IoT 数据摄入和可视化的 7 种模式 – 如何确定最适合您使用场景的模式

{"value":"无论您是刚刚开始[物联网（IoT）之旅](https://en.wikipedia.org/wiki/Internet_of_things)，还是已经拥有数百万台互联的 IoT 设备，您可能都在寻求方法以最大限度地利用从 IoT 数据中提取的价值。IoT 设备数据所报告的遥测数据、元数据、状态以及命令和响应中包含了丰富的信息。但是，要想获得尽可能提升运营效率和交付业务成果所需的洞察，拥有正确的报告和可视化解决方案是关键所在。\n\n没有哪一种解决方案能够普遍适用于所有使用场景，因此像 [Amazon Well-Architected](https://aws.amazon.com/architecture/well-architected/?wa-lens-whitepapers.sort-by=item.additionalFields.sortDate&wa-lens-whitepapers.sort-order=desc) 这样的框架可以帮助您从管理、性能、成本和运营角度选择最适合的解决方案。您可能正在寻找一种能够实时交付数据的报告和可视化解决方案。或者，您可能需要一个能够完全自定义的解决方案，向您提供执行搜索来获取洞察的功能。在这篇博文中，我们将介绍 Amazon 上的几种不同 IoT 报告和可视化解决方案。我们将查看 7 种可以实时、近乎实时以及按计划提供报告的不同架构模式。此外，我们还将向您介绍每个解决方案使用场景的数据点、刷新间隔、数据摄入流程、架构和复杂性。\n\n### **架构模式**\n\n下图显示整合了所有架构模式的视图，每种模式的详细信息将在后面的章节中介绍。\n\n\n### **模式 1：Amazon 流管理器**\n\n\n\n### **概览：**\n\n借助 Amazon IoT Greengrass 流管理器，您可以更轻松、更可靠地将大量 IoT 数据传输到 Amazon 云。流管理器在本地处理数据流，然后自动将其导出到 Amazon 云。此功能与[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)（ ML, Machine Learning ）推理等常见的边缘场景集成，首先在本地处理和分析数据，然后再将数据导出到 Amazon 云或本地存储目标。流管理器设计用于具有间歇性连接或连接受限的环境。您可以定义使用的带宽、超时行为以及在核心连接或断开连接时如何处理流数据。\n\n### **指标和分析：**\n\n流管理器支持导出到以下主要 Amazon 目标。\n\n- [Amazon IoT SiteWise](https://aws.amazon.com/iot-sitewise/)：借助 Amazon IoT SiteWise，您可以大规模收集、组织和分析工业设备中的数据。\n- [Amazon Kinesis Data Streams](https://aws.amazon.com/kinesis/data-streams/) ：Kinesis Data Streams 通常用于聚合大量数据并将其加载到数据仓库或 MapReduce 集群中。\n- [Amazon IoT Analytics](https://aws.amazon.com/iot-analytics/)：借助 Amazon IoT Analytics，您可以对数据执行高级分析，以帮助制定业务决策并改进[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型。\n- [Amazon S3 对象](https://aws.amazon.com/s3/)：您可以使用 [Amazon S3](https://aws.amazon.com/cn/s3/?trk=cndc-detail) 存储和检索大量数据。\n\n#### **报告：**\n\n报告因使用的 Amazon 服务而异。例如，[Amazon IoT SiteWise 模式](https://aws.amazon.com/cn/blogs/china/7-patterns-for-iot-data-ingestion-and-visualization-how-to-decide-what-works-best-for-your-use-case/#Pattern_2_AWS_IoT_SiteWise_(+_AWS_IoT_SiteWise_Monitor))的重点是用于实时监控的 Amazon IoT SiteWise Monitor，而 [Kinesis Data Firehose 模式](https://aws.amazon.com/cn/blogs/china/7-patterns-for-iot-data-ingestion-and-visualization-how-to-decide-what-works-best-for-your-use-case/#Pattern_5_AWS_IoT_Core_+_Amazon_Kinesis_+_Amazon_QuickSight)的重点是使用 QuickSight 进行报告。\n\n#### **这种模式的优势在于：**\n\n- 对于不需要 Amazon IoT Core 提供的机群管理或监控功能的系统，或者不需要先在边缘修改数据、然后再将数据路由到其他服务的系统，这会是一个非常经济高效的解决方案。\n- 支持自定义嵌入式离线管理和缓冲优化。您的 IoT 应用程序可以针对每个流定义存储类型、大小和数据保留策略，控制流管理器处理和导出流的方式。\n\n### **模式 2：Amazon IoT SiteWise（+ Amazon IoT SiteWise Monitor）**\n\n\n\n#### **概览：**\n\n设备上安装的 [Amazon IoT Greengrass](https://aws.amazon.com/greengrass/) 软件提供了开源的边缘运行时和云服务，可帮助您构建、部署和管理智能设备软件。使用 [Amazon IoT SiteWise 组件](https://docs.aws.amazon.com/greengrass/v2/developerguide/public-components.html)，您可以集成到 Greengrass 中，将本地设备和仪器数据发送到 Amazon 云上的 [Amazon IoT SiteWise](https://aws.amazon.com/iot-sitewise/) 中的资产属性。通过 [Amazon IoT SiteWise Edge](https://aws.amazon.com/iot-sitewise/sitewise-edge/) 软件，您可以轻松地在本地收集、组织、处理和监控设备数据。\n\n#### **指标和分析：**\n\nAmazon IoT SiteWise 支持设备和流程的计算性能指标。[这些指标](https://docs.aws.amazon.com/iot-sitewise/latest/userguide/metrics.html)可以帮助确定各种类型的浪费，例如设备问题、生产差距和质量缺陷。[Amazon IoT SiteWise](https://aws.amazon.com/iot-core/) 数据可在 Amazon IoT Core 中使用，并且可以通过适用于 Amazon IoT Core 的[规则](https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html)，供 [Amazon IoT Analytics](https://aws.amazon.com/iot-analytics/) 或 [Amazon Kinesis](https://aws.amazon.com/cn/kinesis/?trk=cndc-detail) 等其他分析服务使用。\n\n#### **报告：**\n\nAmazon IoT SiteWise Monitor 可以从已使用 Amazon IoT SiteWise 摄入和建模的资产，自动发现和可视化其中的数据。它提供了一个完全托管式 Web 应用程序，可以开箱即用，无需编写代码。\n\n[Amazon IoT SiteWise for Grafana 插件](https://grafana.com/grafana/plugins/grafana-iot-sitewise-datasource/)允许 Grafana 控制面板监控 Amazon IoT SiteWise 存储在 Amazon 云中的数据。\n\n#### **这种模式的优势在于：**\n\n- 改善制造运营：监控来自生产线、装配机器人和工厂设备的性能指标，发现改进机会并采取行动。\n- 优化资产维护：使用历史数据和近实时数据进行远程资产监控，预防并更快地检测和解决设备问题。\n- 查看资产数据的实时趋势图表（无代码、完全托管式 Web 应用程序）\n\n### **模式 3：Amazon IoT Core + Amazon IoT Analytics + [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail)**\n\n\n\n#### **概览：**\n\nAmazon IoT Core 可让互联设备轻松安全地与云应用程序及其他设备进行交互。借助 Amazon IoT Core，您的应用程序可以随时跟踪所有设备并与之通信，即使它们处于离线状态也是如此。从设备收集的数据可以通过 MQTT 消息发送到 Amazon IoT Core，也可使用 IoT 规则将数据提取到 Amazon IoT Analytics，这有助于分析数据。\n\n#### **指标和分析：**\n\nAmazon IoT Analytics 可自动执行分析 IoT 设备中数据所需的步骤。Amazon IoT Analytics 可筛选、转换和扩充 IoT 数据，然后将其存储在时间序列数据存储中，以便进行分析。您可以将服务设置为仅从设备收集所需的数据，应用数学变换来处理数据，并在存储数据之前使用设备特定的元数据（例如设备类型和位置）扩充数据。然后，您可以使用内置的 SQL 查询引擎运行查询来分析数据，或者执行更复杂的分析和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)推理。\n\n#### **报告：**\n\nAmazon IoT Analytics 通过与 [Jupyter Notebook](https://jupyter.org/) 集成，实现了高级数据探索功能。[Amazon IoT Analytics](https://aws.amazon.com/quicksight/) 还通过与 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 的集成实现数据可视化。[Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 在以下[区域](https://docs.aws.amazon.com/general/latest/gr/rande.html#quicksight_region)可用。\n\n#### **这种模式的优势在于：**\n\n- 易用：Amazon IoT Analytics 与 Amazon IoT Core 完美集成，可帮助收集、处理、存储、分析 IoT 数据并在其上进行构建。它是完全[无服务器](https://aws.amazon.com/cn/serverless/?trk=cndc-detail)和低代码的（可以使用 Lambda 进行扩展）\n- 预测性维护：Amazon IoT Analytics 提供预构建的模板，帮助您轻松构建强大的预测性维护模型并将其应用于您的机群\n- 执行全面的分析：Amazon IoT Analytics 可以通过 Amazon IoT Registry 和其他公用数据源，使用上下文元数据来自动扩充 IoT 设备数据，这样您就可以根据时间、位置、温度、海拔和其他环境条件等因素执行分析\n- 自动检测异常：通过 Amazon IoT Analytics，您可以使用 [Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) 自动执行异常检测工作流，从而通过 ML 工作流获取见解。您可以在[此处](https://docs.aws.amazon.com/iotanalytics/latest/userguide/automate-containerize.html)阅读有关将容器化 Jupyter Notebooks 与 Amazon IoT Analytics 配合使用的更多信息\n\n### **模式 4：[Amazon Timestream](https://aws.amazon.com/cn/timestream/?trk=cndc-detail)**\n\n\n\n#### **概览：**\n\n在此模式下，您可以先将时间序列数据发布到 Amazon IoT Core，通过内置的 IoT 规则将数据推送到 [Amazon Timestream](https://aws.amazon.com/timestream/?whats-new-cards.sort-by=item.additionalFields.postDateTime&whats-new-cards.sort-order=desc&amazon-timestream-blogs.sort-by=item.additionalFields.createdDate&amazon-timestream-blogs.sort-order=desc)，然后使用各种控制面板选项对数据进行可视化。\n\n#### **指标和分析：**\n\n[Amazon Timestream](https://aws.amazon.com/cn/timestream/?trk=cndc-detail) 的 IoT 规则将数据从 MQTT 消息写入 [Amazon Timestream](https://aws.amazon.com/cn/timestream/?trk=cndc-detail) 数据库。然后，您可以使用 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 等工具查询和可视化数据。有关详细信息，请参阅 [Timestream 规则操作](https://docs.aws.amazon.com/iot/latest/developerguide/timestream-rule-action.html)。\n\nTimestream 提示：如果要优化数据库上的写入操作数，请采用[此处](https://docs.aws.amazon.com/timestream/latest/developerguide/writes.html#writes.batching-writes)列出的批量写入方法。\n\n#### **报告：**\n\n在使用 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 之外，您还可以使用 [Amazon Managed Grafana](https://aws.amazon.com/cn/grafana/?trk=cndc-detail) 作为控制面板和提示工具。有关详细信息，请参阅 [Timestream-Grafana 集成](https://docs.aws.amazon.com/timestream/latest/developerguide/Grafana.html)。\n\n#### **这种模式的优势在于：**\n\n- 在您希望对设备数据执行分析函数时，例如平滑、近似和插值（通过 [Amazon Timestream](https://aws.amazon.com/cn/timestream/?trk=cndc-detail) 提供的内置支持），此模式非常有用。例如，智能家居设备制造商可以使用 [Amazon Timestream](https://aws.amazon.com/cn/timestream/?trk=cndc-detail) 收集来自设备传感器的运动或温度数据，进行插值处理以识别没有运动的时间范围，并提醒使用者采取诸如调低热量等措施来节省能源。\n\n### **模式 5：Amazon IoT Core + [Amazon Kinesis](https://aws.amazon.com/cn/kinesis/?trk=cndc-detail) + [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail)**\n\n\n\n#### **概览：**\n\n在这种模式下，您首先将数据发布到与 [Amazon Kinesis](https://aws.amazon.com/cn/kinesis/?trk=cndc-detail) 集成的 Amazon IoT Core，以便实时收集、处理和分析大量数据。数据可以通过使用 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 来可视化。\n\n#### **指标和分析：**\n\n借助 [Amazon Kinesis](https://aws.amazon.com/cn/kinesis/?trk=cndc-detail) Data Analytics，您可以从流数据中获得切实可行的洞察。借助适用于 Apache Flink 的 [Amazon Kinesis](https://aws.amazon.com/cn/kinesis/?trk=cndc-detail) Data Analytics，客户可以使用 Java、Scala 或 SQL 来处理和分析流数据。该服务使您能够针对流式传输来源编写和运行代码，以执行时间序列分析、向实时控制面板馈送数据和创建实时指标。\n\n#### **报告：**\n\n对于报告，您可以将 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 用于批量控制面板和计划控制面板。如果使用场景需要更实时的控制面板功能，则可以使用 Amazon OpenSearch 结合 OpenSearch 控制面板的[模式](https://aws.amazon.com/cn/blogs/china/7-patterns-for-iot-data-ingestion-and-visualization-how-to-decide-what-works-best-for-your-use-case/#Pattern_6_Amazon_OpenSearch_Service_+_OpenSearch_Service_Dashboards/Amazon_Managed_Grafana)\n\n#### **这种模式的优势在于：**\n\n如果您的应用程序涉及高带宽流数据点，则此模式提供了分析高带宽和实时流数据的能力，以便您获得切实可行的洞察。\n\n### **模式 6：[Amazon OpenSearch Service](https://aws.amazon.com/cn/opensearch-service/?trk=cndc-detail) + OpenSearch Service 控制面板/[Amazon Managed Grafana](https://aws.amazon.com/cn/grafana/?trk=cndc-detail)**\n\n\n\n#### **概览：**\n\n在此模式下，您可先将数据发布到 Amazon IoT Core，通过内置的 IoT 规则将数据推送到 [Amazon OpenSearch Service](https://aws.amazon.com/cn/opensearch-service/?trk=cndc-detail)，然后使用各种控制面板选项对数据进行可视化。\n\n#### **指标和分析：**\nOpenSearch IoT 规则操作将数据从 MQTT 消息写入 [Amazon OpenSearch Service](https://aws.amazon.com/cn/opensearch-service/?trk=cndc-detail) 域。然后，您可以使用 OpenSearch 控制面板等工具在 OpenSearch Service 中查询和可视化数据。有关详细信息，请参阅 [OpenSearch 规则操作](https://docs.aws.amazon.com/iot/latest/developerguide/opensearch-rule-action.html)。\n\n#### **报告：**\n\n在使用 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 控制面板之外，您还可以使用 [Amazon Managed Grafana](https://aws.amazon.com/cn/grafana/?trk=cndc-detail) 作为控制面板选项。借助 [Amazon Managed Grafana](https://aws.amazon.com/cn/grafana/?trk=cndc-detail)，您可以在 Grafana 工作区控制台中，使用 AWS 数据源配置选项将 [Amazon OpenSearch Service](https://aws.amazon.com/cn/opensearch-service/?trk=cndc-detail) 添加为数据源。有关如何完成此设置的更多信息，请参阅 [OpenSearch 的 Grafana 插件](https://docs.aws.amazon.com/grafana/latest/userguide/using-Amazon-OpenSearch-in-AMG.html)。\n\n#### **这种模式的优势在于：**\n\n- 在您希望监控设备运行状况或设备指标时，此模式提供的功能可以搜索底层数据、执行自定义配置和获取实时控制面板应用程序。\n\n### **模式 7：Amazon IoT Core + Amazon Lambda + [Amazon DynamoDB](https://aws.amazon.com/cn/dynamodb/?trk=cndc-detail) + [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail)/自定义控制面板**\n\n\n\n#### **概览：**\n\n在这种模式下，您可以使用 [Amazon Lambda](https://aws.amazon.com/lambda/)、[Amazon DynamoDB](https://aws.amazon.com/dynamodb/?trk=ps_a134p000004f2afAAA&trkCampaign=acq_paid_search_brand&sc_channel=PS&sc_campaign=acquisition_US&sc_publisher=Google&sc_category=Database&sc_country=US&sc_geo=NAMER&sc_outcome=acq&sc_detail=dynamodb&sc_content=DynamoDB_e&sc_matchtype=e&sc_segment=536393513269&sc_medium=ACQ-P%7CPS-GO%7CBrand%7CDesktop%7CSU%7CDatabase%7CDynamoDB%7CUS%7CEN%7CText&s_kwcid=AL!4422!3!536393513269!e!!g!!dynamodb&ef_id=EAIaIQobChMIib-y47ig9QIVVf_jBx1kRg4qEAAYASAAEgJtdvD_BwE:G:s&s_kwcid=AL!4422!3!536393513269!e!!g!!dynamodb)、[Amazon AppSync](https://aws.amazon.com/appsync/) 以及所选的自定义控制面板，通过 [Amazon IoT Core](https://aws.amazon.com/iot-core/) 对 IoT 设备直接发送的实时遥测数据进行可视化。\n\n面向 Amazon IoT Core 的 IoT [规则](https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html)将 MQTT 消息发送到 Amazon Lambda 函数。Lambda 函数可以格式化消息，然后执行 Amazon AppSync GraphQL 变更。变更调用将消息保存在 [Amazon DynamoDB](https://aws.amazon.com/cn/dynamodb/?trk=cndc-detail) 表中，并将消息实时广播到自定义控制面板。自定义控制面板订阅到接收更新消息的 Amazon AppSync 订阅。您可以在[此处](https://aws.amazon.com/blogs/mobile/iot-with-aws-appsync/)详细了解该模式\n\n#### **指标和分析：**\n\nIoT 数据将存储在 [Amazon DynamoDB](https://aws.amazon.com/cn/dynamodb/?trk=cndc-detail) 表中。为了执行高级分析，您需要将数据导出到分析平台中。要做到这一点，您可以构建将数据传输到 [Amazon S3](https://aws.amazon.com/s3/) 中的数据管道，然后使用 [Amazon Athena](https://docs.aws.amazon.com/athena/latest/ug/what-is.html) 运行高级分析。有关详细信息，请参阅有关执行高级分析和可视化的 [Amazon Athena](https: //aws.amazon.com/cn/athena/?trk=cndc-detail) [博文](https://aws.amazon.com/blogs/database/how-to-perform-advanced-analytics-and-build-visualizations-of-your-amazon-dynamodb-data-by-using-amazon-athena/)。\n\n#### **报告：**\n\n您可以使用 Amazon Amplify 轻松地创建和启动自定义控制面板及移动应用程序。自定义控制面板可以通过 Amazon Amplify Framework（例如 iOS、Android、React Native、Flutter、React 和 Vue）与 Amazon AppSync 进行通信。\n\n#### **这种模式的优势在于：**\n\n- 对于需要通过自定义实时控制面板更改 IoT 数据后立即将数据交付给终端用户的使用场景，此模式非常合适。用户可以使用自定义和可配置的前端客户端访问数据\n- 这种模式也非常适合帮助使用者实时监控家用电器的移动应用程序（只能按需激活）\n\n### **注意事项和警告**\n\n- 没有万能的模式 — 本文中提到的所有架构模式都侧重于其最适用的途径；但是，每个使用场景各不相同，因此，大多数模式可以进行调整，通过添加其他相关服务来增加更多功能或克服任何不足之处。如果这些模式均不符合您的要求，请查看凭证提供商[模式](https://docs.aws.amazon.com/iot/latest/developerguide/authorizing-direct-aws.html)，以授权直接调用并与 Amazon 服务（包括 Amazon IoT 服务）集成\n- 成本：每种模式都有其自身的成本模型，可能会因设备数量和应用程序中的数据量存在巨大差异。在选择模式时，请务必考虑这些因素。\n- 区域特定的服务：并非每项服务均在所有区域提供，因此在选择模式之前请先评估服务\n\n### **结论**\n\n在这篇文章中，我们回顾了在 Amazon 上构建 IoT 数据报告和可视化解决方案的不同架构模式。我们讨论了每种模式如何满足不同的需求和要求。无论您是需要实时报告、实时分析还是历史趋势报告，请选择符合您业务需求的解决方案。\n\n[开启 Amazon IoT 服务之旅。](https://catalog.us-east-1.prod.workshops.aws/workshops/6d30487a-48e1-4631-b6bc-5602582800b5/en-US/)\n\n### **本篇作者**\n\n\n\n#### **Umesh Kalaspurkar**\n\nUmesh Kalaspurkar 是在纽约工作的 Amazon 解决方案构架师。他拥有 20 多年的数字创新和转型项目设计及交付经验，工作涉及大型企业和初创企业。他积极主动地帮助客户确定和克服挑战。在工作之外，Umesh 是一位称职的父亲，喜欢滑雪和旅行。\n\n\n\n#### **Ameer Hakme**\n\nAmeer Hakme 是一位在宾夕法尼亚州工作的 Amazon 解决方案构架师。他与东北地区的独立软件供应商合作，帮助他们在 Amazon 云上设计和构建可扩展的现代化平台。在空余时间，他喜欢骑摩托车和与家人一起休闲。\n\n\n\n#### **Ravikant Gupta**\n\nRavi Gupta 是 Amazon Web Services 的一名企业解决方案构架师。他是一位充满激情的技术爱好者，喜欢与客户合作，帮助他们构建创新的解决方案。他关注的核心领域是 IoT 和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)。闲暇时间，Ravi 喜欢与家人在一起和摄影。","render":"<p>无论您是刚刚开始<a href=\\"https://en.wikipedia.org/wiki/Internet_of_things\\" target=\\"_blank\\">物联网（IoT）之旅</a>，还是已经拥有数百万台互联的 IoT 设备，您可能都在寻求方法以最大限度地利用从 IoT 数据中提取的价值。IoT 设备数据所报告的遥测数据、元数据、状态以及命令和响应中包含了丰富的信息。但是，要想获得尽可能提升运营效率和交付业务成果所需的洞察，拥有正确的报告和可视化解决方案是关键所在。</p>\\n<p>没有哪一种解决方案能够普遍适用于所有使用场景，因此像 <a href=\\"https://aws.amazon.com/architecture/well-architected/?wa-lens-whitepapers.sort-by=item.additionalFields.sortDate&amp;wa-lens-whitepapers.sort-order=desc\\" target=\\"_blank\\">Amazon Well-Architected</a> 这样的框架可以帮助您从管理、性能、成本和运营角度选择最适合的解决方案。您可能正在寻找一种能够实时交付数据的报告和可视化解决方案。或者，您可能需要一个能够完全自定义的解决方案，向您提供执行搜索来获取洞察的功能。在这篇博文中，我们将介绍 Amazon 上的几种不同 IoT 报告和可视化解决方案。我们将查看 7 种可以实时、近乎实时以及按计划提供报告的不同架构模式。此外，我们还将向您介绍每个解决方案使用场景的数据点、刷新间隔、数据摄入流程、架构和复杂性。</p>\\n<h3><a id=\\"_4\\"></a><strong>架构模式</strong></h3>\\n<p>下图显示整合了所有架构模式的视图，每种模式的详细信息将在后面的章节中介绍。</p>\n<p><img src=\\"https://dev-media.amazoncloud.cn/7f9ecbb81d8a432bb59dea5d774e1c16_image.png\\" alt=\\"image.png\\" /></p>\n<h3><a id=\\"_1Amazon__9\\"></a><strong>模式 1：Amazon 流管理器</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/dfab0cbb324349fa82a32361a0a4fa54_image.png\\" alt=\\"image.png\\" /></p>\n<h3><a id=\\"_13\\"></a><strong>概览：</strong></h3>\\n<p>借助 Amazon IoT Greengrass 流管理器，您可以更轻松、更可靠地将大量 IoT 数据传输到 Amazon 云。流管理器在本地处理数据流，然后自动将其导出到 Amazon 云。此功能与机器学习（ ML, Machine Learning ）推理等常见的边缘场景集成，首先在本地处理和分析数据，然后再将数据导出到 Amazon 云或本地存储目标。流管理器设计用于具有间歇性连接或连接受限的环境。您可以定义使用的带宽、超时行为以及在核心连接或断开连接时如何处理流数据。</p>\n<h3><a id=\\"_17\\"></a><strong>指标和分析：</strong></h3>\\n<p>流管理器支持导出到以下主要 Amazon 目标。</p>\n<ul>\\n<li><a href=\\"https://aws.amazon.com/iot-sitewise/\\" target=\\"_blank\\">Amazon IoT SiteWise</a>：借助 Amazon IoT SiteWise，您可以大规模收集、组织和分析工业设备中的数据。</li>\\n<li><a href=\\"https://aws.amazon.com/kinesis/data-streams/\\" target=\\"_blank\\">Amazon Kinesis Data Streams</a> ：Kinesis Data Streams 通常用于聚合大量数据并将其加载到数据仓库或 MapReduce 集群中。</li>\\n<li><a href=\\"https://aws.amazon.com/iot-analytics/\\" target=\\"_blank\\">Amazon IoT Analytics</a>：借助 Amazon IoT Analytics，您可以对数据执行高级分析，以帮助制定业务决策并改进[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型。</li>\\n<li><a href=\\"https://aws.amazon.com/s3/\\" target=\\"_blank\\">Amazon S3 对象</a>：您可以使用 [Amazon S3](https://aws.amazon.com/cn/s3/?trk=cndc-detail) 存储和检索大量数据。</li>\\n</ul>\n<h4><a id=\\"_26\\"></a><strong>报告：</strong></h4>\\n<p>报告因使用的 Amazon 服务而异。例如，<a href=\\"https://aws.amazon.com/cn/blogs/china/7-patterns-for-iot-data-ingestion-and-visualization-how-to-decide-what-works-best-for-your-use-case/#Pattern_2_AWS_IoT_SiteWise_(+_AWS_IoT_SiteWise_Monitor)\\" target=\\"_blank\\">Amazon IoT SiteWise 模式</a>的重点是用于实时监控的 Amazon IoT SiteWise Monitor，而 <a href=\\"https://aws.amazon.com/cn/blogs/china/7-patterns-for-iot-data-ingestion-and-visualization-how-to-decide-what-works-best-for-your-use-case/#Pattern_5_AWS_IoT_Core_+_Amazon_Kinesis_+_Amazon_QuickSight\\" target=\\"_blank\\">Kinesis Data Firehose 模式</a>的重点是使用 QuickSight 进行报告。</p>\\n<h4><a id=\\"_30\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<ul>\\n<li>对于不需要 Amazon IoT Core 提供的机群管理或监控功能的系统，或者不需要先在边缘修改数据、然后再将数据路由到其他服务的系统，这会是一个非常经济高效的解决方案。</li>\n<li>支持自定义嵌入式离线管理和缓冲优化。您的 IoT 应用程序可以针对每个流定义存储类型、大小和数据保留策略，控制流管理器处理和导出流的方式。</li>\n</ul>\\n<h3><a id=\\"_2Amazon_IoT_SiteWise_Amazon_IoT_SiteWise_Monitor_35\\"></a><strong>模式 2：Amazon IoT SiteWise（+ Amazon IoT SiteWise Monitor）</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/5c7a7a335b9148acb9b2f1954401175a_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"_39\\"></a><strong>概览：</strong></h4>\\n<p>设备上安装的 <a href=\\"https://aws.amazon.com/greengrass/\\" target=\\"_blank\\">Amazon IoT Greengrass</a> 软件提供了开源的边缘运行时和云服务，可帮助您构建、部署和管理智能设备软件。使用 <a href=\\"https://docs.aws.amazon.com/greengrass/v2/developerguide/public-components.html\\" target=\\"_blank\\">Amazon IoT SiteWise 组件</a>，您可以集成到 Greengrass 中，将本地设备和仪器数据发送到 Amazon 云上的 <a href=\\"https://aws.amazon.com/iot-sitewise/\\" target=\\"_blank\\">Amazon IoT SiteWise</a> 中的资产属性。通过 <a href=\\"https://aws.amazon.com/iot-sitewise/sitewise-edge/\\" target=\\"_blank\\">Amazon IoT SiteWise Edge</a> 软件，您可以轻松地在本地收集、组织、处理和监控设备数据。</p>\\n<h4><a id=\\"_43\\"></a><strong>指标和分析：</strong></h4>\\n<p>Amazon IoT SiteWise 支持设备和流程的计算性能指标。<a href=\\"https://docs.aws.amazon.com/iot-sitewise/latest/userguide/metrics.html\\" target=\\"_blank\\">这些指标</a>可以帮助确定各种类型的浪费，例如设备问题、生产差距和质量缺陷。<a href=\\"https://aws.amazon.com/iot-core/\\" target=\\"_blank\\">Amazon IoT SiteWise</a> 数据可在 Amazon IoT Core 中使用，并且可以通过适用于 Amazon IoT Core 的<a href=\\"https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html\\" target=\\"_blank\\">规则</a>，供 <a href=\\"https://aws.amazon.com/iot-analytics/\\" target=\\"_blank\\">Amazon IoT Analytics</a> 或 [Amazon Kinesis](https://aws.amazon.com/cn/kinesis/?trk=cndc-detail) 等其他分析服务使用。</p>\\n<h4><a id=\\"_47\\"></a><strong>报告：</strong></h4>\\n<p>Amazon IoT SiteWise Monitor 可以从已使用 Amazon IoT SiteWise 摄入和建模的资产，自动发现和可视化其中的数据。它提供了一个完全托管式 Web 应用程序，可以开箱即用，无需编写代码。</p>\n<p><a href=\\"https://grafana.com/grafana/plugins/grafana-iot-sitewise-datasource/\\" target=\\"_blank\\">Amazon IoT SiteWise for Grafana 插件</a>允许 Grafana 控制面板监控 Amazon IoT SiteWise 存储在 Amazon 云中的数据。</p>\\n<h4><a id=\\"_53\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<ul>\\n<li>改善制造运营：监控来自生产线、装配机器人和工厂设备的性能指标，发现改进机会并采取行动。</li>\n<li>优化资产维护：使用历史数据和近实时数据进行远程资产监控，预防并更快地检测和解决设备问题。</li>\n<li>查看资产数据的实时趋势图表（无代码、完全托管式 Web 应用程序）</li>\n</ul>\\n<h3><a id=\\"_3Amazon_IoT_Core__Amazon_IoT_Analytics__Amazon_QuickSight_59\\"></a><strong>模式 3：Amazon IoT Core + Amazon IoT Analytics + Amazon QuickSight</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/d617cf4f1e0e40a1839e788263fcd603_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"_63\\"></a><strong>概览：</strong></h4>\\n<p>Amazon IoT Core 可让互联设备轻松安全地与云应用程序及其他设备进行交互。借助 Amazon IoT Core，您的应用程序可以随时跟踪所有设备并与之通信，即使它们处于离线状态也是如此。从设备收集的数据可以通过 MQTT 消息发送到 Amazon IoT Core，也可使用 IoT 规则将数据提取到 Amazon IoT Analytics，这有助于分析数据。</p>\n<h4><a id=\\"_67\\"></a><strong>指标和分析：</strong></h4>\\n<p>Amazon IoT Analytics 可自动执行分析 IoT 设备中数据所需的步骤。Amazon IoT Analytics 可筛选、转换和扩充 IoT 数据，然后将其存储在时间序列数据存储中，以便进行分析。您可以将服务设置为仅从设备收集所需的数据，应用数学变换来处理数据，并在存储数据之前使用设备特定的元数据（例如设备类型和位置）扩充数据。然后，您可以使用内置的 SQL 查询引擎运行查询来分析数据，或者执行更复杂的分析和机器学习推理。</p>\n<h4><a id=\\"_71\\"></a><strong>报告：</strong></h4>\\n<p>Amazon IoT Analytics 通过与 <a href=\\"https://jupyter.org/\\" target=\\"_blank\\">Jupyter Notebook</a> 集成，实现了高级数据探索功能。<a href=\\"https://aws.amazon.com/quicksight/\\" target=\\"_blank\\">Amazon IoT Analytics</a> 还通过与 [Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 的集成实现数据可视化。[Amazon QuickSight](https://aws.amazon.com/cn/quicksight/?trk=cndc-detail) 在以下<a href=\\"https://docs.aws.amazon.com/general/latest/gr/rande.html#quicksight_region\\" target=\\"_blank\\">区域</a>可用。</p>\\n<h4><a id=\\"_75\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<ul>\\n<li>易用：Amazon IoT Analytics 与 Amazon IoT Core 完美集成，可帮助收集、处理、存储、分析 IoT 数据并在其上进行构建。它是完全无服务器和低代码的（可以使用 Lambda 进行扩展）</li>\n<li>预测性维护：Amazon IoT Analytics 提供预构建的模板，帮助您轻松构建强大的预测性维护模型并将其应用于您的机群</li>\n<li>执行全面的分析：Amazon IoT Analytics 可以通过 Amazon IoT Registry 和其他公用数据源，使用上下文元数据来自动扩充 IoT 设备数据，这样您就可以根据时间、位置、温度、海拔和其他环境条件等因素执行分析</li>\n<li>自动检测异常：通过 Amazon IoT Analytics，您可以使用 Amazon SageMaker 自动执行异常检测工作流，从而通过 ML 工作流获取见解。您可以在<a href=\\"https://docs.aws.amazon.com/iotanalytics/latest/userguide/automate-containerize.html\\" target=\\"_blank\\">此处</a>阅读有关将容器化 Jupyter Notebooks 与 Amazon IoT Analytics 配合使用的更多信息</li>\\n</ul>\n<h3><a id=\\"_4Amazon_Timestream_82\\"></a><strong>模式 4：Amazon Timestream</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/6a0471f74d3d47c49da6c115dc2e16b1_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"_86\\"></a><strong>概览：</strong></h4>\\n<p>在此模式下，您可以先将时间序列数据发布到 Amazon IoT Core，通过内置的 IoT 规则将数据推送到 <a href=\\"https://aws.amazon.com/timestream/?whats-new-cards.sort-by=item.additionalFields.postDateTime&amp;whats-new-cards.sort-order=desc&amp;amazon-timestream-blogs.sort-by=item.additionalFields.createdDate&amp;amazon-timestream-blogs.sort-order=desc\\" target=\\"_blank\\">Amazon Timestream</a>，然后使用各种控制面板选项对数据进行可视化。</p>\\n<h4><a id=\\"_90\\"></a><strong>指标和分析：</strong></h4>\\n<p>Amazon Timestream 的 IoT 规则将数据从 MQTT 消息写入 Amazon Timestream 数据库。然后，您可以使用 Amazon QuickSight 等工具查询和可视化数据。有关详细信息，请参阅 <a href=\\"https://docs.aws.amazon.com/iot/latest/developerguide/timestream-rule-action.html\\" target=\\"_blank\\">Timestream 规则操作</a>。</p>\\n<p>Timestream 提示：如果要优化数据库上的写入操作数，请采用<a href=\\"https://docs.aws.amazon.com/timestream/latest/developerguide/writes.html#writes.batching-writes\\" target=\\"_blank\\">此处</a>列出的批量写入方法。</p>\\n<h4><a id=\\"_96\\"></a><strong>报告：</strong></h4>\\n<p>在使用 Amazon QuickSight 之外，您还可以使用 Amazon Managed Grafana 作为控制面板和提示工具。有关详细信息，请参阅 <a href=\\"https://docs.aws.amazon.com/timestream/latest/developerguide/Grafana.html\\" target=\\"_blank\\">Timestream-Grafana 集成</a>。</p>\\n<h4><a id=\\"_100\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<ul>\\n<li>在您希望对设备数据执行分析函数时，例如平滑、近似和插值（通过 Amazon Timestream 提供的内置支持），此模式非常有用。例如，智能家居设备制造商可以使用 Amazon Timestream 收集来自设备传感器的运动或温度数据，进行插值处理以识别没有运动的时间范围，并提醒使用者采取诸如调低热量等措施来节省能源。</li>\n</ul>\\n<h3><a id=\\"_5Amazon_IoT_Core__Amazon_Kinesis__Amazon_QuickSight_104\\"></a><strong>模式 5：Amazon IoT Core + Amazon Kinesis + Amazon QuickSight</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/d49839caa40648b7b50e2032f18ea93e_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"_108\\"></a><strong>概览：</strong></h4>\\n<p>在这种模式下，您首先将数据发布到与 Amazon Kinesis 集成的 Amazon IoT Core，以便实时收集、处理和分析大量数据。数据可以通过使用 Amazon QuickSight 来可视化。</p>\n<h4><a id=\\"_112\\"></a><strong>指标和分析：</strong></h4>\\n<p>借助 Amazon Kinesis Data Analytics，您可以从流数据中获得切实可行的洞察。借助适用于 Apache Flink 的 Amazon Kinesis Data Analytics，客户可以使用 Java、Scala 或 SQL 来处理和分析流数据。该服务使您能够针对流式传输来源编写和运行代码，以执行时间序列分析、向实时控制面板馈送数据和创建实时指标。</p>\n<h4><a id=\\"_116\\"></a><strong>报告：</strong></h4>\\n<p>对于报告，您可以将 Amazon QuickSight 用于批量控制面板和计划控制面板。如果使用场景需要更实时的控制面板功能，则可以使用 Amazon OpenSearch 结合 OpenSearch 控制面板的<a href=\\"https://aws.amazon.com/cn/blogs/china/7-patterns-for-iot-data-ingestion-and-visualization-how-to-decide-what-works-best-for-your-use-case/#Pattern_6_Amazon_OpenSearch_Service_+_OpenSearch_Service_Dashboards/Amazon_Managed_Grafana\\" target=\\"_blank\\">模式</a></p>\\n<h4><a id=\\"_120\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<p>如果您的应用程序涉及高带宽流数据点，则此模式提供了分析高带宽和实时流数据的能力，以便您获得切实可行的洞察。</p>\n<h3><a id=\\"_6Amazon_OpenSearch_Service__OpenSearch_Service_Amazon_Managed_Grafana_124\\"></a><strong>模式 6：Amazon OpenSearch Service + OpenSearch Service 控制面板/Amazon Managed Grafana</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/8682946fda454b3fbb8037ad83b168c3_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"_128\\"></a><strong>概览：</strong></h4>\\n<p>在此模式下，您可先将数据发布到 Amazon IoT Core，通过内置的 IoT 规则将数据推送到 Amazon OpenSearch Service，然后使用各种控制面板选项对数据进行可视化。</p>\n<h4><a id=\\"_132\\"></a><strong>指标和分析：</strong></h4>\\n<p>OpenSearch IoT 规则操作将数据从 MQTT 消息写入 Amazon OpenSearch Service 域。然后，您可以使用 OpenSearch 控制面板等工具在 OpenSearch Service 中查询和可视化数据。有关详细信息，请参阅 <a href=\\"https://docs.aws.amazon.com/iot/latest/developerguide/opensearch-rule-action.html\\" target=\\"_blank\\">OpenSearch 规则操作</a>。</p>\\n<h4><a id=\\"_135\\"></a><strong>报告：</strong></h4>\\n<p>在使用 Amazon QuickSight 控制面板之外，您还可以使用 Amazon Managed Grafana 作为控制面板选项。借助 Amazon Managed Grafana，您可以在 Grafana 工作区控制台中，使用 AWS 数据源配置选项将 Amazon OpenSearch Service 添加为数据源。有关如何完成此设置的更多信息，请参阅 <a href=\\"https://docs.aws.amazon.com/grafana/latest/userguide/using-Amazon-OpenSearch-in-AMG.html\\" target=\\"_blank\\">OpenSearch 的 Grafana 插件</a>。</p>\\n<h4><a id=\\"_139\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<ul>\\n<li>在您希望监控设备运行状况或设备指标时，此模式提供的功能可以搜索底层数据、执行自定义配置和获取实时控制面板应用程序。</li>\n</ul>\\n<h3><a id=\\"_7Amazon_IoT_Core__Amazon_Lambda__Amazon_DynamoDB__Amazon_QuickSight_143\\"></a><strong>模式 7：Amazon IoT Core + Amazon Lambda + Amazon DynamoDB + Amazon QuickSight/自定义控制面板</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/9445d6fcc9094960a63c6b3a0969f64d_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"_147\\"></a><strong>概览：</strong></h4>\\n<p>在这种模式下，您可以使用 <a href=\\"https://aws.amazon.com/lambda/\\" target=\\"_blank\\">Amazon Lambda</a>、<a href=\\"https://aws.amazon.com/dynamodb/?trk=ps_a134p000004f2afAAA&amp;trkCampaign=acq_paid_search_brand&amp;sc_channel=PS&amp;sc_campaign=acquisition_US&amp;sc_publisher=Google&amp;sc_category=Database&amp;sc_country=US&amp;sc_geo=NAMER&amp;sc_outcome=acq&amp;sc_detail=dynamodb&amp;sc_content=DynamoDB_e&amp;sc_matchtype=e&amp;sc_segment=536393513269&amp;sc_medium=ACQ-P%7CPS-GO%7CBrand%7CDesktop%7CSU%7CDatabase%7CDynamoDB%7CUS%7CEN%7CText&amp;s_kwcid=AL!4422!3!536393513269!e!!g!!dynamodb&amp;ef_id=EAIaIQobChMIib-y47ig9QIVVf_jBx1kRg4qEAAYASAAEgJtdvD_BwE:G:s&amp;s_kwcid=AL!4422!3!536393513269!e!!g!!dynamodb\\" target=\\"_blank\\">Amazon DynamoDB</a>、<a href=\\"https://aws.amazon.com/appsync/\\" target=\\"_blank\\">Amazon AppSync</a> 以及所选的自定义控制面板，通过 <a href=\\"https://aws.amazon.com/iot-core/\\" target=\\"_blank\\">Amazon IoT Core</a> 对 IoT 设备直接发送的实时遥测数据进行可视化。</p>\\n<p>面向 Amazon IoT Core 的 IoT <a href=\\"https://docs.aws.amazon.com/iot/latest/developerguide/iot-rules.html\\" target=\\"_blank\\">规则</a>将 MQTT 消息发送到 Amazon Lambda 函数。Lambda 函数可以格式化消息，然后执行 Amazon AppSync GraphQL 变更。变更调用将消息保存在 [Amazon DynamoDB](https://aws.amazon.com/cn/dynamodb/?trk=cndc-detail) 表中，并将消息实时广播到自定义控制面板。自定义控制面板订阅到接收更新消息的 Amazon AppSync 订阅。您可以在<a href=\\"https://aws.amazon.com/blogs/mobile/iot-with-aws-appsync/\\" target=\\"_blank\\">此处</a>详细了解该模式</p>\\n<h4><a id=\\"_153\\"></a><strong>指标和分析：</strong></h4>\\n<p>IoT 数据将存储在 Amazon DynamoDB 表中。为了执行高级分析，您需要将数据导出到分析平台中。要做到这一点，您可以构建将数据传输到 <a href=\\"https://aws.amazon.com/s3/\\" target=\\"_blank\\">Amazon S3</a> 中的数据管道，然后使用 <a href=\\"https://docs.aws.amazon.com/athena/latest/ug/what-is.html\\" target=\\"_blank\\">Amazon Athena</a> 运行高级分析。有关详细信息，请参阅有关执行高级分析和可视化的 [Amazon Athena](https: //aws.amazon.com/cn/athena/?trk=cndc-detail) <a href=\\"https://aws.amazon.com/blogs/database/how-to-perform-advanced-analytics-and-build-visualizations-of-your-amazon-dynamodb-data-by-using-amazon-athena/\\" target=\\"_blank\\">博文</a>。</p>\\n<h4><a id=\\"_157\\"></a><strong>报告：</strong></h4>\\n<p>您可以使用 Amazon Amplify 轻松地创建和启动自定义控制面板及移动应用程序。自定义控制面板可以通过 Amazon Amplify Framework（例如 iOS、Android、React Native、Flutter、React 和 Vue）与 Amazon AppSync 进行通信。</p>\n<h4><a id=\\"_161\\"></a><strong>这种模式的优势在于：</strong></h4>\\n<ul>\\n<li>对于需要通过自定义实时控制面板更改 IoT 数据后立即将数据交付给终端用户的使用场景，此模式非常合适。用户可以使用自定义和可配置的前端客户端访问数据</li>\n<li>这种模式也非常适合帮助使用者实时监控家用电器的移动应用程序（只能按需激活）</li>\n</ul>\\n<h3><a id=\\"_166\\"></a><strong>注意事项和警告</strong></h3>\\n<ul>\\n<li>没有万能的模式 — 本文中提到的所有架构模式都侧重于其最适用的途径；但是，每个使用场景各不相同，因此，大多数模式可以进行调整，通过添加其他相关服务来增加更多功能或克服任何不足之处。如果这些模式均不符合您的要求，请查看凭证提供商<a href=\\"https://docs.aws.amazon.com/iot/latest/developerguide/authorizing-direct-aws.html\\" target=\\"_blank\\">模式</a>，以授权直接调用并与 Amazon 服务（包括 Amazon IoT 服务）集成</li>\\n<li>成本：每种模式都有其自身的成本模型，可能会因设备数量和应用程序中的数据量存在巨大差异。在选择模式时，请务必考虑这些因素。</li>\n<li>区域特定的服务：并非每项服务均在所有区域提供，因此在选择模式之前请先评估服务</li>\n</ul>\\n<h3><a id=\\"_172\\"></a><strong>结论</strong></h3>\\n<p>在这篇文章中，我们回顾了在 Amazon 上构建 IoT 数据报告和可视化解决方案的不同架构模式。我们讨论了每种模式如何满足不同的需求和要求。无论您是需要实时报告、实时分析还是历史趋势报告，请选择符合您业务需求的解决方案。</p>\n<p><a href=\\"https://catalog.us-east-1.prod.workshops.aws/workshops/6d30487a-48e1-4631-b6bc-5602582800b5/en-US/\\" target=\\"_blank\\">开启 Amazon IoT 服务之旅。</a></p>\\n<h3><a id=\\"_178\\"></a><strong>本篇作者</strong></h3>\\n<p><img src=\\"https://dev-media.amazoncloud.cn/3c6d3c7d787a47a8bcedb82013c64d83_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"Umesh_Kalaspurkar_182\\"></a><strong>Umesh Kalaspurkar</strong></h4>\\n<p>Umesh Kalaspurkar 是在纽约工作的 Amazon 解决方案构架师。他拥有 20 多年的数字创新和转型项目设计及交付经验，工作涉及大型企业和初创企业。他积极主动地帮助客户确定和克服挑战。在工作之外，Umesh 是一位称职的父亲，喜欢滑雪和旅行。</p>\n<p><img src=\\"https://dev-media.amazoncloud.cn/4b6525b8ef314c378b00acc37b72d2e2_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"Ameer_Hakme_188\\"></a><strong>Ameer Hakme</strong></h4>\\n<p>Ameer Hakme 是一位在宾夕法尼亚州工作的 Amazon 解决方案构架师。他与东北地区的独立软件供应商合作，帮助他们在 Amazon 云上设计和构建可扩展的现代化平台。在空余时间，他喜欢骑摩托车和与家人一起休闲。</p>\n<p><img src=\\"https://dev-media.amazoncloud.cn/a426802937754459a41024fd80f1e7b0_image.png\\" alt=\\"image.png\\" /></p>\n<h4><a id=\\"Ravikant_Gupta_194\\"></a><strong>Ravikant Gupta</strong></h4>\\n<p>Ravi Gupta 是 Amazon Web Services 的一名企业解决方案构架师。他是一位充满激情的技术爱好者，喜欢与客户合作，帮助他们构建创新的解决方案。他关注的核心领域是 IoT 和机器学习。闲暇时间，Ravi 喜欢与家人在一起和摄影。</p>\n"}