将人工智能带到物联网边界设备(1)

咱们已经将愈来愈多的设备链接起来，采集海量的数据，利用云端海量的计算能力和处理能力，进行设备的远程监控，预测分析，远程控制等功能，而机器学习，人工智能技术也愈来愈多的被用到物联网的解决方案中，让咱们的设备便的更加智能。在传统的物联网解决方案中，设备端只是做为数据的源和命令执行端，并不具有逻辑处理能力，但在不少场景下，咱们但愿实时的响应能力，设备变得愈来愈智能，好比：

• 工厂链接的设备，须要针对紧急情况具有毫秒级的本地处理能力
• 在车联网方案中，即便汽车驶入车库没法联网，车机也能够工做
• 野外无人值守的石油设备，因为昂贵的通信费用（卫星线路 ）能够根据当前的油压，深度等参数使用本地机器学习模型自动深度调节设备运行，只有须要时才发送数据或报警到云端
• 智能家居/智能监控场景中的摄像头/麦克须要接近实时处理图像，声音，文字等
• …….

从这个需求上来说，咱们除了须要物联网场景中云端的大规模计算和接入能力外，也须要设备端具有必定的逻辑处理和智能，Azure的IOT Edge为设备赋能，让你把人工智能，逻辑处理能力从云端带到边界设备上，让设备具有智能，云端的IOT和设备端互相协做：

在下面的例子中，我将介绍如何将你的机器学习模型部署到IOT边界设备，实现设备端的逻辑处理和人工智能，基本的部署模型以下：

一些基本的组件和服务介绍以下：

IOT Hub服务：部署在Azure端的物联网服务，支持百万量级设备链接，进行IOT edge设备管理和双向链接控制，经过module twins和设备twins同步云端和设备端状态

IOT Edge模块：IOT edge上的模块其实是Docker容器，也就意味着只要是能够容器化的服务，模型，代码，均可以部署到边界设备（无限想象力吧），另一个层面也说明，只要能够支持Docker的ARM/X86嵌入式设备，均可以做为IOT Edge设备

IOT Edge 运行时：IOT Edge设备上的运行的管理程序，管理部署在设备山过的模块，并负责安全通信等工做。

目前IOT Edge在本例中，测试使用的是Azure public帐号，并使用Mac OS做为模拟IOT Edge设备，但由于IOT Edge的运行时和模块都是容器，其实在实际的设备和Linux，Windows上并无太大区别。例子介绍主要分为3个部分：

• 配置IOT Hub云端服务
• 部署IOT edge数据处理模块
• 部署IOT Edge机器学习模块

前提条件（本文略过Azure CLI和Docker的基础介绍，若有兴趣，能够参考笔者以前文章）：

• 已经具有Azure帐号
• 本机安装Azure CLI https://docs.microsoft.com/en-us/cli/azure/install-azure-cli?view=azure-cli-latest
• 本机安装Docker环境 https://www.docker.com/get-docker

 

配置IOT Hub云端服务

 

1. 首先须要建立一个测试的资源组：

az group create --name myaksdemo --location eastus

 

1. 建立IOT Hub云端服务

az iot hub create --resource-group myaksdemo --name myiotsteven --sku F1

1. 登陆到Azure管理界面，打开IOT Hub的管理界面，IOT Edge是一个独立类型的设备，因此在左侧的设备管理选择IOT Edge，注册新的IOT Edge设备：

 

添加新的设备并选择启用：

 

1. 完成后，点击设备得到链接字符串以及相关秘钥：

部署IOT edge数据处理模块

 

在IOT Hub端注册完设备后，咱们就须要配置边缘设备上的运行时了，IOT Edge的运行时由两个模块组成，IOT Edge边界代理主要负责保证模块部署以及监控；而IOT Edge中心主要负责安全和通信。

因此当你部署的时候，你的IOT Edge边界上的代理会先启动，而IOT Edge Hub中心会在你部署一个模块以后启动，首先来安装IOT Edge控制脚本

 

配置IOT Edge边界设备的运行时：

sudo iotedgectl setup --connection-string "{device connection string}" --auto-cert-gen-force-no-passwords

 

而后咱们就能够启动边界运行时，能够看到，他是以docker的一个容器的方式在运行，在这个时候，咱们尚未部署任何模块：

 

下一部分继续介绍。