Descrição: Nesta aula prática o estudante criará um seriço de Monitoramento IoT baseado nas ferramentas: Docker, Mosquitto, InfluxDB, Grafana. A construção do cenário considera conhecimento prévio em Comunicação em Rede de Computadores e Programação de Computadores.
Objetivos: Com esta aula o estudante ficará apto a construir Aplicações IoT utilizando ferramentas atuais do mercado.
Método: Laboratório Prático (PVA 227), com instruções procedural documentadas e apoio individualizado no processo de execução do laboratório.
Prazo de Entrega: 06/07/2022 21:00 Horas.
- Inicialize o PC do Laboratório PVA 227 com Ubuntu. (Utilize seta para baixo no processo de Boot.)
- Logue com user and pass (aluno, 123456)
sudo apt-get update→ Atualização para que o Ubuntu instale os pacotes mais recentes.sudo apt-get install containerd git→ Para suporte do Ubuntu para containers.sudo apt-get install docker.io docker-compose→ Para que possamos utilizar Containers Docker na máquinasudo apt-get install python3-pip→ Para ser possível instalar posteriormente pacotes Python.sudo usermod -aG docker ${USER}→ Para que o usuário ''aluno'' receba upgrade de sudo para rodar comandos Docker. Dê reboot na máquina e logue novamente com Ubuntu, neste ponto as configurações terão sido aplicadas.- Clone o Repositório no GitHub:
git cone https://github.com/romoreira/SIN492-Aula-Pratica-5 - Abra o diretório SIN492-Aula-Pratica-5/00-docker:
cd SIN492-Aula-Pratica-5/00-docker→ o arquivo de deployment da aula está nesse diretório. - Torne-se seu usuario aluno sudo:
sudo su→ Criaremos os deployment do serviço nesse modo. - Crie uma variável de ambiente DATA_DIR onde os logs da Aplicação IoT irão ser registrados:
export DATA_DIR=/tmp - Crie o diretório para registro de logs do Mosquitto, InfluxDB e Grafana:
mkdir -p ${DATA_DIR}/mosquitto/data ${DATA_DIR}/mosquitto/log ${DATA_DIR}/influxdb ${DATA_DIR}/grafana - Altere a permissão (ownership) dos diretórios criados:
sudo chown -R 1883:1883 ${DATA_DIR}/mosquittosudo chown -R 472:472 ${DATA_DIR}/grafana
- Faça o deployment da Aplicação com o comando:
docker-compose up -d
NOTE: Nsse momento serão criados Containers (Docker) das Aplicações: Mosquitto (Broker IoT), InfluxDB (Banco de Dados para armazenar de forma persistente as informações enviadas pelos sensores), MqttBridge (Pipeline de dados dos sensores e armazenamento dentro do Banco de Dados) e Grafana (para apresentação dos dados coletados pelos sensores IoT)
- Verifique se os containers estão no status de Up:
docker ps -a - Note as portas de rede onde os serviços estão expondo suas funcionalidades (conforme saída do comando acima):
- 3000 - Grafana
- 1883 - Mosquitto
- 8086 - InfluxDB
- Abra o Browser (Firefox) e tente acessar o seriço Grafana:
http://127.0.0.1:3000/Usuário:admine Password:admin(Será pedida a alteração da senha no primeiro login, mantenha a mesma 😀 ). - Vá em Configuration → Data Sources → Add data source
- Escolha o Data source type: InfluxDB e Preencha os campos para conexão com o banco de dados conforme abaixo:
- Name: InfluxDB
- URL: http://influxdb:8086
- Database: iothon_db
- User: root
- Password: root
- Clique em:
Save & TestNote que ao clicar em salvar, aparecerá o resultado do teste acima do botão, se tudo estiver correto, aparecerá: Data source is working.
- Clique em
Back - Clique em Create → Dashboard → Graph (No menu esquerdo pelo icone de mais +)
- Neste ponto terá aparecido um gráfico sem nenhuma informação. Por enquanto vamos deixar assim, não clique fora dessa área. 🙃
A partir de agora, precisamos povoar o Banco de Dados (InfluxDB) com informações relacionados às coletas dos sensores IoT. Como não temos sensores IoT, usaremos um script em Python que atuará como tal.
- Abra uma nova aba no Terminal
CTRL + Shift + T(ou outro Terminal) e instale o seguinte pacote:pip3 install paho-mqttepip install paho-mqtt→ com esse cliente é possível publicar dados em um Broker MQTT. - Abra o diretório 03-iotclient por meio dos comandos:
cd 03-iotclient. Note dentro do arquivoiot-sensor.pyalgumas informações importantes (digite o comando:nano iot-sensor.py:
- O Endereço IP do Broker: 127.0.0.1
- A Porta do Serviço de Rede: 1883
- O Tópico dentro do Mosquitto que ele está escrevendo os valores:
iothon/bme280/temperature→ bme280 é a referência à um sensor de temperatura (fake) e temperature é sua percepção do ambiente. - Esse script fica a cada dois segundos mandando um número aleatório para o Broker MQTT. esse número aleatório simula um sensor de temperatura. Fique a contade para alterar o range de temperatura.
- Saia da edição sem alterar nada (caso queira pode alterar):
CTRL + X
- Vamos colocar esse sensor IoT para mandar os dados para o MQTT Broker, para isso rode o sensor com o seguinte comando:
python3 iot-sensor.py→ note que a saída informará que estão sendo enviados dados para o Broker.
Vamos retomar para o Browser (Firefox) e terminar de configurar os dados para que eles apareçam no Gráfico.
NOTE: Note que nesse ponto nenhuma informação está sendo exibida no gráfico, faremos essa configuração agora. 😉
- Clique na seta Panel Title acima do gráfico e esoclha a opção
Edit - Agora, deverá estar aparecendo as configurações:
Metrics, vamos ajustar alguns parâmetros de busca no Banco de Dados conforme abaixo:
Configuração do nome do eixo-Y (y-Axis) para Temperatura em Celsius:
Configuração da ligação entre os pontos do grafico (TimeSeries): se nulo ligue os últimos pontos:
Nome do Gráfico Temperatura:
- Clique a opção salvar no canto superior direito e dê um nome ao Dashboard, Temperatura. Conforme imagem abaixo. Processo de Save do dashboard, menu direito superior para salvar:
- Agora na tela inicial: Dashboards → Home note que as informações de temperatura (fake) estarão aparecendo no gráfico. Tudo isso euquanto o cliente estiver mandando seus dados. Veja imagem abaixo:
Nesse ponto, você pode imaginar quantas aplicações ou sensores poderiam ser construídas a partir desse deplyoment? Quantos dashboards poderiam ser criados?
Enviar Relatório considerando as questões acima no Moodle.