lakehouse para IoT e manutenção preditiva

A plataforma Lakehouse do Databricks é uma arquitetura aberta que combina os melhores elementos de data lake e data warehouse. Nesta demonstração, mostraremos como construir uma plataforma IOT para manutenção preditiva, ingerindo dados de sensores do nosso parque de turbinas eólicas em tempo real. Seremos capazes de fornecer dados e entendimentos que normalmente levariam meses de esforço em plataformas legadas.

Esta demonstração cobre a plataforma lakehouse de ponta a ponta:

• Ingerir dados de sistemas externos em transmissão (sensores/ERP) e depois transformá-los usando Delta Live Tables (DLT), uma estrutura ETL declarativa para construir pipelineprocessamento de dados confiável, sustentável e testável
• Proteja seus dados ingeridos para garantir governança e segurança
• Aproveite Databricks SQL e o endpoint do warehouse para criar um painel para analisar os dados ingeridos e a produtividade do nosso parque eólico
• Crie um modelo de aprendizado de máquina com Databricks AutoML para detectar turbinas eólicas defeituosas e acionar operações de manutenção preditiva
• Orquestre todos esses passos com fluxo de trabalho do Databricks

 

Para instalar a demonstração, obtenha um workspacegratuito do Databricks e execute os dois comandos a seguir em um Python Notebook

Dbdemos é uma biblioteca Python que instala demonstrações completas do Databricks em seu workspace. Dbemos irá carregar e começar Notebook, pipeline Delta Live Tables, clusters, dashboards Databricks SQL , modelos de warehouse… Veja como usar dbdemos

 

Dbdemos é distribuído como um projeto GitHub.

Para obter mais detalhes, view o arquivo GitHub README.md e siga a documentação.
Dbdemos é fornecido como está. Consulte a Licença e Aviso para mais informações.
Databricks não oferece suporte oficial para dbdemos e ativo associado.
Para qualquer problema, abra um ticket e a equipe de demonstração dará uma olhada na base do melhor esforço.