Интернет вещей или IoT — это система взаимосвязанных вычислительных устройств, механических и цифровых машин, объектов, животных или людей, которым предоставлены уникальные идентификаторы (UID) и возможность передавать данные по сети, не требуя взаимодействия человека с человеком или взаимодействие человека с компьютером.
Вещью в Интернете вещей может быть человек с имплантированным кардиомонитором, сельскохозяйственное животное с транспондером биочипа, автомобиль со встроенными датчиками для оповещения водителя о низком давлении в шинах или любой другой природный или искусственный объект. которому можно назначить IP-адрес и который может передавать данные по сети.
AWS IoT обеспечивает безопасную двустороннюю связь между подключенными к Интернету устройствами, такими как датчики, приводы, встроенные микроконтроллеры или интеллектуальные устройства, и облаком AWS. AWS IoT пытается помочь разработчикам преодолеть все распространенные препятствия и значительно упростить работу. Основная цель этой платформы, которая была запущена в 2015 году, — предложить инструменты, которые помогут тратить больше времени на разработку продукта, а не на обычные задачи, которые можно легко автоматизировать. Для этого они создали несколько сервисов, тесно связанных с друг друга. Все, что вам нужно, это подумать о функциях, которые нужны вашему проекту, и выбрать сервисы, которые помогут вам их развивать.
Базовая функциональность IoT заключается в подключении всех устройств к облаку Amazon. Это позволяет им взаимодействовать с облачными приложениями и другими подключенными модулями. Говорят, что он может поддерживать миллиарды устройств и триллионы сообщений, а также может обрабатывать и направлять их в нужную конечную точку. Хорошо то, что он поддерживает все распространенные протоколы связи, такие как HTTP, HTTPS, WebSockets, MQTT и т. д. А брокер сообщений AWS IoT, основной встроенный сервис, обеспечивающий обмен сообщениями, также поддерживает MQTT через WebSockets. Из-за этих протоколов разработчики вашего IoT-стартапа могут эффективно подключить продукт к облачной инфраструктуре различных форм и размеров.
MQTT (Message Queuing Telemetry Transport) — это протокол обмена сообщениями на основе стандарта ISO (ISO/IEC PRF 20922)[3] на основе публикации-подписки. Он работает поверх протокола TCP/IP. Он предназначен для соединений с удаленными местами, где требуется «небольшой размер кода» или ограничена пропускная способность сети. Для шаблона обмена сообщениями «публикация-подписка» требуется брокер сообщений.
WebSocket — это протокол компьютерной связи, обеспечивающий полнодуплексные каналы связи по одному TCP-соединению. Протокол WebSocket был стандартизирован IETF как RFC 6455 в 2011 году, а API WebSocket в Web IDL стандартизируется W3C.
WebSocket — это протокол, отличный от HTTP. Оба протокола расположены на уровне 7 в модели OSI и, как таковые, зависят от TCP на уровне 4. Несмотря на то, что они разные, в RFC 6455 говорится, что WebSocket «предназначен для работы через HTTP-порты 80 и 443, а также для поддержки HTTP». прокси и посредники», что делает его совместимым с протоколом HTTP. Для достижения совместимости рукопожатие WebSocket использует заголовок HTTP Upgrade[1] для перехода с протокола HTTP на протокол WebSocket.
``
Интересно, что AWS Core хранит последнее состояние устройства, поэтому в результате для некоторых клиентских приложений оно выглядит так, как будто оно все время было в сети. Есть еще одна интересная вещь с обновлениями состояния — она автоматически обновит их при повторном подключении устройства в будущем и предотвратит ситуацию, когда важные изменения могут быть пропущены. Все это происходит безопасным образом благодаря Защитнику устройств, еще одному сервису в списке AWS.
AWS IoT действительно прост и доступен в один клик. Это не требует каких-либо тяжелых пользовательских спецификаций. Amazon IoT предлагает услугу в один клик, и, короче говоря, он позволяет устройствам выполнять любые функции, которые вы хотите, прямо из коробки. Нет необходимости в дополнительной настройке, нет необходимости писать собственную прошивку и думать о безопасности. Все, что вам нужно сделать, это связать этот щелчок с некоторыми функциями AWS Lambda, такими как C #, Java, Python.
Когда вы думаете о ценах на эту услугу, вам нужно начать работать с услугами, которые вы собираетесь использовать. У каждой из них есть свой прайс-лист с разными тарифами. зависит от количества данных/устройств, которые вы используете через сервисы Amazon.
AWS IoT соответствует самым высоким стандартам безопасности IoT. Безопасность IoT является проблемой, вызывающей озабоченность общественности, и камнем преткновения для большинства стартапов IoT. Amazon не жалеет ресурсов для защиты данных, устройств и связи своих клиентов. Будучи технологическим гигантом, он может позволить себе самые современные подходы к решению проблем безопасности. Чтобы обеспечить полную безопасность обмена данными между платформой AWS IoT и подключенными устройствами. Существует несколько уровней авторизации, аутентификации и шифрования. Оба метода авторизации — метод AWS и традиционный подход с использованием сертификатов X.509 — используются при обмене данными по протоколу HTTPS. MQTT использует подход, основанный на сертификации. Все подключение SigV4 защищает соединение WebSockets. Кроме того, владельцы продуктов могут формировать и применять свои собственные политики безопасности через консоль AWS или с помощью API. AWS IoT интегрирован с IAM. Сервис также поддерживает Cognito, сервис управления идентификацией для мобильных и веб-приложений. Кроме того, AWS предоставляет клиентам AWS CloudTrail — мощный сервис, который обнаруживает и устраняет проблемы безопасности в учетной записи AWS IoT.
Бессерверная архитектура — правильный выбор для стартапов Интернета вещей. Используя бессерверный подход, стартап IoT может снизить стоимость создания MVP и прототипов, а также повысить гибкость всего процесса разработки. Специально созданный сервис Amazon позволяет использовать все эти бессерверные возможности с помощью довольно простой конфигурации — AWS Lambda. AWS Lambda — это полезный элемент архитектуры серверной части Интернета вещей. С помощью AWS IoT и AWS Lambda ваш стартап может создать гибко настраиваемую и гибкую бессерверную серверную часть, которая отличается высокой степенью автоматизации и доступностью.
AWS Iot Analytics в сочетании с искусственным интеллектом и машинным обучением отвечает на растущий спрос на возможности анализа данных в программном обеспечении IoT. AWS представила ряд важных аналитических инструментов. Возьмем, к примеру, аналитику AWS IoT и Amazon Kinesis Analytics. Аналитика AWS IoT — мощный сервис для работы с данными, полученными от IoT-устройств. Это исторический тип аналитики для понимания долгосрочной производительности устройств, бизнес-отчетов и специального анализа, а также прогнозного обслуживания парка. Другая проблема заключается в том, что количество данных, генерируемых IoT-устройствами, превышает количество принятых подходов к их обработке. Разобраться в машинных данных и использовать их для достижения желаемых бизнес-целей — непростая задача. Люди не могут обрабатывать, просматривать и интерпретировать такое количество данных. Даже компьютерные программы не могут этого сделать. Именно здесь вступают в действие алгоритмы AI (искусственный интеллект) и машинного обучения (ML).
Потенциал больших данных невероятен. ИИ в IoT — это то, как мы его разблокируем. По данным Deloitte, в 2017 году число приобретений стартапов, занимающихся ИИ и Интернетом вещей, быстро росло, и ожидается, что в будущем они достигнут рекордных показателей. Стартапы IoT, ориентированные на ИИ, имеют дело с интеллектуальными рассуждениями и быстрым анализом данных, демонстрирующим его в разных отраслях.
Искусственный интеллект — это функциональное решение для управления несколькими подключенными элементами IoT. Кроме того, его неограниченные возможности обработки и обучения имеют решающее значение для понимания груд данных, передаваемых устройствами IoT. Компании могут добиться этого на практике, используя мощное подмножество ИИ, которое называется машинным обучением.
Автоматизированные пылесосы, такие как iRobot Roomba, iRobot установила стандарт, выпустив в 2002 году свой первый коммерчески успешный автоматический пылесос. Основанная робототехником из Массачусетского технологического института, компания разработала технологию, помогающую роботам-пылесосам в форме шайбы отображать и «запоминать» домашнюю планировку, адаптируйтесь к различным поверхностям или новым предметам, убирайте комнату с наиболее эффективной схемой движения и подключайтесь к док-станции, чтобы перезарядить свои батареи.
Решения для интеллектуальных термостатов, такие как Nest Labs. Хотя «умный дом» не произвел революцию в жизни большинства из нас, некоторые компании горячо стремятся изменить это — и есть несколько лучших примеров, чем Nest, компания, приобретенная Google для сообщил о 3,2 миллиарда долларов.
Самоуправляемые транспортные средства, такие как Tesla Motors Cars, — это «вещи», и поскольку мы заинтересованы в «вещах», использующих мощный искусственный интеллект, автомобильные технологии опережают время (я полагаю, каламбур). Это не обязательно потому, что автономные транспортные средства будут самой простой инновацией IoT для воплощения в жизнь (с юридическими и этическими проблемами, жюри не знает, сколько времени потребуется, чтобы в ближайшее время появились беспилотные дороги), но почти все основные автомобили производители, бросающие миллиарды долларов на решение проблемы, она, безусловно, имеет импульс (я полагаю, каламбур).
В другом случае AWS IoT очень сильно зависит от машинного обучения. Интернет вещей является «поставщиком» данных, а машинное обучение — «добытчиком» данных. Чтобы данные, предоставляемые Интернетом вещей, работали, их необходимо уточнить. Десятки датчиков IoT и внешние факторы производят множество точек данных. Задача «майнера» здесь состоит в том, чтобы выявить корреляции между ними, извлечь содержательную информацию из этих переменных и передать ее в хранилище для дальнейшего анализа.
При традиционном аналитическом подходе к данным системе нужны прошлые данные и некоторые экспертные мысли, чтобы объяснить и сообщить о результатах на основе обработки данных. Вместо этого IoT и машинное обучение больше работают на предсказание. Он начинается с желаемого результата и ищет взаимодействия между входными переменными для соответствия критерию. Таким образом, когда алгоритм машинного обучения получает цель, он «обучается» на данных IoT. Эти факторы имеют решающее значение для достижения поставленного результата.
Еще одно достоинство применения машинного обучения к данным IoT заключается в возможности автоматического улучшения его алгоритмов. При получении и объединении большего количества данных интеллектуальная система дает еще более точные прогнозы. Таким образом, предприятия могут получить наиболее рациональное решение без реального «мышления». Система искусственного скалывателя отвечает различным аспектам, начиная от безопасности машины или снижения мощности и заканчивая увеличением предложения персонализированных товаров и услуг.
