1). 簡介
這是關(guān)于 IoT 應(yīng)用開發(fā)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(wù)來提供易于理解的數(shù)據(jù)可視化和商業(yè)智能。Toradex Colibri VF61模塊 + Iris底板繼續(xù)作為本次演示的嵌入式系統(tǒng)。圖 1 回顧展示了本系列文章所介紹應(yīng)用整體框圖。
圖1：應(yīng)用框圖
如果讀者想要了解更多關(guān)于本項(xiàng)目，以及如何發(fā)送數(shù)據(jù)到云端，可以參考這個系列的前兩篇文章。
第一篇：向云端發(fā)送數(shù)據(jù)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(wù)平臺，提供了多種應(yīng)用如數(shù)據(jù)庫，虛擬機(jī)，應(yīng)用服務(wù)，機(jī)器學(xué)習(xí)，數(shù)據(jù)流分析，媒體和CDN服務(wù)，大數(shù)據(jù)解決方案，以及其他眾多應(yīng)用。Azure服務(wù)主要為Iaas 和PaaS – 分別對應(yīng)Infrastructure as a Service 和 Platform as a service。IoT Hub在之前已經(jīng)設(shè)置從設(shè)備獲取消息，因此從現(xiàn)在起它的使用是透明的，但是還有另外兩個Azure服務(wù)需要被使用來滿足項(xiàng)目目標(biāo)定義。
Stream Analytics是一個用于近乎實(shí)時處理數(shù)據(jù)并將結(jié)果輸出到儀表板，產(chǎn)生告警，導(dǎo)入數(shù)據(jù)庫，對比當(dāng)前數(shù)據(jù)流和歷史數(shù)列等等功能的Azure服務(wù)。它的一些優(yōu)點(diǎn)一是易于使用，只需要一些點(diǎn)擊配置就可以讓它工作；二是它使用類SQL語言來進(jìn)行數(shù)據(jù)過濾；三是高靈活性，系統(tǒng)管理者可以根據(jù)項(xiàng)目需要配置數(shù)據(jù)流量范圍從1MB/s到1GB/s;最后是低成本，服務(wù)部署是免費(fèi)的，只是按照使用量付費(fèi)。
Power BI并不是一個Azure服務(wù)，而是一個Microsoft云服務(wù)，主要面向商業(yè)智能和數(shù)據(jù)可視化。雖然它并不不是Azure服務(wù)，但是可以通過Stream Analytics使用它的元數(shù)據(jù)。Power BI通過在儀表板顯示相關(guān)在線數(shù)據(jù)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(zhì)。事實(shí)上儀表板會持續(xù)刷新以便最快速度解決問題和獲取機(jī)會。
現(xiàn)在，本項(xiàng)目所需的云服務(wù)已經(jīng)介紹完畢，下面我們介紹如何配置這些服務(wù)。
2). 配置Stream Analytics 和Power BI
現(xiàn)在IoT Hub已經(jīng)從嵌入式系統(tǒng)獲得數(shù)據(jù)，并將這些數(shù)據(jù)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(shè)置。
圖 2: 創(chuàng)建Stream Analytics job
成功部署后，可以直接通過portal主頁來訪問，結(jié)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(xù)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(shù)量隨時間變化，數(shù)據(jù)轉(zhuǎn)換錯誤，亂序事件和其他選項(xiàng)等信息。然后還有一個Settings選項(xiàng)卡可做一些額外的調(diào)整配置。
圖 3: Stream Analytics 主面板
為了將IoT Hub配置為輸入，點(diǎn)擊Inputs并選擇add選項(xiàng)，然后一個新input選項(xiàng)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(yīng)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(xiàng)可以保留默認(rèn)配置即可。
圖 4: Stream Analytics 輸入設(shè)置
在設(shè)置Power BI為輸出之前，由于其并不是Azure服務(wù)的一部分，我們首先需要創(chuàng)建一個賬號。可以登陸Power BI網(wǎng)站完成創(chuàng)建并且基本版本是免費(fèi)的。注冊完成后，頁面會跳轉(zhuǎn)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(jìn)行操作并通過recent特性連接兩個服務(wù)。打開后，從所有條目列表中選擇Stream Analytics ，然后打開outputs 選項(xiàng)卡，在頁面下方點(diǎn)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(diǎn)擊Authorize Now來授權(quán)連接。登陸到Power BI鏈接的Microsoft賬戶。
圖 6: 授權(quán) 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(xiàn)在Stream Analytics 輸出已經(jīng)配置為發(fā)送數(shù)據(jù)到Power BI。
圖 7: 配置 Stream Analytics 輸出
3). Stream Analytics 查詢: 篩選數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)工作量，通過使用tumbling window，將輸入數(shù)據(jù)組織為10s window。舉例說明，如果嵌入式系統(tǒng)每1秒鐘發(fā)送數(shù)據(jù)給IoT Hub，那么每10個輸入目標(biāo)中只有1個會被發(fā)送給Power BI。但是問題是哪一個會被選擇？發(fā)送給多數(shù)據(jù)會不會更好？
回答第一個問題，數(shù)據(jù)可以通過不同集合方式組織，如求和，平均值，標(biāo)準(zhǔn)差，最大值，出現(xiàn)概率或其他排序方式。詳細(xì)說明可以參考這里。關(guān)于第二個問題，使用window的好處是如果輸出應(yīng)用有接受數(shù)據(jù)的限制，使用window可以保證在不超過應(yīng)用限制的前提下保證數(shù)據(jù)完整性。在本文特定的項(xiàng)目中只有一個嵌入式設(shè)備發(fā)送數(shù)據(jù)到云端，這個可能不是問題，但是如果有大量設(shè)備連接或者少量設(shè)備但發(fā)送大量數(shù)據(jù)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(fā)送符合下面狀態(tài)的數(shù)據(jù)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(xiǎn)行為甚至事故。這些狀態(tài)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(xué)習(xí)車溫度和另一輛車距直接的關(guān)聯(lián)，這些條件設(shè)置就不會很有用，因此IoT開發(fā)者必然要問：我需要什么樣的輸出？
已經(jīng)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(shù)用于記錄假設(shè)的事故或危險(xiǎn)情況發(fā)生數(shù)量。INTO字段指定數(shù)據(jù)應(yīng)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(shè)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(xiǎn)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(xì)數(shù)學(xué)模型來改進(jìn)為實(shí)際使用場景。
---------------------------
---------------------------
最后可以通過Azure portal界面進(jìn)入Stream Analytics 工作頁面后點(diǎn)擊start開始。通常會需要幾十秒到幾分鐘時間來啟動。
4). 創(chuàng)建Power BI 儀表板
為了創(chuàng)建一個Power BI儀表板，首先需要確認(rèn)所有需要的系統(tǒng)已經(jīng)運(yùn)行：Stream Analytics 工作，IoT Hub 和Toradex 嵌入式系統(tǒng)。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(shù)據(jù)會在這里自動顯示（只有當(dāng)Stream Analytics篩選器至少發(fā)出一個數(shù)據(jù)后才會顯示）。選擇這個，如下圖8所示。
圖 8: 創(chuàng)建一個 Power BI 儀表板
現(xiàn)在可以選擇一個數(shù)據(jù)可視化選項(xiàng)，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(xiǎn)狀態(tài)和事故可視化數(shù)據(jù)，同時用一個儀表來指示有多少這種狀況發(fā)生。除了可以選擇標(biāo)準(zhǔn)樣式，也可以自定義或者從community customized models下載。
下面我們來創(chuàng)建一個堆疊柱狀圖為例。如下圖9(a)，Axis 欄設(shè)置為mytimestamp，Legend欄設(shè)置為caridentifier，然后value欄設(shè)置為distance；當(dāng)然legend和title是可編輯的，另外添加一個數(shù)值為0.5的參考線以便于更直觀的發(fā)現(xiàn)和另外一輛車的車距已經(jīng)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(tǒng)計(jì)的儀表。在進(jìn)入下一步驟之前，我們需要先保存當(dāng)前報(bào)告。
圖 9: 創(chuàng)建圖表并添加(a)數(shù)值和 (b)圖形
圖 10: Power BI 報(bào)告
如果想要這些圖表實(shí)時更新，需要將他們每一個都添加到儀表板。不過報(bào)告本身需要重新加載頁面才能刷新數(shù)據(jù)（至少至文本完成時還是這樣）。首先，從左邊欄創(chuàng)建一個新的儀表板，如之前的圖8所示。然后進(jìn)入報(bào)告后，在每個圖表的右上角有個pin visual選項(xiàng)，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(shù)據(jù)結(jié)果，實(shí)施方案如下：為了獲取真是的汽車數(shù)據(jù)，遙控汽車被放到了一臺真實(shí)汽車?yán)锩妗榱藵M足Stream Analytics的篩選條件，橫向加速度被采用來模擬重力，因?yàn)槠涫冀K為負(fù)值；車加速度就是真是加速度數(shù)據(jù)；因?yàn)檫b控車是放在真是汽車?yán)锩妫虼塑嚲嗷旧鲜冀K小于0.5m。另外，整個系統(tǒng)并未裝備3G或者Sigfox，而是通過手機(jī)作為WIFI路由使用。在圖片下面，還有一個視頻展示實(shí)時儀表板，溫度圖表創(chuàng)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(guān)于如何創(chuàng)建一個端到端的IoT應(yīng)用的文章已經(jīng)結(jié)束。當(dāng)然，本文只是給想關(guān)注這個領(lǐng)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?yàn)檫€有很多的可能性以及Toradex嵌入式系統(tǒng)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(tuán)隊(duì)提供Azure和商業(yè)智能方面的經(jīng)驗(yàn)，最終使得這個IoT汽車項(xiàng)目可以順利合作完成。以后再見！
