Modelo de serie temporal en Azure Time Series Insights Gen2
Nota
El servicio Time Series Insights se retirará el 7 de julio de 2024. Considere la posibilidad de migrar entornos existentes a soluciones alternativas lo antes posible. Para obtener más información sobre la obsolescencia y la migración, visite nuestra documentación de .
En este artículo se describen el modelo de serie temporal, las funcionalidades y cómo empezar a compilar y actualizar sus propios modelos en el entorno de Azure Time Series Insights Gen2.
Propina
- Aprenda cómo trabajar con el modelo de series temporales mediante el Explorador de Azure Time Series Insights.
Resumen
Tradicionalmente, los datos recopilados de dispositivos IoT carecen de información contextual, lo que dificulta la búsqueda y análisis de sensores rápidamente. La principal motivación para el modelo de serie temporal es simplificar la búsqueda y el análisis de datos de IoT o Time Series. Logra este objetivo al habilitar la curación, el mantenimiento y el enriquecimiento de datos de series temporales para ayudar a preparar los conjuntos de datos listos para el consumidor para el análisis.
Escenario: nuevo horno inteligente de Contoso
Considere el escenario ficticio de un horno inteligente contoso. En este escenario, supongamos que cada horno inteligente de Contoso tiene cinco sensores de temperatura, uno para cada uno de los cuatro quemadores principales y otro para el propio horno. Hasta hace poco, cada sensor de temperatura de Contoso envió, almacenó y visualó sus datos individualmente. Para su supervisión del dispositivo de cocina, Contoso se basa en gráficos básicos, uno para cada sensor individual.
Aunque Contoso estaba satisfecho con sus datos iniciales y la solución de visualización, se mostraron varias limitaciones:
- Los clientes querían saber qué tan caliente se pondría el horno en general cuando la mayoría de los quemadores superiores estuvieran encendidos. Contoso tenía más dificultades para analizar y presentar una respuesta unificada sobre las condiciones del horno general.
- Los ingenieros de Contoso querían comprobar que el funcionamiento simultáneo de los quemadores no generaría un consumo de energía ineficaz. Hubo dificultad para hacer referencia cruzada a qué sensores de temperatura y voltaje se asociaron entre sí y cómo localizarlos en el almacén.
- El equipo de control de calidad de Contoso quería auditar y comparar el historial entre dos versiones del sensor. Hubo dificultades para determinar qué datos pertenecían a la versión del sensor.
Sin la capacidad de estructurar, organizar y definir el modelo general de serie temporal del horno inteligente, cada sensor de temperatura mantuvo puntos de datos dispersos, aislados y menos informativos. Convertir estos puntos de datos en información accionable fue más difícil, ya que cada conjunto de datos vivió independientemente de los demás.
Estas limitaciones mostraron la importancia de las herramientas de agregación y visualización de datos inteligentes para acompañar al nuevo horno de Contoso:
- La visualización de datos resulta útil cuando puede asociar y combinar datos en una vista cómoda. Un ejemplo muestra sensores de voltaje junto con sensores de temperatura.
- La administración de datos multidimensionales para varias entidades junto con las funcionalidades de comparación, zoom y intervalo de tiempo puede ser difícil de lograr.
modelo de serie temporal proporciona una solución cómoda para muchos de los escenarios encontrados en este ejemplo ficticio:
ejemplo de gráficos de horno inteligente 
- El modelo de serie temporal desempeña un papel fundamental en las consultas y la navegación, ya que contextualiza los datos al permitir que las comparaciones se dibujen entre intervalos de tiempo y entre los tipos de sensor y dispositivo. (A)
- Los datos se contextualizan aún más porque los datos persistentes en el modelo de serie temporal conservan los cálculos de consultas de series temporales como variables y los reutiliza en el momento de la consulta.
- El modelo de serie temporal organiza y agrega datos para mejorar las funcionalidades de visualización y administración. (B)
Funcionalidades clave
Con el objetivo de simplificar y sin esfuerzo administrar la contextualización de series temporales, el modelo de serie temporal permite las siguientes funcionalidades en Azure Time Series Insights Gen2. Le ayuda a:
- Cree y administre cálculos o fórmulas que aprovechan funciones escalares, operaciones de agregado, etc.
- Defina las relaciones padre-hijo para habilitar la navegación, la búsqueda y la referencia.
- Defina las propiedades asociadas a las instancias, definidas como campos de instanciay úselas para crear jerarquías.
Componentes
El modelo de serie temporal tiene tres componentes principales:
- Instancias de modelos de series temporales
- Jerarquías de modelos de series temporales de
- tipos de modelo de serie temporal
Estos componentes se combinan para especificar un modelo de serie temporal y para organizar los datos.
Gráfico de resumen del modelo de series temporales 
Se puede crear y administrar un modelo de serie temporal mediante Explorador de Azure Time Series Insights. La configuración del modelo de series temporales se puede administrar a través de la API de Configuración del Modelo .
Instancias del modelo de serie temporal
Las instancias del modelo de series temporales
En la mayoría de los casos, las instancias se identifican de forma única mediante deviceId o assetId, que se guardan como identificadores de serie temporal.
Las instancias tienen información descriptiva asociada a ellas denominadas propiedades de instancia de , como un identificador de serie temporal, tipo, nombre, descripción, jerarquías y campos de instancia. Como mínimo, las propiedades de instancia incluyen información de jerarquía.
Campos de instancia son una colección de información descriptiva que puede incluir valores para los niveles de jerarquía, así como para el fabricante, el operador y otros elementos relacionados.
Una vez configurado un origen de eventos para el entorno de Azure Time Series Insights Gen2, las instancias se detectan y crean automáticamente en un modelo de serie temporal. Las instancias se pueden crear o actualizar mediante el Explorador de Azure Time Series Insights mediante consultas del modelo de serie temporal.
Un ejemplo de instancia del modelo de serie temporal de 
Propiedades de instancia
Las instancias se definen mediante timeSeriesId, typeId, nombre, descripción, hierarchyIdsy instanceFields. Cada instancia se asigna solo a un tipo de y a una o varias jerarquías de .
Nota
Las jerarquías se compilan mediante campos de instancia. Se pueden agregar campos de instancia adicionales para definir más propiedades de instancia.
Las instancias tienen la siguiente representación JSON:
{
"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"
}
}
Propina
En el caso de la compatibilidad con la API de instancia para crear, leer, actualizar y eliminar (CRUD), lea el artículo Consulta de datos y la documentación REST de la API de instancia .
Jerarquías del modelo de serie temporal
El modelo de serie temporal con jerarquías organiza instancias especificando los nombres de propiedad y sus relaciones.
Puede configurar varias jerarquías en un entorno determinado de Azure Time Series Insights Gen2. Una instancia del modelo de serie temporal puede asignarse a una sola jerarquía o a varias jerarquías (relación de muchos a muchos).
ejemplo de jerarquía del modelo de series temporales de 
Definición de jerarquía
Las jerarquías se definen por la jerarquía id, nombrey fuente.
| Propiedad | Descripción |
|---|---|
| identificación | Identificador único de la jerarquía, que se usa, por ejemplo, al definir una instancia. |
| nombre | Cadena que se usa para proporcionar un nombre para la jerarquía. |
| fuente | Especifica la jerarquía organizativa o ruta, que es una jerarquía de padres e hijos de arriba hacia abajo que los usuarios quieren crear. Las propiedades primarias y secundarias asignan campos de instancia. |
Las jerarquías se representan en JSON como:
{
"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"
]
}
}
]
}
En el ejemplo json anterior:
-
Locationdefine una jerarquía constatescomo padre ycitiescomo hijo. Cadalocationpuede tener variasstates, que a su vez pueden tener variascities. -
ManufactureDatedefine una jerarquía conyearcomo padre ymonthcomo hijo. CadaManufactureDatepuede tener variasyears, que a su vez pueden tener variasmonths.
Propina
Para soporte de creación, lectura, actualización y eliminación (CRUD) para la API de Jerarquía, lea el artículo Consulta de datos y la documentación REST de la API de Jerarquía .
Ejemplo de jerarquía
Considere un ejemplo en el que la jerarquía H1 tiene building, floory room como parte de su definición de instanceFieldNames:
{
"id": "aaaaaa-bbbbb-ccccc-ddddd-111111",
"name": "H1",
"source": {
"instanceFieldNames": [
"building",
"floor",
"room"
]
}
}
Dados los campos de instancia usados en la definición anterior y varias series temporales, los atributos y valores de la jerarquía aparecen como se muestra en la tabla siguiente:
| Id. de serie temporal | Campos de instancia |
|---|---|
| ID1 | "edificio" = "1000", "piso" = "10", "habitación" = "55" |
| ID2 | "edificio" = "1000", "sala" = "55" |
| ID3 | "piso" = "10" |
| ID4 | "edificio" = "1000", "piso" = "10" |
| ID5 | Ninguno de "edificio", "planta" o "habitación" está definido. |
Las series temporales ID1 y ID4 se muestran como parte de la jerarquía H1 en el Explorador de Azure Time Series Insights porque tienen correctamente definidos y ordenados los parámetros de edificio , piso , y sala .
Los demás se clasifican bajo instancias sin parentesco porque no se ajustan a la jerarquía de datos especificada.
Tipos de modelo de serie temporal
Los tipos de modelo de serie temporal ayudan a definir variables o fórmulas para realizar cálculos. Los tipos están asociados a una instancia específica.
Un tipo puede tener una o varias variables. Por ejemplo, una instancia del modelo de serie temporal puede ser de tipo sensor de temperatura, que consta de las variables temperatura media, temperatura mínimay temperatura máxima.
Ejemplo de tipo de modelo de serie temporal de 
Propina
Para obtener compatibilidad con la API de Tipos para crear, leer, actualizar y eliminar (CRUD), lea el artículo Data querying y la documentación REST de la API de Tipos .
Propiedades de tipo
Los tipos de modelo de serie temporal se definen mediante id., nombre, descripcióny variables .
| Propiedad | Descripción |
|---|---|
| identificación | Cadena de identificación única sensible a mayúsculas y minúsculas para el tipo. |
| nombre | Cadena que se usa para dar un nombre al tipo. |
| descripción | Una descripción de cadena para el tipo. |
| Variables | Especifique las variables asociadas al tipo. |
Los tipos se ajustan al ejemplo JSON siguiente:
{
"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)"
}
}
}
}
]
}
Los tipos de modelo de serie temporal pueden tener muchas variables que especifican reglas de cálculo y fórmulas en eventos. Obtenga más información sobre cómo definir variables de modelo de serie temporal
Pasos siguientes
Lea la documentación de referencia de modelo de serie temporal para obtener más información sobre cómo editar el modelo a través de las API.
Explore las fórmulas y los cálculos que puede crear con variables del modelo de serie temporal
Obtenga información sobre consultar datos en Azure Time Series Insights Gen2