腾龙娱乐联微开户70411382人

实际的环境中，IoT设备可以生成大量的数据。为了减少上传的数据量或者降低控制策略的生产延迟，有时必须在设备端对数据进行实时分析或处理。Azure Stream Analytics服务就是很好的解决方案方案一，用户可以从Azure Portal中创建Azure Stream Analytics服务，然后在Azure IoTHub中将其设置为IoT Edge Module并部署到Azure IoT Edge设备上。本文将演示如何创建Azure Stream Analytics作业，并将其部署到IoT Edge设备上。

1.创建存储账户

首先，在Azure门户中，转到“新建”，在搜索框中输入“存储”，选择“存储帐户 - Blob，文件、表、队列”。

然后，在“创建存储帐户”中，输入存储帐户的名称，选择存储IoTHub的相同位置（这里为东亚），然后选择“创建”。请记下该名称以供稍后使用。

接下来，转到刚才创建的存储账户，选择“Blob Service”。为Azure Stream Analytics模块创建一个用于存储数据的新容器，将访问级别设置为“Container”，选择“确定”。

2.创建Azure流分析作业

首先，在Azure门户中，转到“创建”>“物联网”，然后选择“流分析作业”。

然后，在“新建流分析作业”中执行以下操作：在“作业名称”框中输入作业名称；在“托管环境”下，选择“Edge”；在剩余字段中使用默认值。

然后，在所创建作业中的“作业拓扑”下，依次选择“输入”-“添加”。在“输入别名”框，输入温度。在“源类型”框，选择“数据流”。剩余字段中使用默认值。

接下来，在所创建作业中的“作业拓扑”下，依次选择“输出”-“添加”，在“输出别名”框中，键入警报，在剩余字段中使用默认值。之后选择“创建”。

最后，在所创建作业中的“作业拓扑”下，依次选择“查询”-“添加”，加入以下SQL语句并保存

从温度时间戳中选择
“重置”作为命令
进入
警报，按时间创建分组，按 TumblingWindow（秒，30）分组，按 Avg（machine.temperature）> 70

3. 部署Stream Analytics Job

首先，在Azure Portal的IoTHub页面内，转到“IoT Edge”并打开IoT Edge设备的详细信息页面。

“设置模块”，并确保已经按照文章中的步骤之前添加了tempSensor模块，因为这里的Azure Stream Analytics模块是针对选择tempSensor模块产生的数据来进行实时分析的。

在“添加模块”页面，选择“导入 Azure Stream Analytics IoT Edge 模块”，

在接下来的Edge Deployment页面，选择之前创建好的Stream Analytics - Edge Job，注意，这里要选择之前第一部分已经创建好的存储账户和容器，点击保存，如下图所示。

之后，将下面的代码复制到路由，将{ moduleName }替换为复制的模块名称：

{
     “routes”：{
       “telemetryToCloud”：“从/messages/modules/tempSensor/* 到 $upstream”，
       “alertsToCloud”：“从/messages/modules/{moduleName}/* 到 $upstream”，
       “alertsToReset”：“从/messages/modules/{moduleName}/* 到 BrokeredEndpoint(“/modules/tempSensor/inputs/control”)”，
       “telemetryToAsa”：“从/messages/modules/tempSensor/* 到 BrokeredEndpoint(“/modules/{moduleName}/inputs/temperature”)”
     }
}

选择下一步，然后提交。看到返回到“设备详细信息”页面，并选择“刷新”。应会新的流分析模块已经在列表中，但状态还是一个待部署。

稍后，等该模块部署到设备以后，刷新列表，可以发现，EdgeASA已经处于运行状态。

回到Putty工具，利用“docker log -f {moduleName}”指令（其中，{moduleName}用刚刚部署的流分析模块的名称代替），就可以查看流分析的日志信息。

ghhytt

Forum Discussion

腾龙娱乐联微开户70411382人

Share

Resources