AI 助理
备案控制台
文档
输入文档关键字查找
首页 物联网边缘计算 服务支持 物联网边缘计算（旧版本） 用户指南 流数据分析 使用示例 温度平均值计算

温度平均值计算

更新时间：
产品详情
我的收藏

本文以计算五秒温度平均值为例，详细说明如何使用流数据分析预置的算子（统计、窗口等）实现五秒温度平均值的计算并存入数据库中。

本文操作中，步骤一至步骤四主要说明如何计算平均温度，步骤五主要说明如何将计算结果保存到数据库中，步骤六主要说明如何根据需求修改分组维度。步骤五至步骤六为可选步骤，可根据自身需求选择操作。

温度平均值计算

前提条件

请您确保已创建边缘实例，具体操作请参见专业版环境搭建。

背景信息

物联网数据有频率高、数据量大、数据变化小、数据价值较低等特点，将数据直接存储或全部上云的性价比非常低。为减少数据存储及传输成本，需要先将数据进行过滤、聚合之后再存储或上云。

例如，在工厂中有一台机器上安装了多个温度传感器，用于检测机器各部位的温度变化，现在需要把这些传感器的状态变化记录下来，以便进行数据分析及问题追溯。由于传感器每次产生的变化都非常小，为节约成本，需要每五秒（真实场景中可能为一分钟甚至会更长，为了让读者更快看到计算结果，本例采用5秒）求一次温度的平均值再存储到数据库中。

一、添加设备

参考设备模拟器章节中使用设备模拟器驱动部分的内容，创建一个使用设备模拟器驱动的设备，并将设备分配到边缘实例中。

说明
  • 设备分配到边缘实例后，请先不要部署边缘实例，待完成其他操作后统一部署。
  • 若已操作过高温报警示例内容，并创建了温度传感器产品和设备，则无需重复创建。

二、添加流数据分析任务

  1. 参考流数据任务开发，创建、设置并发布流数据任务。

    其中，开发类型选择SQL，运行环境选择边缘。

    1
  2. 系统自动进入流数据任务开发SQL工作台。
    复制如下SQL内容到编辑框中。 
    -- 计算5秒平均温度，并将结果输出到本地文件中

-- 定义数据源表
create table property (
    propertyName varchar,
    propertyValue varchar,
    productKey varchar,
    deviceName varchar,
    ts varchar, -- 属性变化的时间
    tstamp as to_timestamp (cast (ts as bigint)), -- ts为long型字符串，单位为毫秒，需要转化为时间戳格式
    WATERMARK wk FOR tstamp as withOffset (tstamp, 2000) -- 使用时间窗口必须要在源表定义时声明Watermark。Watermark是插入到数据流中的一种特殊的数据，Watermark上带了一个时间戳，其含义是：在这个之后不会收到小于或等于该时间戳的数据。假设数据的乱序程度是1分钟，也就是说等1分钟之后，绝大部分迟到的数据都到了，那么我们就可以定义watermark计算方式为偏移1分钟。2000表示偏移为2秒
) with (
    type = 'edgebus',
    jsonParser = 'device_property'
);

-- 定义数据结果表
create table output (
    productKey varchar,
    deviceName varchar,
    avg_temperature double,
    t_start timestamp,
    t_end timestamp
) with (
    type = 'file', -- 定义了结果表类型，file表示将结果输出到文件中
    filePath = '/linkedge/run/debug/case02_avg_temperature.txt' -- 定义了输出的文件路径
);

-- 计算平均温度并写入结果表中
insert into
    output
select
    productKey,
    deviceName,
    avg (temperature) as avg_temperature, -- 计算平均温度
    tumble_start (tstamp, interval '5' second), -- 时间窗口开始时间（时间窗口长度为5秒)
    tumble_end (tstamp, interval '5' second) -- 时间窗口结束时间（时间窗口长度为5秒）
from (
        select
            productKey,
            deviceName,
            cast (propertyValue as int) as temperature,
            tstamp
        from
            property
        where
            propertyName = 'temperature' -- 筛选出温度属性
    )
where temperature >= 0 and temperature <=100 -- 数据过滤，只计算合法数据
group by
    tumble (tstamp, interval '5' second), -- 按时间窗口维度分组计算（时间窗口长度为5秒）
    productKey, -- 按productKey维度分组计算
    deviceName; -- 按deviceName维度分组计算
  3. 保存任务并发布。
  4. 将该SQL任务分配到边缘实例中，具体操作请参见分配流数据分析到边缘实例。

三、添加消息路由

在边缘实例的实例详情页面，选择消息路由，将温度传感器的属性变化数据路由到平均温度的流数据分析任务中。

1
重要 若边缘实例中有关于将温度传感器到IoTHub的消息路由，请将其删除。

四、部署边缘实例

  1. 在边缘实例的实例详情页面，单击部署，将子设备、流数据分析作业及消息路由下发到边缘端。
  2. 在实例详情页面网关页签，单击网关名称右侧的远程SSH终端，打开两个远程控制台，例如远程控制台1和远程控制台2。远程控制台1用于改变温度传感器温度值，远程控制台2用于查看计算结果。
    说明 需要您先打开网关名称右侧的远程访问按钮，远程SSH终端才可以使用。
    远程调试
  3. 在远程控制台2，执行tail -f /linkedge/run/debug/case01_high_temperature_alarm.txt命令 ，查看输出结果。
    在有数据产生的情况下，计算结果每五秒产生一次。
  4. 在远程控制台1，进入/linkedge/gateway/build/bin目录，多次执行./ds_ctrl property a1WuxHr**** temperatureSensor01 '{"temperature":30}'命令，改变温度传感器状态，温度值可以在30、31两个数值间不断变化，5秒后将会在远程控制台2可看到如下信息。 
    2019-01-30 15:46:43.045 -> a1WuxHr****,temperatureSensor01,30.5,2019-01-30 15:46:35.0,2019-01-30 15:46:40.0
    执行25秒后可看到如下信息。 
    2019-01-30 15:46:43.045 -> a1WuxHr****,temperatureSensor01,30.5,2019-01-30 15:46:35.0,2019-01-30 15:46:40.0
2019-01-30 15:46:49.783 -> a1WuxHr****,temperatureSensor01,30.5,2019-01-30 15:46:40.0,2019-01-30 15:46:45.0
2019-01-30 15:46:53.096 -> a1WuxHr****,temperatureSensor01,30.666666666666668,2019-01-30 15:46:45.0,2019-01-30 15:46:50.0
2019-01-30 15:46:58.119 -> a1WuxHr****,temperatureSensor01,30.333333333333332,2019-01-30 15:46:50.0,2019-01-30 15:46:55.0
2019-01-30 15:47:02.710 -> a1WuxHr****,temperatureSensor01,30.833333333333332,2019-01-30 15:46:55.0,2019-01-30 15:47:00.0

五、（可选）保存温度平均值计算结果到数据库

  1. 在数据库中创建表。
    1. （可选）新建一个RDS实例，或者在搭建边缘环境的机器上安装一个MySQL数据库（也可以跨机器安装，但必须保证两台机器网络互通）。安装命令如下所示。
      说明 若已有MySQL数据库（本地数据库或RDS），可直接跳过本步骤。
      sudo docker run --name mysql -p your_db_port:3306 -e MYSQL_ROOT_PASSWORD=your_db_password -d mysql:5.6.35

      其中，your_db_port为在宿主机（即启动mysql docker的机器）访问数据库的端口号，your_db_password为数据库root账户的密码，请根据实际情况更改。例如，端口号为1234，密码为xxxxxxxx，则实例执行的命令为。

      sudo docker run --name mysql -p 1234:3306 -e MYSQL_ROOT_PASSWORD=xxxxxxxx -d mysql:5.6.35
    2. 为了保证数据库用户名密码的安全性，您需要把数据库用户名密码保存在配置中心（会加密后再存储）。按如下方式设置。
      1. 在物联网平台控制台左侧导航栏中，单击边缘计算 > 边缘实例。
      2. 在相应的边缘实例右侧单击查看，进入实例详情页面，在网关页签下单击远程SSH终端，登录远程控制台，执行如下命令。
      cd /linkedge/gateway/build/bin
./tool_config -s local_db_username root
./tool_config -s local_db_password xxxxxxxx
    3. 查看数据库host，即安装MySQL的宿主机IP。在宿主机上执行ifconfig命令可看到如下结果。 
      lo0: flags=8049<UP,LOOPBACK,RUNNING,MULTICAST> mtu 16384
  options=1203<RXCSUM,TXCSUM,TXSTATUS,SW_TIMESTAMP>
  inet 127.0.0.1 netmask 0xff000000
  inet6 ::1 prefixlen 128
  inet6 fe80::1%lo0 prefixlen 64 scopeid 0x1
  nd6 options=201<PERFORMNUD,DAD>
gif0: flags=8010<POINTOPOINT,MULTICAST> mtu 1280
stf0: flags=0<> mtu 1280
XHC0: flags=0<> mtu 0
XHC20: flags=0<> mtu 0
en0: flags=8863<UP,BROADCAST,SMART,RUNNING,SIMPLEX,MULTICAST> mtu 1500
  ether f0:18:98:37:81:b4
  inet6 fe80::1c6e:7a87:1c27:724d%en0 prefixlen 64 secured scopeid 0x6
  inet 30.43.83.169 netmask 0xfffff000 broadcast 30.43.95.255
  nd6 options=201<PERFORMNUD,DAD>
  media: autoselect
  status: active

      其中，inet参数后的30.43.83.169为宿主机对外IP，即数据库host（用于流数据分析任务中替换your_db_host）。

    4. 下载mysql-client命令行工具或者mysql-client图形化工具（如Navicat、Sequel Pro），进行MySQL数据库的访问，并创建iot_data数据库，用于在流数据分析任务中替换your_db_name参数 。 
      CREATE DATABASE iot_data;
USE iot_data;
    5. 创建名为table_case_02的表，用于在流数据分析任务会中替换your_table_name参数。 
      CREATE TABLE table_case_02 (
    id INT UNSIGNED  NOT NULL  AUTO_INCREMENT  PRIMARY KEY,
    productKey varchar(255),
    deviceName varchar(255),
    avg_temperature double NOT NULL,
    t_start timestamp NOT NULL,
    t_end timestamp NOT NULL 
);
  2. 更新流数据分析任务，并将结果存入数据库。

    在实例详情页面流数据分析页签，单击流数据任务后的查看，进入流数据任务开发SQL工作台页面撤回任务，并将任务内容改为如下SQL后保存并发布。

    -- 计算5秒平均温度，并将结果输出到数据库中

-- 定义数据源表
create table property (
    propertyName varchar,
    propertyValue varchar,
    productKey varchar,
    deviceName varchar,
    ts varchar, -- 属性变化的时间
    tstamp as to_timestamp (cast (ts as bigint)), -- ts为long型字符串，单位为毫秒，需要转化为时间戳格式
    WATERMARK wk FOR tstamp as withOffset (tstamp, 2000) -- 使用时间窗口必须要在源表定义时声明Watermark。Watermark是插入到数据流中的一种特殊的数据，Watermark上带了一个时间戳，其含义是：在这个之后不会收到小于或等于该时间戳的数据。假设数据的乱序程度是1分钟，也就是说等1分钟之后，绝大部分迟到的数据都到了，那么我们就可以定义watermark计算方式为偏移1分钟。2000表示偏移为2秒
) with (
    type = 'edgebus',
    jsonParser = 'device_property'
);

-- 定义数据结果表[此处为变化部分，由之前的文件改成了数据库]
create table output (
    productKey varchar,
    deviceName varchar,
    avg_temperature double,
    t_start timestamp,
    t_end timestamp
) with (
    type = 'rds',
    url='jdbc:mysql://30.43.83.169:1234/iot_data', -- 格式：'jdbc:mysql://your_db_host:your_db_port/your_db_name'
    tableName = 'table_case_02', -- your_table_name
    userName = 'config://local_db_username', -- local_db_username为在配置中存储的用户名的key
    password = 'config://local_db_password' -- local_db_password为在配置中存储的密码的key
);

-- 计算平均温度并写入结果表中
insert into
    output
select
    productKey,
    deviceName,
    avg (temperature) as avg_temperature, -- 计算平均温度
    tumble_start (tstamp, interval '5' second), -- 时间窗口开始时间（时间窗口长度为5秒)
    tumble_end (tstamp, interval '5' second) -- 时间窗口结束时间（时间窗口长度为5秒）
from (
        select
            productKey,
            deviceName,
            cast (propertyValue as int) as temperature,
            tstamp
        from
            property
        where
            propertyName = 'temperature' -- 筛选出温度属性
    )
where temperature >= 0 and temperature <=100
group by
    tumble (tstamp, interval '5' second), -- 按时间窗口维度分组计算（时间窗口长度为5秒）
    productKey, -- 按productKey维度分组计算
    deviceName; -- 按deviceName维度分组计算
  3. 部署边缘实例并查看设备运行结果。
    1. 在边缘实例的实例详情页面，单击部署，将子设备、流数据分析任务及消息路由下发到边缘端。
    2. 在实例详情页面网关页签下，单击网关右侧的远程SSH终端进入远程控制台。
    3. 在远程控制台中，进入/linkedge/gateway/build/bin目录，多次执行如下命令，每次执行时改变temperature参数后的值。 
      ./ds_ctrl property a1WuxHr**** temperatureSensor01 '{"temperature":30}'
      5秒后可在数据库中看到类似如下数据。 
      mysql> select * from table_case_02;
+----+-------------+---------------------+-----------------+---------------------+---------------------+
| id | productKey  | deviceName          | avg_temperature | t_start             | t_end               |
+----+-------------+---------------------+-----------------+---------------------+---------------------+
|  1 | a1WuxHr**** | temperatureSensor01 |              31 | 2019-01-30 16:05:30 | 2019-01-30 16:05:35 |
|  2 | a1WuxHr**** | temperatureSensor01 |              30 | 2019-01-30 16:05:35 | 2019-01-30 16:05:40 |
|  3 | a1WuxHr**** | temperatureSensor01 |            31.6 | 2019-01-30 16:05:40 | 2019-01-30 16:05:45 |
+----+-------------+---------------------+-----------------+---------------------+---------------------+
3 rows in set (0.00 sec)

六、（可选）增加数据计算维度

  1. 添加一个温度传感器。
    1. 参考一、添加设备内容，再添加一个温度传感器设备temperatureSensor02。
    2. 将温度传感器temperatureSensor02的属性变化数据，路由到平均温度的流数据分析任务中。
    3. 参考四、部署边缘实例内容，部署边缘实例并查看设备运行状态。
      需多次改变温度传感器temperatureSensor01和temperatureSensor02状态，每5秒可在数据库中看到两条结果（每个传感器产生一条结果）。 
      mysql> select * from table_case_02 order by t_start desc limit 10;
+----+-------------+---------------------+-----------------+---------------------+---------------------+
| id | productKey  | deviceName          | avg_temperature | t_start             | t_end               |
+----+-------------+---------------------+-----------------+---------------------+---------------------+
| 24 | a1WuxHr**** | temperatureSensor02 |              31 | 2019-01-30 16:31:30 | 2019-01-30 16:31:35 |
| 25 | a1WuxHr**** | temperatureSensor01 |              31 | 2019-01-30 16:31:30 | 2019-01-30 16:31:35 |
| 23 | a1WuxHr**** | temperatureSensor01 |              30 | 2019-01-30 16:31:25 | 2019-01-30 16:31:30 |
| 22 | a1WuxHr**** | temperatureSensor02 |              30 | 2019-01-30 16:31:25 | 2019-01-30 16:31:30 |
| 21 | a1WuxHr**** | temperatureSensor02 |            30.5 | 2019-01-30 16:31:20 | 2019-01-30 16:31:25 |
| 20 | a1WuxHr**** | temperatureSensor01 |            30.5 | 2019-01-30 16:31:20 | 2019-01-30 16:31:25 |
| 19 | a1WuxHr**** | temperatureSensor02 |              31 | 2019-01-30 16:31:15 | 2019-01-30 16:31:20 |
| 18 | a1WuxHr**** | temperatureSensor01 |              31 | 2019-01-30 16:31:15 | 2019-01-30 16:31:20 |
| 17 | a1WuxHr**** | temperatureSensor01 |              31 | 2019-01-30 16:31:10 | 2019-01-30 16:31:15 |
| 16 | a1WuxHr**** | temperatureSensor02 |              31 | 2019-01-30 16:31:10 | 2019-01-30 16:31:15 |
+----+-------------+---------------------+-----------------+---------------------+---------------------+
10 rows in set (0.00 sec)
  2. 求所有传感器的平均温度。
    将本文中的SQL按时间窗口、productKey、deviceName三个维度进行分组计算，可以计算出每个温度传感器5秒的平均温度。若在某些不需要关注每个温度的平均值，只需要知道机器温度的平均值（即所有温度传感器的平均值）的场景中可以将流数据分析任务的SQL改为如下内容（从分组维度中去掉productKey和deviceName）。 
    -- 计算5秒平均温度，并将结果输出到数据库中

-- 定义数据源表
create table property (
    propertyName varchar,
    propertyValue varchar,
    productKey varchar,
    deviceName varchar,
    ts varchar, -- 属性变化的时间
    tstamp as to_timestamp (cast (ts as bigint)), -- ts为long型字符串，单位为毫秒，需要转化为时间戳格式
    WATERMARK wk FOR tstamp as withOffset (tstamp, 2000) -- 使用时间窗口必须要在源表定义时声明Watermark。Watermark是插入到数据流中的一种特殊的数据，Watermark上带了一个时间戳，其含义是：在这个之后不会收到小于或等于该时间戳的数据。假设数据的乱序程度是1分钟，也就是说等1分钟之后，绝大部分迟到的数据都到了，那么我们就可以定义watermark计算方式为偏移1分钟。2000表示偏移为2秒
) with (
    type = 'edgebus',
    jsonParser = 'device_property'
);

-- 定义数据结果表[此处为变化部分，由之前的文件改成了数据库]
create table output (
    productKey varchar,
    deviceName varchar,
    avg_temperature double,
    t_start timestamp,
    t_end timestamp
) with (
    type = 'rds',
    url='jdbc:mysql://30.43.83.169:1234/iot_data', -- 格式：'jdbc:mysql://your_db_host:your_db_port/your_db_name'
    tableName = 'table_case_02', -- your_table_name
    userName = 'config://local_db_username', -- local_db_username为在配置中存储的用户名的key
    password = 'config://local_db_password' -- local_db_password为在配置中存储的密码的key
);

-- 计算平均温度并写入结果表中
insert into
    output
select
    '',
    '',
    avg (temperature) as avg_temperature, -- 计算平均温度
    tumble_start (tstamp, interval '5' second), -- 时间窗口开始时间（时间窗口长度为5秒)
    tumble_end (tstamp, interval '5' second) -- 时间窗口结束时间（时间窗口长度为5秒）
from (
        select
            cast (propertyValue as int) as temperature,
            tstamp
        from
            property
        where
            propertyName = 'temperature' -- 筛选出温度属性
    )
where temperature >= 0 and temperature <=100
group by
    tumble (tstamp, interval '5' second); -- 按时间窗口维度分组计算（时间窗口长度为5秒）
    运行结果如下所示。 
    mysql> select * from table_case_02 order by t_start desc limit 5;
+----+------------+------------+-----------------+---------------------+---------------------+
| id | productKey | deviceName | avg_temperature | t_start             | t_end               |
+----+------------+------------+-----------------+---------------------+---------------------+
| 35 |            |            |            30.5 | 2019-01-30 16:40:55 | 2019-01-30 16:41:00 |
| 34 |            |            |              31 | 2019-01-30 16:40:50 | 2019-01-30 16:40:55 |
| 33 |            |            |              31 | 2019-01-30 16:40:40 | 2019-01-30 16:40:45 |
| 32 |            |            |            30.5 | 2019-01-30 16:40:35 | 2019-01-30 16:40:40 |
| 31 |            |            |              30 | 2019-01-30 16:40:05 | 2019-01-30 16:40:10 |
+----+------------+------------+-----------------+---------------------+---------------------+
5 rows in set (0.00 sec)
上一篇：高温报警下一篇：连续高温报警
文档推荐