检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
输出类算子 数据存储输出 DIS输出 实时分析输出 父主题: 算子使用指南
IoTA.02010103 默认存储组名称禁止修改 错误码描述 默认存储组名称禁止修改。 可能原因 请求中默认存储组的名称不为空。 处理建议 此操作不允许,默认存储组名称禁止修改。 父主题: 存储管理相关错误码
同一时刻上报多条数据到资产属性上是怎么处理的? 处理原则:资产ID、标签属性值、时间戳用于唯一确定一条属性数据。 例如:上报两次数据到同一个资产的同一个属性,如果没有配置标签属性或者同时上报了一样的标签属性值,且上报的时间戳一样,则最终只会保留一条数据到系统。
IoTA.02010106 存储组数量超过单个项目的限制 错误码描述 存储组数量超过单个项目的限制。 可能原因 当前帐号下使用的存储组过多,已超过限制,每租户每个项目下只允许有一个存储组(即默认存储组)。 处理建议 此操作不允许,请使用已有的存储组或咨询华为云客服。
IoTA.02010108 指定的存储组不存在 错误码描述 指定的存储组不存在。 可能原因 请求中指定的存储组 ID 不存在,可能为 ID 填写错误,或此存储已被删除。 处理建议 请检查请求参数中的存储组是否存在。 父主题: 存储管理相关错误码
管道作业常见问题 数据管道作业已保存成功为什么无法启动? 为什么有些作业启动时需要选择计算资源但有些作业不需要? 为什么无法添加产品过滤算子? 父主题: 数据分析常见问题
时序分析常见问题 如何查看设备最新上报的原始数据 设备时序探索中找不到设备 设备时序探索中没有标签 看不到设备上报的数据 如何创建和修改存储 父主题: 数据分析常见问题
实时分析常见问题 接收数据类型不同的作业可使用的算子有何区别? 作业数量有何限制? 一个作业允许配置的算子数量有何限制? 父主题: 数据分析常见问题
4、数据管道中未配置对应的产品过滤算子,请添加“产品过滤”算子以及“数据存储输出”算子。 5、设备未上报数据,请检查设备是否成功上报数据。 父主题: 时序分析常见问题
表达式说明 操作符 说明 示例 && 逻辑与 设:cond1 = true, cond2 = false, 表达式:cond1 && cond2,返回false。 and 逻辑与 设:cond1 = true, cond2 = false, 表达式:cond1 and cond2,
约束:下游不允许对接数据源及产品过滤算子。 算子配置 基础配置项 算子名称: 配置项英文名:name 说明:算子名称,对算子进行个性化的命名,以辅助增加可读性。支持中文、英文、数字、中划线、下划线,长度小于等于64个字符。
资产建模和分析常见问题 同一时刻上报多条数据到资产属性上是怎么处理的? 设备有上报数据但IoTA资产监控视图数据未刷新 父主题: 数据分析常见问题
针对时序数据的优化 针对物联网数据具备的显著时序特征,IoT数据分析服务在数据存储及数据分析上做了大量的优化。比如海量时间线能力,单实例支持10万线,数据存储压缩比20:1,以及多种时间维度的聚合计算能力。
仅当数据源为“IoT设备接入数据源”时,必须先使用“产品过滤”算子,将同一个IoT设备接入数据源的不同产品分开,才可进行后续配置。当数据源为其他数据源时,则不需要使用“产品过滤”算子。 父主题: 管道作业常见问题
可能原因 用户在为存储定义属性时,属性数量超过了限制,每个数据存储属性数量限制为300个。 处理建议 用户可新建一个存储,在新存储中增加属性。 父主题: 存储管理相关错误码
处理建议 请根据实际业务需要,将属性的数据类型指定为4中系统可支持的数据类型之一。 父主题: 存储管理相关错误码
计费项 表1 计费项 资源类别 计费项 含义 适用的计费模式 数据存储 温存储空间大小 用户使用IoT数据分析服务时消耗的温存储空间大小及时长。
公测 资产建模 实时分析 时序分析 2019年12月 序号 功能名称 功能描述 阶段 相关文档 1 IoT数据分析正式上线公测 IoT数据分析基于物联网资产模型,整合物联网数据集成,清洗,存储,分析,可视化,为开发者提供一站式服务,降低开发门槛,缩短开发周期,快速实现物联网数据价值变现
欠费 按需计费:当用户账户中的余额不足以支付其费用后,会根据“客户等级”定义不同的保留期时长进入保留期,一旦进入保留期,用户将不能正常使用IoT数据分析服务,但其数据还会保留。保留期满仍未缴清欠款的,将会清除其账号下IoT数据分析服务的相关资源和数据。
概念简介 物联网数据的数据体量大、价值密度小、数据时效性高、质量低。针对物联网数据的这些特点,在海量历史数据中提供近实时的高效探索分析能力,及时发现物联网数据中的隐含规律则显得尤为重要。