AWS 사물인터넷, ElasticSearch 7.9 및 Kibana를 통해 금속에서 경보로
10840 단어 iotelasticsearchaws
This post continues from my earlier post on . We replace Timestream and Quicksight with ElasticSearch and Kibana.
왜?
ElasticSearch와 Kibana는 데이터 분석과 시각화에 가장 자주 사용되는 창고일 수 있습니다.ElasticSearch는 호스팅과 관리가 어려운 소프트웨어로 알려져 있습니다.ElasticSearch의 창시자Elastic.co의 위탁 관리 클라우드에 비해 AWS의 위탁 관리 서비스는 더욱 신뢰할 수 있는 선택 중의 하나이다.
인증과 경보 같은 필요한 기능들은 기업판에서만 사용할 수 있다.AWS가 ElasticSearch의 오픈 릴리스를 발표할 때까지ODFE는 오픈소스 버전에 인증, 액세스 제어, 경보, 이상 체크를 추가했고, 이제는 노트북도 추가했다.
이를 통해 ElasticSearch와 Kibana는 다음과 같은 이점을 얻을 수 있습니다.
대량의 논쟁과 도덕적 곤경 우리는 무엇을 건설해야 합니까?
Dell은 다음을 수행할 것입니다.
ElasticSearch 인스턴스 만들기
ElasticSearch 및 Kibana 및 ODFE는 를 사용하여 설치합니다.이것은 단지 시범일 뿐이기 때문에, 우리는
t2.small
노드를 설정할 것이다. 디스크 크기는 10GB
보다 작다.ElasticSearch 버전 Deployment type = Development and testing
을 사용할 것입니다. 이것은 본고를 작성할 때까지 이 서비스의 최신 버전입니다.AWS seems to be tracking the releases much better these days. The latest release on
Elastic.co
is7.10.1
.
주요 보안 고려 사항
ODFE의 네트워크 구성과 세분화된 액세스 제어에 대한 지침을 읽었는지 확인하십시오
7.9
.생산 시스템에 대해 t2.small
보다 큰 실례를 사용하여 정적 암호화를 지원하고 접근 제어를 지원해야 합니다.내가 이곳에서 사용
t2.small
은 시범을 보이기 위한 목적이다. 왜냐하면 이 실례는 몇 시간만 실시간이기 때문이다.구글 일라스틱서치는 늘어나는 노출 서버 수를 위반했다.AWS 유연한 검색 서비스 색인 및 매핑 만들기
An
Public access
은 ElasticSearch에서 가장 높은 논리적 수준입니다.데이터베이스에 있는 테이블과 유사하게 볼 수 있습니다.index
가 필요합니다.index
가 필요하다.mappings
가 필요합니다.맵에서 지정한
PUT
필드는 ElasticSearch에서 timestamp
(실제로datetime) 필드로 해석해야 한다는 것을 주의하십시오.이렇게 해서, 우리 ElasticSearch 실례는 데이터를 받을 준비가 되어 있습니다.
지속적인 그림자 업데이트
date
로 이동하여 시작하십시오.우리는 새로운 규칙 AWS IoT Core -> Act -> Rules
을 만들 것이다.앞과 같이 우리는 하나SendShadowsToElasticSearch
와 하나filter
를 추가할 것이다.필터
우리는 다시
action
필드를 추가해야 하고, 또 timestamp
필드를 추가해야 한다.따라서 이제 SQL 쿼리는 다음과 같습니다.SELECT
state.reported.cpu_usage as cpu_usage,
state.reported.cpu_freq as cpu_freq,
state.reported.cpu_temp as cpu_temp,
state.reported.ram_usage as ram_usage,
state.reported.ram_total as ram_total,
state.reported.timestamp as timestamp,
clientid() as device_id
FROM '$aws/things/+/shadow/update'
행동
ElasticSearch는 AWS 사물인터넷 행동 목록의 일등시민이다.따라서 이 작업을 선택하고 구성합니다.
참고:
device_id
기능 사용id
앞에서 말한 바와 같이 오류가 발생할 때
newuuid()
조작을 사용합니다.우리의 규칙은 결국 이렇게 될 것이다.
Kibana를 사용한 쿼리 및 시각화
시뮬레이터를 다시 시작해서 키바나로 뛰어들어 데이터 분석을 시작합니다.Kibana URL은 AWS ElasticSearch 콘솔에서 볼 수 있습니다
_doc
.데이터를 조회하기 전에 를 만들어야 합니다.입력하면 Kibana에서 색인 모드를 만들라는 메시지가 표시됩니다.놓치면 왼쪽 사이드바
CloudWatch
로 가세요.https://ES_DOMAIN/_plugin/kibana/
를 클릭하고 마법사를 찾습니다.색인이 데이터를 받았기 때문에 열이 검출되었습니다.날짜 필드로 index pattern
를 선택해야 합니다.Stack Management --> Index Patterns
들키다
색인 모드가 완료되면 사이드바에 있는
Create index pattern
로 이동하여 데이터 흐름을 봅니다.만약 당신이 유사한 출력을 보게 된다면, 우리는 계속 가시화를 진행할 수 있습니다.하면, 만약, 만약...
시각화 및 대시보드
일단 우리가 데이터를 수신하기 시작하면 키바나 내의 시각화는 쉽게 설정할 수 있다.사이드바
timestamp
로 이동하여 각 지표에 대해 선형 그래프를 만듭니다.명확히Discover
선택Visualisations
를 집합과 도량으로 선택했다. 예를 들어 필드 아래aws_iot_demo
.필요한 경우 축에 대한 사용자 정의 레이블을 제공합니다.average
, 필드cpu_usage
및 Date Histogram
간격의 X축 스토리지 통을 추가합니다.timestamp
를 통해 구분을 사용하려면 다른 bucket을 추가하십시오. 이번에는 하위 집합 Auto
, 필드 device_id
, 기본 Order by 옵션을 사용하십시오.Terms
는 ElasticSearch가 색인device_id.keyword
열에 저장된 문자열을 나타낸다.device_id.keyword
를 클릭하면 당신의 도표는 이와 비슷해야 합니다.다른 지표를 시각화하고 사이드바에서
device_id
에 추가합니다.대시보드는 다음과 같습니다.QuickSight와 달리 키바나 계기판은 웹 사이트에 스냅샷으로 삽입할 수 있다.
경고
그라파나와 달리 키바나의 경보는 시각화에 독립적이다.그것들은 두 단계로 나뉘는데 그것이 바로 모니터와 트리거이다.
모니터
모니터는 계획대로 실행되는 조회입니다.다음 그림과 유사합니다.조회는 사용자 인터페이스/시각화 도형, 심지어 이상 검측(다음 절에서 상세하게 소개)을 통해 정의할 수 있다.
extraction query
촉발
트리거는 모니터가 되돌아오는 값을 특정 한도값과 비교합니다.임계값을 초과하면 트리거는 일부 단점을 알릴 수 있습니다.현재 내장 목적지는
Update
, Dashboard
, Amazon SNS
및 Amazon Chime
로 제한되어 있다.UI에서 경고를 볼 수 있도록 대상이 없는 트리거를 만듭니다.경고가 발생하면 해당 경고가 활성화되어 경고 대시보드에 표시됩니다.
Slack
경보는 Custom webhook
로 조작원이 이 문제를 조사하고 있다는 것을 시스템에 알릴 수 있다.메트릭/쿼리가 임계값을 더 이상 위반하지 않으면 경고는 Active
입니다.자세한 내용은 를 참조하십시오.the docs
이상 검출
이상 검출은 ODFE에서 비교적 새로운 기능으로 빈번하게 업데이트되었다.AWS의 버전
Acknowledged
부터 설정할 수 있습니다.Completed
정기적으로 전체 또는 일부 데이터를 조회하고 7.9
특정 필드나 사용자 정의 조회를 감시하여 이상을 찾습니다.의사 01 명 공책
는 시각적이고 묘사적인 텍스트가 있는 Jupyter와 유사한 노트북을 만들 수 있는 실험적인 기능이다.반드시 강조해야 할 것은 이러한 기능들이 Jupyter의 기능과 매우 거리가 멀다는 것이다. Jupyter의 기능은 당연히 Python 등 완전한 프로그래밍 언어의 강력한 기능을 포함한다.그러나 그것들은 단지 시작일 뿐이다. 우리는 그들이 어떻게 진보하는지 보고 매우 기뻤다.
Kibana 노트북 결론
Elastic Search와 Kibana는 칭찬할 만한 프로젝트로 검색엔진부터 점방 택시 서비스까지 모든 것에 동력을 제공한다.창고의 다기능성도 시간 서열 데이터에 대한 적용성에서 알 수 있다.
QuickSight,Grafana,ElasticSearch+Kibana를 비교할 때 다음과 같이 권장합니다.
Timestream+QuickSight
생각, 문제 또는 정정?
우리에게 편지를 쓰다
Reference
이 문제에 관하여(AWS 사물인터넷, ElasticSearch 7.9 및 Kibana를 통해 금속에서 경보로), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://dev.to/tejpochiraju/from-metal-to-alerts-with-aws-iot-elasticsearch-7-9-and-kibana-oa8텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)