Bit - loader

Stream Analytics promete resolver los problemas de la gestión de datos

   Artículo | Data Analytics Bit - Stream Analytics promete resolver los problemas de la gestión de datos
Ángel M. Rayo | 29/08/17

Como ya comenté en un artículo previo el año pasado el Internet of Things sigue creciendo y cada vez tenemos más dispositivos conectados a Internet, ya sea personales o de uso comunitario.

 

Ilustración 1 – Categorías de elementos o dispositivos Internet of Things

 

Como ya vimos, estos dispositivos generan un volumen enorme de datos que tenemos que procesar, algunos en tiempo real y otros pueden esperar un tiempo. Cada fabricante suele ofrecer su propio sistema de gestión de datos, consumo, accesos, etc pero necesitamos integrarlo todo en un hub o punto de control que nos facilite la toma de decisiones.

 

Stream Analytics

Azure Stream Analytics promete resolver éste y otros de los problemas de la gestión de datos desde dispositivos IoT principalmente.

Básicamente Stream Analytics ofrece capacidades de análisis de grandes volúmenes de datos, ejecución de procesos, organización de los datos o bien análisis de tendencias, relaciones, patrones y potenciales flujos.

En la siguiente ilustración podemos ver las capacidades de Stream Analytics a nivel general, en las que entraremos a continuación.

 

Ilustración 2 – Visión general de Stream Analytics

 

Como podemos ver el tratamiento de datos se realiza en cinco fases similares a las ya comentadas en un artículo anterior.

 

Ilustración 3 – Fases del análisis de datos

 

Fuentes de datos

Azure Stream Analytics permite obtener datos de cuatro fuentes principales actualmente:

  • Event Hubs
  • IoT Hubs
  • Blobs
  • Datos de referencia

 

Ilustración 4 – Event Hubs

 

A la hora de crear nuestra implementación Stream Analytics tendremos que crear un trabajo e indicar la fuente de datos desde la que queremos ingestar. Estas fuentes de datos se llenarán a partir de datos enviados por los dispositivos por lo que nuestras aplicaciones tendrán que utilizar las API correspondientes.

 

Como ejemplo de API disponibles tenemos:

 

Actualmente se ofrece también paquetes de cliente (SDK) para .NET Standard, .NET Framework, Java, Node.js y C (en este último caso a través de un repositorio GitHub de código).

 

Procesado de datos

Para el procesado de los datos recibidos desde las diferentes fuentes de datos Stream Analytics hace uso de la potencia de las soluciones de Machine Learning también disponible dentro de Microsoft Azure. Con esta fase podremos aplicar algoritmos de búsqueda de patrones, detección de anomalías, análisis de tendencias por dispositivo, alertas, fallos del sistema, etc.

 

Ilustración 5 – Azure Machine Learning

 

Generación de resultados y acciones

Para la generación de resultados Stream Analytics puede realizar tres operaciones diferentes:

  • Almacenar datos resumidos en almacenes de blobs como Azure Storage o Azure Data Lake
  • Generar informes con Power BI en los que se resuman los datos obtenidos y procesados
  • Iniciar flujos de trabajo de manera automática que lancen operaciones de reparación, revisión, mantenimiento, toma de decisiones, cambios de configuración, etc.

 

Coste

A día de hoy, el precio de Stream Analytics está sobre los 0,10 € por unidad de streaming y hora de uso.

El coste de Event Hubs depende de los datos de entrada y de las unidades de procesamiento. Ahora mismo el coste de datos de entrada está sobre los 0,02 € por millón de eventos de entrada y similar por unidad de procesamiento y hora.

En el caso de IoT Hub contamos con una capa gratuita limitada a 500 dispositivos y 8.000 mensajes diarios. El resto de ediciones S va desde 400.000 mensajes al día sin límite de dispositivos por unos 42 € / mes hasta 300.000.000 mensajes al día por 4200 € / mes.

 

Conclusión

Como resumen de Stream Analytics podemos decir que se trata de un servicio que permite obtener detalles de millones de dispositivos, leer datos de los mismos y tomar acciones en función de un análisis.

Como acciones Stream Analytics tendríamos, entre otras, las siguientes:

  • Modificar la configuración de algún dispositivo
  • Actualizar informes Power BI
  • Enviar los datos obtenidos a Azure Data Lake, a bases de datos como SQL Server o a otros destinos de almacenamiento de blobs o de tablas.

Como dijo Henry Samueli (1954), hombre de negocios estadounidense, ingeniero, co-fundador de Broadcom y miembro del IEEE «We need to get smarter about hardware and software innovation in order to get the most value from the emerging Internet of Things» (Tenemos que ser más inteligentes sobre la innovación de hardware y software para obtener el máximo valor del emergente Internet of Things (IoT))


Entradas relacionadas

Cursos relacionados
Nuestro sitio utiliza cookies para análisis. Si no estás seguro de ello, echa un vistazo a nuestra política de privacidad.