本文分享自華爲雲社區《最佳實踐:華爲雲IoTDA結合ModelArts實現預測分析》,作者:華爲IoT雲服務。
場景說明
在物聯網解決方案中,針對龐大的數據進行自動學習時,需要對海量數據進行標註、訓練,按照傳統的方式進行標註、訓練不僅耗時耗力,而且對資源消耗也是非常龐大的。華爲雲物聯網平臺可以通過規則引擎,將數據轉發到華爲雲其他雲服務,可實現將海量數據通過函數工作流(FunctionGraph)進行處理,再將數據流入AI開發平臺(ModelArts)進行AI分析,並將分析結果統一轉發至HTTP服務器中。
圖1 場景說明
在本示例中,我們實現以下場景:
設備上報銀行客戶特徵信息,物聯網平臺將數據轉發至FunctionGraph,由FunctionGraph轉發至ModelArts進行AI分析,最終將分析的結果轉發至HTTP服務器中。
整體流程
- 創建併發布ModelArts模型。
- 創建FunctionGraph函數。
- 構建一個HTTP服務器。
- 創建MQTT協議產品,並創建設備。
- 創建流轉規則,將數據流轉至FunctionGraph。
- 查看HTTP服務器是否收到AI分析後的消息。
前提條件
- 已註冊華爲官方帳號。未註冊可參考註冊華爲賬戶完成註冊。
- 已完成實名制認證。未完成可在華爲雲上單擊實名認證完成認證,否則會影響後續雲服務的開通。
- 已開通設備接入服務。未開通則訪問設備接入服務,單擊“免費試用”或單擊“價格計算器”購買並開通該服務。
- 已開通FunctionGraph服務。未開通則訪問FunctionGraph服務,單擊“立即使用”後開通該服務。
- 已開通ModelArts服務。未開通則訪問AI開發平臺,單擊“控制檯”後進入該服務。
- 自建一個HTTP服務器,並提供POST接口用來接收推送的數據(本示例默認已經提供好相應的服務器與接口,不再展示如何搭建HTTP服務器指導)。
配置ModelArts模型
1.下載ModelArts-Lab工程,在\ModelArts-Lab-master\official_examples\Using_ModelArts_to_Create_a_Bank_Marketing_Application\data”目錄下獲取訓練數據文件“train.csv”。該訓練數據主要展示銀行中的一種常見業務:根據客戶特徵(年齡、工作類型、婚姻狀況、文化程度、是否有房貸和是否有個人貸款),預測客戶是否願意辦理定期存款業務。
2.可將訓練數據存放在OBS中,供創建數據集使用。進入OBS控制檯,選則一個桶,然後單擊“上傳對象”。若沒有桶,可以單擊右上角“創建桶”創建一個新的桶。
圖2 上傳訓練數據
3.登錄華爲雲官方網站,訪問AI開發平臺,單擊“控制檯”,進入ModelArts服務。
4.選擇左側導航欄“自動學習>前往新版>創建項目”,進入創建預測分析界面。
圖3 預測分析
5.選擇數據集、標籤列(數據中預測結果的列,本示例中爲str7),若沒有數據集,可以單擊“創建數據集”進行創建。
圖4 創建預測分析
圖5 創建數據集
6.當執行到服務部署時,選擇資源池、AI應用及版本,單擊“繼續運行”。
圖6 服務部署
7.等部署完成之後,選擇左側導航欄“部署上線 > 在線服務”,進入在線服務頁面中選擇部署的服務, 單擊“修改”,進入修改服務頁面,打開APP認證進行授權配置,完成後單擊“下一步”並提交。
圖7 授權
8.單擊“部署上線>在線服務”,點擊進入已部署的服務,選擇“預測”,複製以下數據到預測代碼中後,單擊“預測”後可查看返回結果,結果中的predict爲no則表示用戶不會辦理存款。
{ "data": { "count": 1, "req_data": [ { "str1": "34", "str2": "blue-collar", "str3": "single", "str4": "tertiary", "str5": "no", "str6": "no" } ] } }
圖8 預測
9.更多詳細關於Modelarts的說明可以參考ModelArts相關文檔。
配置FunctionGraph函數
1.參考數據轉發至FunctionGraph函數工作流進行函數工作流配置。本示例中由於需要使用ModelArts相關配置參數,可按照如下方式,在代碼中添加配置項並訪問ModelArts預測接口,body體結構參考8。
//2.獲取ModelArts預測鏈接. 用來拼裝請求URL String forecastServerAddress = context.getUserData(FORECAST_SERVER_ADDRESS); log.log("forecastServerAddress: " + forecastServerAddress); //3.獲取ModelArts中的AK/APP_KEY String ak = context.getUserData(ACCESS_KEY); //4.獲取ModelArts中的SK/APP_SECRET String sk = context.getUserData(ACCESS_SECRET); Request request = new Request(); request.setUrl(forecastServerAddress); request.setMethod(HttpMethodName.POST.name()); request.setAppKey(ak); request.setAppSecrect(sk); request.addHeader(HttpHeaders.CONTENT_TYPE, ContentType.APPLICATION_JSON.toString()); request.setBody(body); Signer signer = new Signer(); signer.sign(request); Map<String, String> headers = request.getHeaders(); HttpPost httpPost = new HttpPost(url); headers.forEach(httpPost::setHeader); httpPost.setEntity(new StringEntity(body, ContentType.APPLICATION_JSON)); CloseableHttpResponse response = null; try { response = httpClient.execute(httpPost); if (response.getStatusLine().getStatusCode() == HttpStatus.SC_OK) { String content = EntityUtils.toString(response.getEntity(), StandardCharsets.UTF_8); IoTDAModelArtsDemo.log.log("response content is: + " + content); return content; } String errContent = EntityUtils.toString(response.getEntity(), StandardCharsets.UTF_8); IoTDAModelArtsDemo.log.log("response err content is: + " + errContent); return errContent; } finally { if (response != null) { response.close(); } }
2.在函數工作流中,單擊“設置>環境變量”,環境變量信息如下。
表1 環境變量說明 |
|
---|---|
環境變量 |
說明 |
FORECAST_SERVER_ADDRESS |
訪問ModelArts服務,單擊“部署上線>在線服務”,進入部署服務後單擊“調用指南”,選擇支持App認證方式的API接口公網地址。 |
ACCESS_KEY |
同上,選擇AppKey。 |
ACCESS_SECRET |
同上,選擇AppSecret。 |
NA_MOCK_SERVER_ADDRESS |
將預測結果推送至服務器的地址(本示例不再提供HTTP服務器搭建指導)。 |
圖9 設置環境變量
圖10 查看預測接口信息
3.單擊“代碼>配置測試事件>創建新的測試事件>空白模板”。內容示例如下:
{ "resource": "device.message", "event": "report", "event_time": "20231227T082702Z", "event_time_ms": "2023-12-27T08:27:02.944Z", "request_id": "1d041aa3-29b8-43d3-aae3-3905de130537", "notify_data": { "header": { "app_id": "dc12bf47e95c4723a00f4a007073fc7e", "device_id": "658bdb475d3bc3372c99feb9_12345484121", "node_id": "12345484121", "product_id": "658bdb475d3bc3372c99feb9", "gateway_id": "658bdb475d3bc3372c99feb9_12345484121" }, "body": { "topic": "$oc/devices/658bdb475d3bc3372c99feb9_12345484121/sys/messages/up", "content": { "age": "34", "profession": "blue-collar", "maritalStatus": "single", "educationalStatus": "tertiary", "realEstateSituation": "no", "loanStatus": "tertiary" } } } }
圖11 配置測試事件
4.配置完測試事件後,單擊“測試”,執行結果返回success(以實際函數返回結果爲準),則表示成功。配置的HTTP服務器則能收到對應的預測結果。
圖12 預測結果
創建產品和設備
1.訪問設備接入服務,單擊“管理控制檯”進入設備接入控制檯。
2.選擇左側導航欄的“產品”,單擊“創建產品”,創建一個基於MQTT協議的產品,填寫參數後,單擊“確定”。
圖13 創建產品-MQTT
3.導入產品模型,請參考導入產品模型。
在該產品下注冊設備,請參考註冊單個設備。
說明:本文中使用的產品模型和設備僅爲示例,您可以使用自己的產品模型和設備進行操作。
數據轉發規則配置
1.選擇左側導航欄的“規則>數據轉發”,單擊“創建規則”。
2.參考下表參數說明,填寫規則內容。以下參數取值僅爲示例,您可參考用戶指南創建自己的規則,填寫完成後單擊“創建規則”。
圖14 新建消息上報流轉規則-數據轉發至FunctionGraph
表2 參數說明 |
|
---|---|
參數名 |
參數說明 |
規則名稱 |
自定義,如iotda-functiongraph。 |
規則描述 |
自定義,如數據轉發至FunctionGraph服務。 |
數據來源 |
選擇“設備消息”。 |
觸發事件 |
自動匹配“設備消息上報”。 |
資源空間 |
和上一步創建的產品所在的資源空間保持一致。 |
數據過濾語句 |
通過編寫SQL來解析和處理上報的JSON數據。 |
3.單擊“設置轉發目標”頁籤,單擊“添加”,設置轉發目標。
圖15 新建轉發目標-轉發至FunctionGraph
參考下表參數說明,填寫轉發目標。填寫完成後單擊“確定”。
表3 參數說明 |
|
---|---|
參數名 |
參數說明 |
轉發目標 |
選擇“函數工作流(FunctionGraph)” |
區域 |
選擇“函數工作流”區域。 |
目標函數 |
選擇已配置的函數工作流。 |
4.單擊“啓動”,激活配置好的數據轉發規則。
圖16 啓動規則-消息上報-轉發至FunctionGraph
模擬數據上報及結果驗證
1.使用MQTT模擬器連接到平臺(模擬器使用請參考:使用MQTT.fx調測)。
2.使用模擬器進行消息上報,詳情請參考:設備消息上報。
上報內容如下:
{ "age": "34", "profession": "blue-collar", "maritalStatus": "single", "educationalStatus": "tertiary", "realEstateSituation": "no", "loanStatus": "tertiary" }
3.查看HTTP服務器是否收到預測結果。
圖17 查看消息