将人工智能带到物联网边界（1）

我们已经将越来越多的设备连接起来，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，人工智能技术也越来越多的被用到物联网的解决方案中，让我们的设备便的更加智能。在传统的物联网解决方案中，设备端只是作为数据的源和命令执行端，并不具备逻辑处理能力，但在很多场景下，我们希望实时的响应能力，设备变得越来越智能，比如：

工厂连接的设备，需要针对紧急状况具备毫秒级的本地处理能力

在车联网方案中，即使汽车驶入车库无法联网，车机也可以工作

野外无人值守的石油设备，由于昂贵的通讯费用（卫星线路 ）可以根据当前的油压，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，只有需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/麦克需要接近实时处理图像，声音，文字等

…….

从这个需求上来讲，我们除了需要物联网场景中云端的大规模计算和接入能力外，也需要设备端具备一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，让设备具备智能，云端的IOT和设备端互相协作：

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，基本的部署模型如下：

一些基本的组件和服务介绍如下：

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

IOT Edge模块：IOT edge上的模块实际上是Docker容器，也就意味着只要是可以容器化的服务，模型，代码，都可以部署到边界设备（无限想象力吧），另外一个层面也说明，只要可以支持Docker的ARM/X86嵌入式设备，都可以作为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，并负责安全通讯等工作。

目前IOT Edge在本例中，测试使用的是Azure public账号，并使用Mac OS作为模拟IOT Edge设备，但因为IOT Edge的运行时和模块都是容器，其实在实际的设备和Linux，Windows上并没有太大区别。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，如有兴趣，可以参考笔者之前文章）：

已经具备Azure账号

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. 首先需要创建一个测试的资源组：

azgroupcreate--namemyaksdemo--locationeastus

2. 创建IOT Hub云端服务

aziot hubcreate--resource-groupmyaksdemo--namemyiotsteven--skuF1

3. 登录到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，所以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：

4. 完成后，点击设备获得连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，我们就需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讯。

所以当你部署的时候，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之后启动，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 "" --auto-cert-gen-force-no-passwords

然后我们就可以启动边界运行时，可以看到，他是以docker的一个容器的方式在运行，在这个时候，我们还没有部署任何模块：

下一部分继续介绍。