原文鏈接：http://www.cnblogs.com/ibrahim/p/microsoft-azure-iot.html

平臺定位

連接設備、其它 M2M 資產(chǎn)和人員，以便在業(yè)務和操作中更好地利用數(shù)據(jù)。

?

連接 IoT 設備

將所有設備連接到云，從這些設備接收大規(guī)模數(shù)據(jù)，以及管理這些設備的授權(quán)和限制。

在將設備連接到云和處理設備的聚合事件流時，互聯(lián)設備的快速增長以及平臺和協(xié)議的不一致會引起巨大挑戰(zhàn)。平臺預配容量以處理來自數(shù)百萬設備的事件，同時支持 AMQP 和 HTTP 協(xié)議，保護每臺設備的事件順序。

?

實時監(jiān)視

將設備連接到云并接收事件數(shù)據(jù)時，監(jiān)視此數(shù)據(jù)流，以獲得對業(yè)務的見解、促進效率提升及精簡業(yè)務流程。

每秒分析數(shù)百萬事件，以及快速開發(fā)和部署實時監(jiān)視解決方案，從基礎結(jié)構(gòu)中的設備和傳感器發(fā)送的數(shù)據(jù)獲得可操作的建議。

?

Azure IoT架構(gòu)

?

Azure IoT服務

?

Azure IoT 中心（IoT Hub）

• Azure IoT 中心是一項完全托管的服務，可在數(shù)百萬個 IoT 設備和一個解決方案后端之間實現(xiàn)安全可靠的雙向通信。
  • 提供可靠的設備到云和云到設備的大規(guī)模消息傳送。
  • 使用每個設備的安全憑據(jù)和訪問控制來實現(xiàn)安全通信。
  • 可廣泛監(jiān)視設備連接性和設備標識管理事件。
  • 包含最流行語言和平臺的設備庫。

?

• 設備級別的身份驗證：每個設備設置獨有的安全密鑰，IoT 中心標識注冊表會存儲設備標識和密鑰，后端可將個別設備加入允許列表或方塊列表，以便完全控制設備訪問權(quán)限。
• 設備連接操作監(jiān)控：設備標識管理操作與設備連接事件存在詳細的操作日志，便于識別連接問題，例如，嘗試使用錯誤憑據(jù)進行連接的設備、消息發(fā)送太頻繁，或拒絕所有云到設備的消息。
• 豐富的設備庫：Azure IoT 設備 SDK 也支持C、C#、Java 和 JavaScript 等托管語言，支持許多 Linux 分發(fā)版、Windows 和實時操作系統(tǒng)。
• 可擴展的IoT 協(xié)議。IoT 中心存在一個公共協(xié)議，它使設備可以通過本機方式使用 MQTT v3.1.1、HTTP 1.1 或 AMQP 1.0 協(xié)議。還可以通過以下方式擴展 IoT 中心，以便為自定義協(xié)議提供支持：
  • 現(xiàn)場網(wǎng)關：使用 Azure IoT 網(wǎng)關 SDK創(chuàng)建現(xiàn)場網(wǎng)關，該 SDK 可將自定義協(xié)議轉(zhuǎn)換為 IoT 中心所理解的三個協(xié)議之一。
  • 云網(wǎng)關：自定義 Azure IoT 協(xié)議網(wǎng)關（在云中運行的一個開放源代碼組件）。
• 可擴展高并發(fā)的事件處理：Azure IoT 中心可擴展為數(shù)百萬個同時連接的設備，以及每秒數(shù)百萬個事件。
• 基于事件的設備數(shù)據(jù)處理：事件處理器引擎在熱路徑上可以處理設備事件，也可以將它們存儲在冷路徑上以供分析。IoT 中心可保留最多 7 天的事件數(shù)據(jù)，以保證可靠的處理并消減負載峰值。
• 可靠的云到設備消息傳送：后端使用 IoT 中心將消息發(fā)送到單個設備（含至少一次的傳遞保證）。每條消息都有單獨的生存時間設置，且后端可以請求傳遞和過期回執(zhí)。這可確保完全了解云到設備消息的生命周期。
• 存儲和分析文件和緩存的傳感器數(shù)據(jù)：設備使用 SAS URI 將 IoT 中心托管的文件上載到 Azure 存儲空間。當文件到達云時，IoT 中心可以生成通知，使后端處理這些文件。

?

事件中心 Event Hubs

• 事件中心是一種事件處理服務，用于向云提供大規(guī)模的事件與遙測數(shù)據(jù)入口，并且具有較低的延遲和較高的可靠性。事件中心充當事件管道"前門"，位于事件生成者與事件使用者之間的組件或服務，可以將事件流的生成與這些事件的使用分離開來。
• 事件中心每秒可以引入數(shù)百萬的事件，從而能夠處理和分析連接設備和應用程序生成的海量數(shù)據(jù)。
• 事件中心收集到數(shù)據(jù)后，可以使用任何實時分析提供程序或批處理/存儲適配器來轉(zhuǎn)換和存儲這些數(shù)據(jù)。
• 事件中心可將事件流的生成與這些事件的使用分離開來，事件使用者可以根據(jù)自己的計劃訪問事件。

?

• 每秒將數(shù)百萬事件流式傳輸?shù)蕉鄠€應用程序中
  • 事件中心是一個高度可伸縮的發(fā)布-訂閱采集器，每秒可獲取數(shù)百萬個事件，能夠處理和分析互連設備與應用程序生成的海量數(shù)據(jù)。將數(shù)據(jù)采集到事件中心后，使用任何實時分析提供程序或者批處理/存儲適配器來轉(zhuǎn)換和存儲數(shù)據(jù)。
• 允許應用程序處理負載分布可變的事件
  • 大數(shù)據(jù)是當今互連世界的直接體現(xiàn)。大數(shù)據(jù)有很多來源，例如每隔數(shù)分鐘就會生成遙測數(shù)據(jù)的互連式汽車和恒溫器、每隔一秒就會生成事件的應用程序性能計數(shù)器，或者在用戶每執(zhí)行一個操作時就會捕獲遙測數(shù)據(jù)的移動應用程序。具有彈性的托管采集器服務能夠應對不斷變化的負載分布，以及間斷性連接造成的負載高峰。
• 跨平臺連接數(shù)百萬臺設備
  • 互連設備的快速涌現(xiàn)使 IT 行業(yè)面臨更嚴峻的挑戰(zhàn)，因為必須應對各種平臺和協(xié)議。在連接這些不同數(shù)據(jù)源的同時處理大規(guī)模的聚合流已成為一個很大的難題。事件中心可讓用戶輕松置備容量以從數(shù)百萬臺設備采集事件，同時還能基于每臺設備保留事件順序。支持 AMQP 和 HTTP，讓很多平臺可與事件中心一起使用，本機客戶端庫也可用于各種流行平臺。

?

流分析（Stream Analytics）

云中的事件實時流式處理引擎，可實時快速開發(fā)，對現(xiàn)有數(shù)據(jù)屬性進行深入了解。

• 為物聯(lián)網(wǎng)解決方案執(zhí)行實時分析
• 每秒對數(shù)百萬事件進行流式處理
• 獲得關鍵任務的可靠性和性能預測結(jié)果
• 利用設備和應用程序的數(shù)據(jù)，創(chuàng)建實時儀表板和警報
• 跨多個數(shù)據(jù)流進行關聯(lián)
• 使用常見的基于 SQL 的語言，以實現(xiàn)快速開發(fā)

?

• 實時獲取分析結(jié)果
  • 實現(xiàn)快速開發(fā)和部署低成本分析解決方案，從設備、傳感器、基礎結(jié)構(gòu)和應用程序?qū)崟r獲取深入分析結(jié)果。
• 實現(xiàn)快速開發(fā)
  • 減少為擴展的分布式系統(tǒng)開發(fā)分析功能時的困難并降低復雜程度。只需使用基于 SQL 的語法描述所需的轉(zhuǎn)換，系統(tǒng)將自動分配以實現(xiàn)擴展、性能和恢復能力，完全不需要管理復雜的基礎結(jié)構(gòu)和軟件。
• 執(zhí)行實時分析
  • 與事件中心的現(xiàn)成集成，每秒可接收數(shù)百萬事件。比較多個實時流或?qū)崟r流與歷史值和模型一起進行比較。這樣可以實現(xiàn)異常檢測和傳入數(shù)據(jù)轉(zhuǎn)換，并能夠在流中出現(xiàn)特定錯誤或情況時觸發(fā)警報，以及為實時儀表板提供支持。
• 實現(xiàn)任務可靠性和擴展能力
  • 擴展以適應任何數(shù)據(jù)量需求，同時仍能實現(xiàn)高吞吐量、低延遲和有保證的恢復能力，不需要任何硬件或其它前期成本，也不需要耗費時間進行安裝或設置。在數(shù)分鐘內(nèi)啟動并運行。流分析可在高吞吐量的條件下處理數(shù)據(jù)，結(jié)果可預測且無數(shù)據(jù)丟失。

?

通知中心（Notification Hubs）

可縮放的大規(guī)模移動推送通知引擎，可快速將數(shù)百萬條消息推送至多種平臺（iOS, Android, WP等）

?

?

• 在幾分鐘內(nèi)廣播至數(shù)百萬設備
  • 快速將數(shù)百萬條消息推送至 iOS、Android (Baidu Push)、Windows，或 Kindle 設備。
• 支持任何后端系統(tǒng)
  • 可插入內(nèi)部環(huán)境或 Azure 云端運行的任何后端系統(tǒng)：.NET、PHP、Java、Node。
• 通過動態(tài)標簽推送至不同用戶群
  • 利用標簽功能，根據(jù)活動、興趣、位置，或首選項劃分用戶群，在正確的時間將正確的信息推送給正確的人員。
• 使用模板輕松實現(xiàn)本地化
  • 使用模板功能推送本地化通知信息，讓用戶獲得與自己所用語言一致的信息。模板功能無需為每個客戶存儲本地化設置。
• 針對大規(guī)模環(huán)境設計
  • 無需重構(gòu)或切分（Sharding），即可快速擴展至數(shù)百萬設備，發(fā)送數(shù)十億條推送通知。通知中心可自動對基礎結(jié)構(gòu)進行必要調(diào)整，用非常低的延遲將信息推送至每臺活躍設備。

?

機器學習（ Machine Learning ）

提供開發(fā)簡單、功能強大、可靈活擴展、基于托管云服務的預測分析方案

現(xiàn)屬于Cortana智能套件

?

• 主要功能
  • 數(shù)據(jù)探索、描述性分析、預測性分析
  • 監(jiān)管學習、無人值守學習
  • 模型訓練和評估

?

?

機器學習步驟

導入數(shù)據(jù)至平臺

探索和可視化數(shù)據(jù)

生成和選擇特性

創(chuàng)建和訓練機器學習模型

部署和使用模型

?

開發(fā)工具界面 – 創(chuàng)建IoT中心

?

IoT中心創(chuàng)建結(jié)果

?

共享訪問策略

?

開發(fā)工具界面 – 創(chuàng)建設備標識

?

開發(fā)工具界面 - 創(chuàng)建流分析作業(yè)監(jiān)視器

?

開發(fā)工具界面 – 通知中心

?

開發(fā)工具界面 – 機器學習模型

Machine Learning Studio: 創(chuàng)建預測模型

?

開發(fā)工具界面 – Cortana智能庫

轉(zhuǎn)載于:https://www.cnblogs.com/kinging/articles/5865037.html

總結(jié)

以上是生活随笔為你收集整理的[转载]国外物联网平台初探（二）：微软Azure IoT的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。