Tutorial: Enviar dados por meio do gateway transparente
Aplica-se a: IoT Edge 1.1
Importante
IoT Edge 1.1 a data de término do suporte foi 13 de dezembro de 2022. Confira o Ciclo de Vida do Produto da Microsoft para obter informações sobre o suporte deste produto, serviço, tecnologia ou API. Para obter mais informações sobre como atualizar para a versão mais recente do IoT Edge, consulte Atualizar o IoT Edge.
Neste artigo, usamos novamente a VM de desenvolvimento como um dispositivo simulado. Mas, em vez de enviar dados diretamente para o Hub IoT, o dispositivo envia os dados para o dispositivo do IoT Edge configurado como um gateway transparente.
Monitoramos a operação do dispositivo IoT Edge enquanto o dispositivo simulado está enviando dados. Depois que a execução do dispositivo for concluída, examinaremos os dados em nossa conta de armazenamento para validar se tudo funcionou conforme o esperado.
Esta etapa normalmente é executada por um desenvolvedor de nuvem ou de dispositivo.
Nesta seção do tutorial, você aprenderá a:
- Crie e execute um dispositivo downstream.
- Confirmar se os dados gerados estão sendo armazenados no Armazenamento de Blobs do Azure.
- Validar se o modelo de machine learning classificou os dados do dispositivo.
Pré-requisitos
Este artigo faz parte de uma série para um tutorial sobre como usar o Azure Machine Learning no IoT Edge. Cada artigo da série se baseia no trabalho do artigo anterior. Se você chegou a este artigo diretamente, acesse o primeiro artigo da série.
Examinar o agente do dispositivo
Reutilize o projeto DeviceHarness para simular o dispositivo downstream. Conectar-se ao gateway transparente requer duas coisas adicionais:
- Registrar o certificado para fazer o dispositivo IoT downstream confiar na autoridade de certificado que está sendo usada pelo runtime do IoT Edge. Em nosso caso, o dispositivo downstream é a VM de desenvolvimento.
- Adicione o FQDN (nome de domínio totalmente qualificado) do gateway de borda à cadeia de conexão do dispositivo.
Examine o código para ver como esses dois itens são implementados.
Em seu computador de desenvolvimento, abra o Visual Studio Code.
Use Arquivo>Abrir Pasta... para abrir C:\source\IoTEdgeAndMlSample\DeviceHarness.
Examine o método InstallCertificate() em Program.cs.
Observe que, se o código encontrar o caminho do certificado, ele chamará o método CertificateManager.InstallCACert para instalar o certificado no computador.
Agora examine o método GetIotHubDevice na classe TurbofanDevice.
Quando o usuário especifica o FQDN do gateway usando a opção "-g", esse valor é passado a esse método como a variável
gatewayFqdn
, que é acrescentada à cadeia de conexão do dispositivo.connectionString = $"{connectionString};GatewayHostName={gatewayFqdn.ToLower()}";
Criar e executar um dispositivo downstream
Compile o projeto DeviceHarness, com ele ainda aberto no Visual Studio Code. No menu Terminal, selecione Executar Tarefa de Build e selecione Compilar.
Localize o FQDN (nome de domínio totalmente qualificado) para seu gateway de borda navegando até o dispositivo do IoT Edge (VM do Linux) no portal do Azure e copiando o valor de nome DNS da página de visão geral.
Inicie o dispositivo IoT (VM do Linux) se ele ainda não estiver em execução.
Abra o terminal do Visual Studio Code. No menu Terminal, selecione Novo Terminal e execute o seguinte comando, substituindo
<edge_device_fqdn>
pelo nome DNS que você copiou do dispositivo do IoT Edge (VM do Linux):dotnet run -- --gateway-host-name "<edge_device_fqdn>" --certificate C:\edgecertificates\certs\azure-iot-test-only.root.ca.cert.pem --max-devices 1
O aplicativo tenta instalar o certificado em seu computador de desenvolvimento. Quando ele fizer isso, aceite o aviso de segurança.
Quando solicitado para a cadeia de conexão do Hub IoT, clique nas reticências ( ... ) no painel de dispositivos do Hub IoT do Azure e selecione Copiar Cadeia de Conexão do Hub IoT. Cole o valor no terminal.
Você verá uma saída como:
Found existing device: Client_001 Using device connection string: HostName=<your hub>.azure-devices.net;DeviceId=Client_001;SharedAccessKey=xxxxxxx; GatewayHostName=iotedge-xxxxxx.<region>.cloudapp.azure.com Device: 1 Message count: 50 Device: 1 Message count: 100 Device: 1 Message count: 150 Device: 1 Message count: 200 Device: 1 Message count: 250
Observe a adição de "GatewayHostName" à cadeia de conexão do dispositivo, que faz o dispositivo se comunicar por meio do Hub IoT pelo gateway transparente do IoT Edge.
Verificar saída
Saída do dispositivo IoT Edge
A saída do módulo avroFileWriter pode ser prontamente observada examinando o dispositivo IoT Edge.
SSH na máquina virtual do IoT Edge.
Procure arquivos gravados em disco.
find /data/avrofiles -type f
A saída do comando terá a aparência do seguinte exemplo:
/data/avrofiles/2019/4/18/22/10.avro
Talvez você tenha mais de um arquivo dependendo do tempo da execução.
Preste atenção nos carimbos de hora. O módulo avroFileWriter carrega os arquivos para a nuvem quando a hora da última modificação está há mais de dez minutos no passado (confira MODIFIED_FILE_TIMEOUT em uploader.py no módulo avroFileWriter).
Quando os 10 minutos tiverem decorrido, o módulo deverá fazer upload dos arquivos. Se o upload for bem-sucedido, ele excluirá os arquivos do disco.
Armazenamento do Azure
É possível observar os resultados do envio de dados do dispositivo downstream observando as contas de armazenamento para as quais eles devem ser roteados.
No computador de desenvolvimento, abra o Visual Studio Code.
No painel "ARMAZENAMENTO DO AZURE" na janela Explorar, acesse a árvore para localizar a conta de armazenamento.
Expanda o nó Contêineres de Blob.
Com base no trabalho que fizemos na parte anterior do tutorial, esperamos que o contêiner ruldata deva conter mensagens com RUL. Expanda o nó ruldata.
Você verá um ou mais arquivos de blob nomeados da seguinte maneira:
<IoT Hub Name>/<partition>/<year>/<month>/<day>/<hour>/<minute>
.Clique com o botão direito do mouse em um dos arquivos e escolha Baixar Blob para salvar o arquivo em seu computador de desenvolvimento.
Em seguida, expanda o nó uploadturbofanfiles. No artigo anterior, definimos esta localização como o destino para os arquivos carregados pelo módulo avroFileWriter.
Clique com o botão direito do mouse nos arquivos e escolha Baixar Blob para salvá-lo em seu computador de desenvolvimento.
Ler conteúdo do arquivo Avro
Incluímos um utilitário de linha de comando simples para ler um arquivo Avro e retornar uma cadeia de caracteres JSON das mensagens no arquivo. Nesta seção, nós o instalaremos e o executaremos.
Abra um terminal no Visual Studio Code (Terminal>Novo terminal).
Instale hubavroreader:
pip install c:\source\IoTEdgeAndMlSample\HubAvroReader
Use hubavroreader para ler o arquivo Avro que você baixou de ruldata.
hubavroreader <avro file with ath> | more
Observe que o corpo da mensagem tem a aparência esperada com a identificação do dispositivo e a RUL prevista.
{ "Body": { "ConnectionDeviceId": "Client_001", "CorrelationId": "3d0bc256-b996-455c-8930-99d89d351987", "CycleTime": 1.0, "PredictedRul": 170.1723693909444 }, "EnqueuedTimeUtc": "<time>", "Properties": { "ConnectionDeviceId": "Client_001", "CorrelationId": "3d0bc256-b996-455c-8930-99d89d351987", "CreationTimeUtc": "01/01/0001 00:00:00", "EnqueuedTimeUtc": "01/01/0001 00:00:00" }, "SystemProperties": { "connectionAuthMethod": "{\"scope\":\"module\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}", "connectionDeviceGenerationId": "636857841798304970", "connectionDeviceId": "aaTurbofanEdgeDevice", "connectionModuleId": "turbofanRouter", "contentEncoding": "utf-8", "contentType": "application/json", "correlationId": "3d0bc256-b996-455c-8930-99d89d351987", "enqueuedTime": "<time>", "iotHubName": "mledgeiotwalkthroughhub" } }
Execute o mesmo comando passando o arquivo Avro que você baixou de uploadturbofanfiles.
Conforme esperado, essas mensagens contêm todos os dados de sensor e configurações operacionais da mensagem original. Esses dados podem ser usados para melhorar o modelo de RUL em nosso dispositivo de borda.
{ "Body": { "CycleTime": 1.0, "OperationalSetting1": -0.0005000000237487257, "OperationalSetting2": 0.00039999998989515007, "OperationalSetting3": 100.0, "PredictedRul": 170.17236328125, "Sensor1": 518.6699829101562, "Sensor10": 1.2999999523162842, "Sensor11": 47.29999923706055, "Sensor12": 522.3099975585938, "Sensor13": 2388.010009765625, "Sensor14": 8145.31982421875, "Sensor15": 8.424599647521973, "Sensor16": 0.029999999329447746, "Sensor17": 391.0, "Sensor18": 2388.0, "Sensor19": 100.0, "Sensor2": 642.3599853515625, "Sensor20": 39.11000061035156, "Sensor21": 23.353700637817383, "Sensor3": 1583.22998046875, "Sensor4": 1396.8399658203125, "Sensor5": 14.619999885559082, "Sensor6": 21.610000610351562, "Sensor7": 553.969970703125, "Sensor8": 2387.9599609375, "Sensor9": 9062.169921875 }, "ConnectionDeviceId": "Client_001", "CorrelationId": "70df0c98-0958-4c8f-a422-77c2a599594f", "CreationTimeUtc": "0001-01-01T00:00:00+00:00", "EnqueuedTimeUtc": "<time>" }
Limpar os recursos
Se você planeja explorar os recursos usados por este tutorial de ponta a ponta, aguarde até concluir a limpeza dos recursos criados. Caso contrário, use as seguintes etapas para excluí-los:
Exclua os grupos de recursos criados para conter a VM do Desenvolvedor, a VM do IoT Edge, o Hub IoT, a conta de armazenamento, o serviço do Workspace do Machine Learning (e os recursos criados: registro de contêiner, Application Insights, cofre de chaves e conta de armazenamento).
Exclua o projeto de machine learning no Azure Notebooks.
Se você clonou o repositório localmente, feche as janelas do PowerShell e do VS Code que se referem ao repositório local e, em seguida, exclua o diretório do repositório.
Se você criou os certificados localmente, exclua a pasta c:\edgeCertificates.
Próximas etapas
Neste artigo, a VM de desenvolvimento é usada para simular um dispositivo downstream que envia dados operacionais e de sensores ao dispositivo IoT Edge. Ao examinarmos a operação em tempo real do dispositivo de borda e os arquivos carregados para a conta de armazenamento, validamos que os módulos no dispositivo rotearam, classificaram, persistiram e carregaram os dados.
Para continuar aprendendo sobre as funcionalidades do IoT Edge, experimente este tutorial em seguida: