Share via

從車聯網範例學習使用 Azure 雲平台實現物聯網（IoT）精神：(2) 資料轉換及建立預測模型

  • 01/29/2016

前言

Azure 雲平台提供了許多開發軟體、系統或服務的平台元件，而在最近熱門的資料分析、物聯網（IoT, Internet of Things）、機器學習等議題方面，Azure 也有許多針對這領域的需求提供相關的服務，這裡我們就以一個「車聯網」（Connected Car）的情境來說明如何運用 Azure 上的這些服務來建構一個資料分析或是物聯網的解決方案。

從這裡可以下載或啟用本文所使用的範例。

系列文章

這個範例將會分成三個部份來做介紹，分別是：

  1. 接收並儲存大量遙測資料
  2. 資料轉換及建立預測模型
  3. 建立資料視覺化圖表

這篇文章是第二個部份，範例情境請參考第一部份說明。

轉換資料格式

原始資料的樣貌

在第一部份中，我們已經接收資料，並且有一部份是儲存在 Azure Blob Storage 中，我們可以運用 Microsoft Azure Storage Explorer 這類工具來看一下資料是如何被存起來的，如果你打開這個範例所建立的 Steam Analytics 服務內的設定，你可以發現它將資料儲存在 connectedcar 容器中，而前置詞為 rawcareventstream（如此一來，在 Azure Blob Storage 中就會像是資料夾形式組織檔案），所以我們可以在此找到一個 CSV 檔案，就是不斷接收進來的資料：


圖: Stream Analytics 將進入 Event Hub 的資料儲存在 Blob Storage 中。

所以我們可以看到資料都是以 CSV 的格式做儲存，下圖是以 Excel 開啟該 CSV 檔案後的結果。

雖然資料內容儲存下來了，但是這樣的資料格式不一定適用於每一種查詢分析、或是與別的資料關聯等等的操作，所以我們同時也需要能夠針對大數據來做資料轉換的工具，這時便能考慮使用 Azure HDInsight (Hadoop) 或是 Azure Data Factory 的服務。在這個範例中，主要是以 Azure Data Factory 為主，而其中也用到了 Azure HDInsight 的服務來進行運算。

資料轉換

上圖是 Azure Data Factory 的運作模式，在 Data Factory 裡面我們定義四種資源：

  1. 資料集 (data set) : 原始資料或是轉換過的資料模型，它可能是資料庫或是檔案等，上述的 CSV 原始資料就是一個資料集。
  2. 活動 (activity) : 這裡定義了轉換資料的所有操作，包括簡單的檔案複製，或是透過 Azure HDInsight (Hadoop) 做 Hive 查詢等等，Azure Data Factory 就是靠這裡定義的操作依據需求來轉換資料。
  3. 連結的服務 (linked service) : 因為 Azure Data Factory 本身不做資料的儲存或是計算的工作，這些都要仰賴外部的服務來完成，所以為了讓定義的活動能夠順利執行，以及資料能從正確的位置讀取，這裡就要定義會使用到的服務。以此例來說，至少就要連結 Azure Blob Storage 以便資料集能抓取資料，以及 Azure HDInsight 來執行活動中定義的 Hive 查詢等。
  4. 管線 (pipeline) : 在 Azure Data Factory 中您可以將管線視為一個完整的任務，而這個任務中可能就會包含一連串的「活動」，所以也可以在邏輯上看作是一個群組，當我們在 Azure Data Factory 上進行排程、監控等操作時，都是以管線為單位來做管理。

關於 Azure Data Factory 的觀念介紹可以參考這份文件。

大致瞭解 Azure Data Factory 的用途之後，就能看懂這個範例是如何使用它的，首先是連結的服務，我們看到的設定有：

我們看到它定義了資料以及計算相關的服務，資料的部份有從 Stream Analytics 送進的資料，也有提供給 HDInsight 操作的資料區域，還有一個 SQL 資料庫；而計算方面則是用了 Azure HDInsight 以及 Azure Machine Learning 的服務。

而資料集的部份，定義了之後要做資料視覺化以及供 Machine Learning 建立預測模型的資料表結構：

以及要讓 Data Factory 執行資料轉換的管線：

還有管線中包括的活動，像下圖的例子就是一個 HIVE 查詢的活動，而這個活動就會送到連結的 Azure HDInsight 來進行運算

定義好了之後，你也可以把這些管線像是這樣串接起來：

這樣當然資料進入資料集時，整個管線就會把資料按照定義轉換完成。

關於 Azure Data Factory 的相關參考資料：

建立預測模型

在這個範例中，希望能先運用機器學習的技術，建立兩個預測模型：需要維護的異常預測、需要召回的異常預測，一旦有這兩個預測模型，接下來透過這些車輛回傳的資料，很快就能預測出哪些車輛需要維修或是召回。所以這個範例先用 Azure 機器學習（Azure Machine Learning, AzureML） 服務建立了一個實驗，事先準備好一些車輛維修與召回的相關資料，在 Azure 機器學習服務中選好學習演算法，就可以讓這個服務啟動計算，完成模型的訓練。

訓練好的兩個模型（model），可以把它儲存起來，然後再建立另外一個實驗，把這兩個預測模型做成 Web Service 供其它服務串接。在這個例子中，就是把車輛相關的資料輸入（前面提到的資料轉換就有將資料準備好給 Azure ML 來使用的資料格式），接著就會預測這些車輛是否需要維修或是召回。

從這個例子可以看得出來，只要有資料、有想要解決的問題、選對演算法就可以做完機器學習的工作，而且這個服務平台也是能支援大數據的運算，學習演算法也是由微軟研究院多年的研究而成，可以減少很多實作演算法或是處理大數據的時間。

我們學會了什麼？

在這部份的文章中，我們瞭解如何將原始資料透過 Azure Data Factory 結構化、自動化的方式進行資料轉換或是合併處理，整理後的資料就更方便用在報表、資料視覺化、或是套用機器學習等智慧操作，而 Azure 機器學習服務也提供了一個非常容易上手的平台，將你的資料轉化為具有智慧的預測模型。

下一部份，我們將介紹這些轉換過的資料如何以視覺化的圖表呈現，提供商業決策的分析參考。

原始文章發佈於「開發者之魂」部落格