智能边缘BIE

    应用场景概述

    数据分析师的取数场景

    在数据分析场景下,数据分析师经常使用「10分钟平均值」或「15分钟平均值」作为样本数据进行分析,而不会直接使用原始采集数据。如果云平台当中只有原始采集数据,数据分析师通常使用以下几种方式获取「10分钟平均值」:

    1. 导出原始数据,通过数据预处理工具获取10分钟平均值
    2. 云平台增加流式计算任务,计算10分钟平均值并实时保存在数据库
    3. 通过大数据平台对历史数据执行离线任务,计算历史数据的10分钟平均值并保存在数据库

    上述的几种方案能够让数据分析师拿到10分钟平均值,但是成本都很高,也不方便。

    通过边缘流式计算可以很好的解决上述问题,边缘节点在边缘侧通过流式计算得到10分钟平均值,然后上报至云端iothub,经由规则引擎将10min数据转存到数据库,可以大大降低数据分析师的取数难度

    运维人员的实时监控场景

    在物联网场景下,设备测量数据因为各种因素(网络因素、设备自身精度因素)经常会出现抖动情况,如果对设备的实时采集值配置阈值告警,经常会出现误告警,导致用户需要处理大量无用告警,逐渐用户对告警的准确性失去信心,阈值告警形同虚设。

    针对这种场景,用户可以借助流式计算的能力来降低数据抖动带来的偏差,常见的方案有:

    1. 按平均值告警:通过流式计算获取10分钟平均值、10分钟最大值、10分钟最小值、10分钟计算样本数,然后设定阈值规则,比如“10分钟平均值>阈值 且 10分钟计算样本数>100”
    2. 按持续时间告警:通过流式计算找出实时采集值一直大于指定阈值且持续时间很长的设备,比如"设备温度>100℃ 且 持续时长>5分钟"

    在网络不稳定的场景下,上述两种方案如果通过云端流式计算来实现,最终得到的计算值准确度不高,比如当设备出现5分钟无连接的时候,云端再去计算10分钟平均值,计算的结果并不准确。而边缘侧是内网环境,网络异常的概率大大降低。在边缘侧将统计值计算好后再上报云端,可以大大提升流式计算统计结果的准确性

    边缘流式计算价值

    • 降低成本,包括流量成本、存储成本、云端流式计算资源成本。
    • 在弱网络环境下,提升流式计算结果的准确性。

    相关链接

    具体如何使用边缘流式计算,请参考操作指南

    上一篇
    video-infer实现边缘视频AI推断
    下一篇
    操作指南