教程：通过透明网关发送数据

项目
9/12/2022

适用于： IoT Edge 1.1

重要

IoT Edge 1.1 终止支持日期为 2022 年 12 月 13 日。请查看 Microsoft 产品生命周期，了解此产品、服务、技术或 API 的受支持情况。有关更新到最新版本IoT Edge的详细信息，请参阅更新IoT Edge。

本文将再次使用开发 VM 作为模拟设备，但不会直接将数据发送到 IoT 中心，而是通过该设备将数据发送到配置为透明网关的 IoT Edge 设备。

当模拟设备正在发送数据时，我们将监视 IoT Edge 设备的运行情况。设备完成运行后，我们将查看存储帐户中的数据，以验证一切是否按预期方式工作。

此步骤通常由云或设备开发人员执行。

本教程的此部分介绍了如何：

生成并运行下游设备。
验证生成的数据是否存储在 Azure Blob 存储中。
验证机器学习模型是否对设备数据进行了分类。

先决条件

有一系列教程介绍如何在 IoT Edge 上使用 Azure 机器学习，本文是其中的一篇。这一系列中的每篇文章都环环相扣，后一篇以前一篇为基础。如果你是直接转到本文的，请访问本系列的第一篇文章。

查看设备的装备

重复使用 DeviceHarness 项目来模拟下游设备。连接到透明网关需要做好两项额外的准备：

注册证书，使下游 IoT 设备信任 IoT Edge 运行时使用的证书颁发机构。在我们的事例中，下游设备为开发 VM。
将边缘网关的完全限定域名 (FQDN) 添加到设备连接字符串。

请查看代码，了解如何完成这两项操作。

在开发计算机上打开 Visual Studio Code。
使用“文件”>“打开文件夹...”打开 C:\source\IoTEdgeAndMlSample\DeviceHarness。
查看 Program.cs 中的 InstallCertificate() 方法。
请注意，如果代码找到了证书路径，则会调用 CertificateManager.InstallCACert 方法在计算机上安装证书。
现在请查看 TurbofanDevice 类中的 GetIotHubDevice 方法。
当用户使用“-g”选项指定网关的 FQDN 时，该值将作为 gatewayFqdn 变量传递到此方法，并附加到设备连接字符串。
```
connectionString = $"{connectionString};GatewayHostName={gatewayFqdn.ToLower()}";
```

生成并运行下游设备

在 DeviceHarness 项目仍在 Visual Studio Code 中打开时，生成项目。从“终端”菜单中，选择“运行生成任务”，然后选择“生成” 。
通过导航到 Azure 门户中的 IoT Edge 设备 (Linux VM) 并从“概述”页复制“DNS 名称”值，找到边缘网关的完全限定域名 (FQDN)。
启动 IoT 设备 (Linux VM)（如果尚未运行）。
打开 Visual Studio Code 终端。从“终端”菜单选择“新建终端”，并运行以下命令，将 <edge_device_fqdn> 替换为从 IoT Edge 设备 (Linux VM) 复制的 DNS 名称：
```
dotnet run -- --gateway-host-name "<edge_device_fqdn>" --certificate C:\edgecertificates\certs\azure-iot-test-only.root.ca.cert.pem --max-devices 1
```
应用程序会尝试将证书安装到开发计算机。安装证书时，请接受安全警告。
出现 IoT 中心连接字符串的提示时，请在 Azure IoT 中心设备面板中单击省略号 (…)，然后选择“复制 IoT 中心连接字符串” 。将值粘贴到终端中。

此时会显示如下所示的输出：

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

请注意“GatewayHostName”已添加到设备连接字符串，这会导致设备通过 IoT Edge 透明网关与 IoT 中心通信。

检查输出

IoT Edge 设备输出

随时可以通过查看 IoT Edge 设备来观察 avroFileWriter 模块的输出。

通过 SSH 连接到 IoT Edge 虚拟机。
查找已写入到磁盘中的文件。
```
find /data/avrofiles -type f
```
该命令的输出如以下示例所示：
```
/data/avrofiles/2019/4/18/22/10.avro
```
根据运行所花费的时间，可能会出现多个文件。
请注意时间戳。一旦上次修改时间超过 10 分钟（查看 avroFileWriter 模块中 uploader.py 内的 MODIFIED_FILE_TIMEOUT），avroFileWriter 模块就会将文件上传到云中。
10 分钟过后，该模块应会上传文件。如果上传成功，它会从磁盘中删除文件。

Azure 存储

通过查看预期要将数据路由到的存储帐户，来观察下游设备发送数据的结果。

在开发计算机上打开 Visual Studio Code。
在资源管理器窗口中的“AZURE 存储”面板上，浏览树形结构以找到你的存储帐户。
展开“Blob 容器”节点。
根据我们在本教程的前面部分所做的工作，预期 ruldata 容器应该包含带有 RUL 的消息。展开“ruldata”节点。
你将看到一个或多个类似于 <IoT Hub Name>/<partition>/<year>/<month>/<day>/<hour>/<minute> 的 Blob 文件。
右键单击某个文件并选择“下载 Blob”，以将文件保存到开发计算机。
接下来，展开“uploadturbofanfiles”节点。在前一篇文章中，我们已将此位置设置为 avroFileWriter 模块上传的文件的目标。
右键单击文件并选择“下载 Blob”，以将其保存到开发计算机。

读取 Avro 文件内容

我们提供了一个简单的命令行实用工具用于读取 Avro 文件，以及返回该文件中的消息的 JSON 字符串。在本部分，我们将安装并运行该实用工具。

在 Visual Studio Code 中打开终端（选择“终端”>“新建终端”）。

安装 hubavroreader：

pip install c:\source\IoTEdgeAndMlSample\HubAvroReader

使用 hubavroreader 读取从 ruldata 下载的 Avro 文件。
```
hubavroreader <avro file with ath> | more
```

可以看到，消息正文符合我们的预期，其中包含设备 ID 和预测的 RUL。

{
    "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"
    }
}

运行同一命令并传递从 uploadturbofanfiles 下载的 Avro 文件。

如我们所料，这些消息包含原始消息中的所有传感器数据和操作设置。此数据可用于改进边缘设备上的 RUL 模型。

{
    "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>"
}

清理资源

如果你打算继续学习本端到端教程中使用的资源，请等到学完之后再清理创建的资源。否则，通过以下步骤删除它们：

删除所创建的用于保存开发 VM、IoT Edge VM、IoT 中心、存储帐户和机器学习工作区服务的资源组（以及创建的资源：容器注册表、Application Insights、密钥保管库和存储帐户）。
删除 Azure Notebooks 中的机器学习项目。
如果在本地克隆了存储库，请关闭任何引用该本地存储库的 PowerShell 或 VS Code 窗口，然后删除存储库目录。
如果在本地创建了证书，请删除文件夹 c:\edgeCertificates。

后续步骤

在本文中，我们已使用开发 VM 模拟了一个向 IoT Edge 设备发送传感器和操作数据的下游设备。我们通过检查边缘设备的实时操作并查看上传到存储帐户的文件，验证了该设备上的模块可以路由、分类、持久保存和上传数据。

若要继续了解 IoT Edge 功能，请尝试下一教程：