答特定的業務問題,或執行更複雜的分析和機器學習。

主要特色

收集

從 AWS IoT Core 等各種來源導入資料 – 將資料直接從 AWS IoT Core 導入 AWS IoT Analytics。或者,使用 BatchPutMessage API 從 Amazon S3Amazon Kinesis 或任何其他來源將資料傳送到 AWS IoT Analytics。AWS IoT Analytics 與 AWS IoT Core 和 API 完全整合,讓您可輕鬆從連線裝置接收串流進來的訊息。

僅收集您要存放和分析的資料 – 您可使用 AWS IoT Analytics 主控台設定 AWS IoT Analytics,使其透過各種格式和頻率的 MQTT 主題篩選條件接收裝置的訊息。AWS IoT Analytics 會驗證該資料在您定義的特定參數內,接著建立通道。然後服務會將這些通道路由到適當的管道來處理、轉換和充實訊息。

處理

清理和篩選條件 – AWS IoT Analytics 能讓您定義當 AWS IoT Analytics 偵測到缺少之資料時將會觸發的 AWS Lambda 函數,讓您可執行程式碼來評估和填補不足。 您也可以定義最大/最小篩選條件和百分位數閾值,來移除資料中的異常值。

轉換 – AWS IoT Analytics 可使用您定義的數學邏輯或條件邏輯轉換訊息,讓您可執行一般計算,例如將攝氏轉換成華氏。
 
增加 – AWS IoT Analytics 可為資料增加外部資料來源 (如氣象預報資訊),再將該資料路由至 AWS IoT Analytics 資料存放區。
 
重新處理 – AWS IoT Analytics 可重新處理連接到管道的通路原始資料。重新處理原始資料可提供您建立新管道或重新使用舊管道的彈性,讓您擷取全新和歷史資料、變更管道,或單純以不同方式處理資料。取得深入洞見或測試假設時通常需要使用這項功能。只要將管道連接到適當的通道就能進行重新處理。
 

存放

時間序列資料存放區 - AWS IoT Analytics 會將裝置資料存放於 IoT 最佳化的時間序列資料存放區中以進行分析。您可以管理存取許可,實作資料保留政策,再將您的資料匯出至外部存取點。

存放已處理和原始的資料 - AWS IoT Analytics 會存放已處理資料,同時也會自動存放原始的擷取資料,讓您可之後再處理。

分析

執行臨機操作或排定的 SQL 查詢 – AWS IoT Analytics 提供內建的 SQL 查詢引擎,因此您可以執行臨機操作或排定的查詢並快速獲得結果。例如,您可能需要執行一個快速查詢來查明機群中每個裝置每月有多少個作用中使用者。

時間序列分析 - AWS IoT Analytics 支援時間序列分析,讓您可以分析隨時間變化的裝置效能,並了解其使用方式和位置;持續監控裝置資料以預測維護問題;以及監控感測器以預測環境條件並做出反應。

用於複雜分析和機器學習的託管筆記本 - AWS IoT Analytics 內含託管 Jupyter 筆記本的支援,可用於統計分析和機器學習。該服務有一套預先建置的筆記本範本,其中包含 AWS 編寫的機器學習模型和視覺化,幫助您開始使用與以下相關的 IoT 使用案例:裝置故障分析、低使用率之類的預測事件,此類預測事件可能表示客戶將棄用產品,或按客戶使用程度 (例如,重度使用者、週末使用者) 或裝置運作狀態來劃分裝置的類別。

您可以透過一種稱為邏輯回歸的方法來進行統計分類。您也可以使用長短期記憶體 (LSTM),這是一種強大的神經網路技術,用於預測一段時間內某個處理的輸出或狀態。預先建置的筆記本範本也支援用於裝置區隔的 K-means 集群演算法,這會將您的裝置聚集成相似的裝置群。這些範本通常用於分析裝置運作狀態和裝置狀態,例如巧克力工廠的 HVAC 裝置或風力渦輪機葉片的磨損。

使用您的自訂容器 - AWS IoT Analytics 將匯入您在 AWS IoT Analytics 或第三方 (例如 Matlab 或 Octave 等等) 中建置的自訂編寫程式碼容器,讓您有更多時間可專注在讓您在競爭中脫穎而出的事情上。不需要重新建立您在第三方工具中建立的現有分析。只需在 AWS IoT Analytics 上匯入您的分析容器,並視需要執行。

如果使用 Jupyter Notebooks,只需要按幾下按鈕,即可建立 Jupyter Notebook 程式碼可執行的容器映像,並在 AWS IoT Analytics 主控台上將容器分析視覺化。

自動容器執行 - AWS IoT Analytics 可讓您將託管自訂編寫的分析程式碼或 Jupyter Notebooks 之容器的執行自動化,以執行持續分析。您可以將您的自訂分析的執行排程按最符合您的業務需求進行重複排程。

以可自訂的時段遞增資料擷取 - AWS IoT Analytics 可讓使用者對自上次分析後擷取的新遞增資料執行分析。您可以透過精準掃描僅您的新資料來改善分析效率和降低成本。無論執行上次分析的時間為何,可自訂的時段將為您擷取自上次分析後的新資料。

視覺化

QuickSight 整合 - AWS IoT Analytics 提供 Amazon QuickSight 的連接器,讓您可在 QuickSight 儀表板中視覺化您的資料集。您也可以在 AWS IoT Analytics 主控台內視覺化內嵌 Jupyter 筆記本中的結果或臨機操作分析。

進一步了解 AWS IoT Analytics 定價

瀏覽定價頁面
準備好開始使用了嗎?
免費試用
還有其他問題嗎?
聯絡我們