适用于物联网应用的强大数据有哪些可视化工具？

适用于物联网应用的强大数据可视化工具

物联网(Internet of Things)，国内外普遍公认的是MIT Auto-ID中心Ashton教授1999年在研究RFID时最早提出来的。在2005年国际电信联盟（ITU）发布的同名报告中，物联网的定义和范围已经发生了变化，覆盖范围有了较大的拓展，不再只是指基于RFID技术的物联网

在这篇文章里，我将介绍一些用于物联网应用程序数据可视化的最强大的工具，并讨论选择相关的选择标准。

数据可视化是目前物联网的热门话题。随着越来越多的公司将数据驱动的计划和创新融入其整体战略和运营中，数据可视化的核心重要性正在不断增长。服务提供商和最终用户都开始认识到物联网应用的数据可视化工具的独特价值。我们正在学习如何从以前“浪费”的数据中获取新的见解。

在这里，我将介绍一些用于物联网应用程序数据可视化的最强大的工具，并讨论选择相关的选择标准。

用于实时数据可视化的Power BI

与Tableau一起，Power BI是需要数据可视化的物联网应用程序的必备工具。最初，Power BI是一个包罗万象的商业智能工具，使公司能够可视化各种数据集。它有一个完整的集成列表，它可以从Excel，Google Analytics，Salesforce和社交媒体平台等许多来源提取数据。与大多数Microsoft产品一样，Power BI非常直观，并且具有合理的学习曲线。不过需要注意的是，Power BI是一项付费服务。

以下GIF显示来自物联网气候监测设备的数据的实时数据可视化

使用Power BI 实现物联网应用程序的数据可视化：

蓬勃发展的物联网市场激发了微软扩展Power BI的能力，包括物联网应用的实时数据可视化。

今天，您可以将任何物联网设备，传感器或应用程序连接到该工具，以实时流式传输数据，使其成为一个引人注目的数据可视化工具，不仅适用于基于azure的项目，还适用于构建在任何主要平台上的物联网项目。除了相对简单的设置和仪表板构建过程外，Power BI还因其独特的口头数据管理功能而脱颖而出。您可以使用自然语言命令来查询数据，而且，Power BI将在屏幕上返回相关的可视化对象，这绝对是非技术用户的胜利。

Power BI的好处：

• 流媒体和静态数据
• 学习曲线短
• 丰富的数据可视化类型
• 自然语言数据查询
• 新的物联网集成

Grafana擅长于指标数据可视化

Grafana是一个专业的数据可视化和分析工具，专门用于时间序列分析的可视化。与Power BI一样，Grafana以其广泛的数据可视化技术，丰富的仪表板构建和管理功能以及广泛的可能数据源列表(例如 AWS，Prometheus和Elasticsearch)而闻名。

使用Grafana进行物联网应用的数据可视化：

Grafana最初设计用于CPU和系统健康监控。但如上所述，该工具以其作为时间序列数据可视化的最佳工具之一而闻名。它在物联网和以连接为中心的垂直领域非常受欢迎。

Grafana的出色功能包括复杂的仪表板构建，警报和通知，自定义过滤器以及流数据的注释。Grafana还允许您为不同用户个性化仪表板。但没有工具是完美的。例如，没有提供自然语言查询功能。Grafana缺乏全文查询，甚至需要为每个数据源提供特定的查询语法。

Grafana的好处：

• 广泛的数据源
• 适用于指标数据
• 数据管理特权：发送给信使或电子邮件的自定义过滤器，注释，警报和通知
• 各种用户角色的仪表板个性化

Kibana用于日志可视化

Kibana是Elastic Stack数据管理工具包的一部分。它专门用于可视化Elasticsearch集群的时间序列数据。它允许广泛的数据表示。它还包括地图，允许您进行自定义可视化，构建复杂的仪表板，并与团队，管理甚至客户轻松共享所有内容。

使用Kibana 进行物联网应用的数据可视化：

Kibana构建于Elasticsearch之上，可直接集成到Elastic Stack环境中。然而，直接集成有一个主要缺点：Kibana仅限于来自Elasticsearch的数据。

尽管如此，该工具仍然是需要日志可视化和分析的物联网应用程序的理想选择，因为它能够对数据查询进行“模糊匹配”。Kibana还为用户提供了高级可视化和数据管理功能，包括用于检测和探索数据集中异常的机器学习技术。

Kibana的好处：

• 适用于任何类型的时间序列数据
• 机器学习功能
• 数据查询的模糊匹配
• 易于设置和共享
• 与Elastic Stack直接集成

选择正确的数据可视化工具

首先，如果公司已经将某个特定的数据管理工具用于某些目的，那么使用相同的工具或至少一个与预先存在的数据生态系统兼容的工具，来为新的物联网项目构建数据可视化通常是有意义的。

例如，如果公司依靠Elastic Stack进行系统性能监控，那么使用Kibana可能是一个好主意，因为它与Elastic Stack直接集成。另一方面，使用AWS的企业更容易与Grafana集成，而不是转移到其他数据生态系统。但是，如果公司需要的不仅仅是时间序列数据可视化，那么像Tableau或Power BI这样的多功能工具可能是不错的选择。它是历史数据内容和您打算使用数据可视化实现的平衡。

Kibana适用于任何涉及日志或指标可视化的项目，而Grafana最适合仅限于指标可视化的项目。Grafana也非常适合需要为不同用户提供个性化仪表板的应用程序，而Kibana则可以为所有用户类别构建和共享统一仪表板。

Kibana和Grafana都是专门为时间序列数据分析而设计的。因此，它们为时间序列分析提供了广泛的可视化特权。而且，这些工具是开源的，不需要任何费用。

澄清数据可视化的目标至关重要。问问自己，通过可视化这些数据，我想要实现哪些目标?我希望向人们展示什么? 首先要确定目标和需求，然后才能探索不同的数据可视化平台。遵循此流程有助于确保您使用最适合您需求的工具。

物联网的概念与其说是一个外来概念，不如说它已经是一个“中国制造”的概念，他的覆盖范围与时俱进，已经超越了1999年Ashton教授和2005年ITU报告所指的范围，物联网已被贴上“中国式”标签。