第二步．配置 Azure Stream Analytics 和 PowerBI，并显示实时分析。

简述

数据的新鲜度至关重要！因此，我在Azure上简便地实现了数据流。组成部分是Azure的”IoT Hub + Stream Analytics + PowerBI”。我使用Python编写了一个IoT虚拟数据生成程序，将数据投放到IoT Hub，然后使用Stream Analytics进行流式处理和查询，将查询结果即分析信息实时显示在PowerBI上。

在中国，数据流的事实标准是“Apache Kafka（商业版：Confluent）”，可以通过“Azure HDInsight”来实现Apache Kafka，但这只是为了更简单地进行流处理的工具。

• 以下の２つのステップで順次説明します。今回は STEP-1 について説明します。

STEP-1．Azure IoT Hub の設定とデータ受信のモニタリング
STEP-2．Azure Stream Analytics と　PowerBI の 設定 とリアルタイム分析の表示

本地环境

macOS Big Sur 11.3 和 Python 3.8.3

进行流分析的设置

创建流分析

点击屏幕下方的“创建”按钮。

输入的定义

输出的定义

查询定义

在创建的“sa-ituru-stream-test”页面的左侧选择“查询”，并在“输入”中设置为“IothubStreamTestDummyInput”。
为了测试，在“查询栏”中写下以下内容。

SELECT
    section,
    vol_1,
    Vol_2
INTO
    [YourOutputAlias]
FROM
    IothubStreamTestDummyInput

结果，我们确认了接收到的数据查询处理，所以我们将”输出”设置为”IothubStreamTestDummyOutputSsection”。
为了进行数据分析，我们在”查询栏”中写下以下内容。参考Stream Analytics的查询，我们创建了一个查询，用于按section每秒滑动地显示vol_2值的10秒平均值。

SELECT
    section,
    AVG(vol_2)
INTO
    IothubStreamTestDummyOutputSsection
FROM
    IothubStreamTestDummyInput timestamp by time
GROUP BY
    section,
    SlidingWindow(second, 10)

Power BI 的设置

执行工作

将设备（IoT数据生成程序）中的数据发送到IoT Hub。

我們將執行第一步的IoT虛擬數據生成程序，以1秒的間隔將120條數據發送到IoT Hub。

$ python IoTSampleData-v3.py --count 120 --mode ih --wait 1.0

通过IoT Hub – Stream Analytics，我们可以确认从IoT设备（Python程序）发送的数据经过处理后，在Power BI中实时显示出来。

请提供相关资料

非常感谢您提供的以下信息作为参考：
尝试入门Azure Stream Analytics #azurejp
使用Stream Analytics实现复杂的聚合处理
尝试在Azure上可视化CO2浓度

本题的步骤

第一步．配置 Azure IoT Hub 并监控数据接收
第二步．配置 Azure Stream Analytics 和 PowerBI，并显示实时分析结果