發布日期：2022-04-26 點擊率：99
關鍵詞： IoT 應用開發 云服務
摘要：這是關于 IoT 應用開發系列文章中的第三篇也是最后一篇。本文著重說明基于Azure云服務來提供易于理解的數據可視化和商業智能。Toradex Colibri VF61模塊 + Iris底板繼續作為本次演示的嵌入式系統。
1). 簡介
這是關于 IoT 應用開發系列文章中的第三篇也是最后一篇。本文著重說明基于Azure云服務來提供易于理解的數據可視化和商業智能。Toradex Colibri VF61模塊 + Iris底板繼續作為本次演示的嵌入式系統。圖 1 回顧展示了本系列文章所介紹應用整體框圖。
圖1：應用框圖
如果讀者想要了解更多關于本項目，以及如何發送數據到云端，可以參考這個系列的前兩篇文章。
第一篇：向云端發送數據http://c.gongkong.com/taorui/a67726.html
第二篇：連接傳感器以及 IoT 車輛http://c.gongkong.com/Toradex/a68634.html
Azure是Microsoft提供的云服務平臺，提供了多種應用如數據庫，虛擬機，應用服務，機器學習，數據流分析，媒體和CDN服務，大數據解決方案，以及其他眾多應用。Azure服務主要為Iaas 和PaaS – 分別對應Infrastructure as a Service 和 Platform as a service。IoT Hub在之前已經設置從設備獲取消息，因此從現在起它的使用是透明的，但是還有另外兩個Azure服務需要被使用來滿足項目目標定義。
Stream Analytics是一個用于近乎實時處理數據并將結果輸出到儀表板，產生告警，導入數據庫，對比當前數據流和歷史數列等等功能的Azure服務。它的一些優點一是易于使用，只需要一些點擊配置就可以讓它工作；二是它使用類SQL語言來進行數據過濾；三是高靈活性，系統管理者可以根據項目需要配置數據流量范圍從1MB/s到1GB/s;最后是低成本，服務部署是免費的，只是按照使用量付費。
Power BI并不是一個Azure服務，而是一個Microsoft云服務，主要面向商業智能和數據可視化。雖然它并不不是Azure服務，但是可以通過Stream Analytics使用它的元數據。Power BI通過在儀表板顯示相關在線數據序列信息使管理者可以利用這些信息來做決策或者洞察本質。事實上儀表板會持續刷新以便最快速度解決問題和獲取機會。
現在，本項目所需的云服務已經介紹完畢，下面我們介紹如何配置這些服務。
2). 配置Stream Analytics 和Power BI
現在IoT Hub已經從嵌入式系統獲得數據，并將這些數據提供給Stream Analytics，因此我們首先來配置Stream Analytics。在Azure portal中，選擇+New > Internet of Things > Stream Analytics job，如圖2所示。然后Job name必須填寫，另外IoT Hub要使用的resource group和location必須設置。
圖 2: 創建Stream Analytics job
成功部署后，可以直接通過portal主頁來訪問，結果顯示如下圖3。Job Topology 部分展示一些信息和輸入配置，Query描述以及輸出配置– 這些會在本文后續一一解釋。Monitoring部分是可配置的，用于顯示如輸入和輸出事件數量隨時間變化，數據轉換錯誤，亂序事件和其他選項等信息。然后還有一個Settings選項卡可做一些額外的調整配置。
圖 3: Stream Analytics 主面板
為了將IoT Hub配置為輸入，點擊Inputs并選擇add選項，然后一個新input選項卡會打開，如下圖4所示。Input alias可以隨意填寫，Source必須選擇為IoT Hub，然后IoT Hub，Shared Access Policy Name 和Shared Access Policy Key須填寫對應的IoT Hub信息（如何獲取這些信息請參考本系列文章的第一部分）；其他選項可以保留默認配置即可。
圖 4: Stream Analytics 輸入設置
在設置Power BI為輸出之前，由于其并不是Azure服務的一部分，我們首先需要創建一個賬號。可以登陸Power BI網站完成創建并且基本版本是免費的。注冊完成后，頁面會跳轉到Power BI 界面，不過我們需要先配置Stream Analytics輸出后再來配置Power BI。
我們只能在management Azure port進行操作并通過recent特性連接兩個服務。打開后，從所有條目列表中選擇Stream Analytics ，然后打開outputs 選項卡，在頁面下方點擊add output 按鈕。最后在最近打開的窗口里面選擇Power BI，如下圖5所示。
圖 5: Stream Analytics 輸出選擇
如需要，如下圖6所示點擊Authorize Now來授權連接。登陸到Power BI鏈接的Microsoft賬戶。
圖 6: 授權 Power BI 做為 Stream Analytics 輸出
然后如下圖7所示，選擇output alias, dataset name 和 table name，如果你愿意也可以都保持一致。現在Stream Analytics 輸出已經配置為發送數據到Power BI。
圖 7: 配置 Stream Analytics 輸出
3). Stream Analytics 查詢: 篩選數據提供給 Power BI
既然Stream Analytics使用類SQL語言來定義其行為，我們可以將其作為一個數據篩選器使用，即輸入信息只有滿足特定條件時候才輸出。為了闡述這個可能性，在這個例程中查詢完成兩個不同的工作：首先為了減小輸出數據工作量，通過使用tumbling window，將輸入數據組織為10s window。舉例說明，如果嵌入式系統每1秒鐘發送數據給IoT Hub，那么每10個輸入目標中只有1個會被發送給Power BI。但是問題是哪一個會被選擇？發送給多數據會不會更好？
回答第一個問題，數據可以通過不同集合方式組織，如求和，平均值，標準差，最大值，出現概率或其他排序方式。詳細說明可以參考這里。關于第二個問題，使用window的好處是如果輸出應用有接受數據的限制，使用window可以保證在不超過應用限制的前提下保證數據完整性。在本文特定的項目中只有一個嵌入式設備發送數據到云端，這個可能不是問題，但是如果有大量設備連接或者少量設備但發送大量數據的情況，使用window則是一個非常好的選擇。
第二個主要工作是通過發送符合下面狀態的數據到輸出端– 不論是駕駛者太靠近另一輛車，突然剎車或者翻車，來識別駕駛者的危險行為甚至事故。這些狀態是否有用取決于誰在查看Power BI儀表板：例如如果管理者想要學習車溫度和另一輛車距直接的關聯，這些條件設置就不會很有用，因此IoT開發者必然要問：我需要什么樣的輸出？
已經部署的查詢代碼請見如下。注意在SELECt字段處，max，min和avg功能用于組織window變量，另外一些變量重新命名了；count函數用于記錄假設的事故或危險情況發生數量。INTO字段指定數據應采用什么輸出，這個必須和之前配置好的output alias一致。From字段同樣設置好需要使用的input。 GROUP BY 字段定義了window時間和未分組變量，如識別字符串。WHERe字段則為危險情況篩選。同樣注意這個篩選器雖然是一個簡單模型，但可以通過使用更多對比變量和其他精細數學模型來改進為實際使用場景。
---------------------------
---------------------------
最后可以通過Azure portal界面進入Stream Analytics 工作頁面后點擊start開始。通常會需要幾十秒到幾分鐘時間來啟動。
4). 創建Power BI 儀表板
為了創建一個Power BI儀表板，首先需要確認所有需要的系統已經運行：Stream Analytics 工作，IoT Hub 和Toradex 嵌入式系統。然后通過瀏覽器登陸Power BI，左邊欄會顯示Datasets菜單，Stream Analytics輸出數據會在這里自動顯示（只有當Stream Analytics篩選器至少發出一個數據后才會顯示）。選擇這個，如下圖8所示。
圖 8: 創建一個 Power BI 儀表板
現在可以選擇一個數據可視化選項，如一個線狀圖表或者一個表格。本文使用柱狀圖來顯示危險狀態和事故可視化數據，同時用一個儀表來指示有多少這種狀況發生。除了可以選擇標準樣式，也可以自定義或者從community customized models下載。
下面我們來創建一個堆疊柱狀圖為例。如下圖9(a)，Axis 欄設置為mytimestamp，Legend欄設置為caridentifier，然后value欄設置為distance；當然legend和title是可編輯的，另外添加一個數值為0.5的參考線以便于更直觀的發現和另外一輛車的車距已經太小，如圖9(b)所示。圖10展示了翻車和突然剎車事件的圖表和事故統計的儀表。在進入下一步驟之前，我們需要先保存當前報告。
圖 9: 創建圖表并添加(a)數值和 (b)圖形
圖 10: Power BI 報告
如果想要這些圖表實時更新，需要將他們每一個都添加到儀表板。不過報告本身需要重新加載頁面才能刷新數據（至少至文本完成時還是這樣）。首先，從左邊欄創建一個新的儀表板，如之前的圖8所示。然后進入報告后，在每個圖表的右上角有個pin visual選項，用這個可以將圖表添加到儀表板。
下圖11展示了從車獲取的數據結果，實施方案如下：為了獲取真是的汽車數據，遙控汽車被放到了一臺真實汽車里面。為了滿足Stream Analytics的篩選條件，橫向加速度被采用來模擬重力，因為其始終為負值；車加速度就是真是加速度數據；因為遙控車是放在真是汽車里面，因此車距基本上始終小于0.5m。另外，整個系統并未裝備3G或者Sigfox，而是通過手機作為WIFI路由使用。在圖片下面，還有一個視頻展示實時儀表板，溫度圖表創建以及從儀表板快照生成PDF文檔。
圖 11: 最終的 Power BI 儀表板
http://player.youku.com/player.php/sid/XMTczMTM3MzEzNg==/v.swf
到此本系列關于如何創建一個端到端的IoT應用的文章已經結束。當然，本文只是給想關注這個領域的讀者一個概覽，或者對想對IoT初步了解的讀者一個指南，因為還有很多的可能性以及Toradex嵌入式系統適合的方案在這里并沒有列出。希望本系列文章是有幫助的，同時在這里要感謝來自巴西的 Grupo Viceri 團隊提供Azure和商業智能方面的經驗，最終使得這個IoT汽車項目可以順利合作完成。以后再見！
下一篇： PLC、DCS、FCS三大控
上一篇： 索爾維全系列Solef?PV
