Amazon Monitron は新規顧客に公開されなくなりました。既存のお客様は、通常どおりサービスを引き続き使用できます。Amazon Monitron に似た機能については、[ブログ記事](https://aws.amazon.com/blogs/machine-learning/maintain-access-and-consider-alternatives-for-amazon-monitron)を参照してください。
翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# Amazon Monitron Kinesis データエクスポート v1
**注記**
Amazon Monitron の Kinesis データエクスポートスキーマ v1 は廃止されました。[v2 データエクスポートスキーマ](monitron-kinesis-export-v2.md)の詳細を参照してください。
受信した測定データとそれに対応する推論結果を Amazon Monitron からエクスポートして、リアルタイムで分析ができます。データのエクスポートでは、ライブデータが Kinesis にストリーミングされます。
**Topics**
+ [
## Kinesis ストリームへデータをエクスポートする
](#exporting-stream-procedure)
+ [
## ライブデータエクスポート設定を編集する
](#edit-live-export)
+ [
## ライブデータエクスポートを停止する
](#stop-kinesis-export)
+ [
## データエクスポートのエラーを表示する
](#viewing-kinesis-export-errors)
+ [
## Kinesis ストリームへのサーバー側の暗号化の使用
](#data-export-server-side-encryption)
+ [
# Amazon CloudWatch Logs による のモニタリング
](data-export-cloudwatch-logs.md)
+ [
# エクスポートしたデータを Amazon S3 に保存する
](kinesis-store-S3.md)
+ [
# Lambda でデータを処理する
](data-export-lambda.md)
+ [
# v1 データエクスポートスキーマを理解する
](data-export-schema.md)
## Kinesis ストリームへデータをエクスポートする
1. プロジェクトのメインページの下部、右側にある **[ライブデータのエクスポートを開始]** を選択します。
1. **[Amazon Kinesis データストリームの選択]** で、次のいずれかの操作を行います。
+ 検索ボックスに既存のストリーム名を入力して、ステップ 5 に進みます。
+ **[新しいデータストリームを作成]** を選択します。
1. **[データストリームの作成]** ページの **[データストリームの設定]** で、データストリーム名を入力します。
1. [データストリーム容量] で、[容量モード] を選択します。
+ データストリームのスループット要件が予測不可能で変動する場合は、**[オンデマンド]** を選択します。
+ データストリームのスループット要件を確実に見積もることができる場合は、**[プロビジョニング済み]** を選択してください。次に、[プロビジョニングされたシャード] で、作成するシャード数を入力するか、**[シャードの見積もり]** を選択します。
1. [**データストリームの作成**] を選択します。
## ライブデータエクスポート設定を編集する
ライブデータエクスポート設定を編集するには、
1. Amazon Monitron コンソールを開きます。
1. ナビゲーションペインで、**[プロジェクト]** を選択します。
1. プロジェクトが複数ある場合は、エクスポート設定を編集するプロジェクトを選択します。
1. プロジェクトのメインページにある、**[ライブデータエクスポート]** の **[アクション]** のドロップダウンメニューから、**[ライブデータエクスポート設定の編集]** を選択します。
## ライブデータエクスポートを停止する
1. Amazon Monitron コンソールを開きます。
1. ナビゲーションペインで、**[プロジェクト]** を選択します。
1. プロジェクトが複数ある場合は、エクスポート設定を編集するプロジェクトを選択します。
1. プロジェクトのメインページにある、**[ライブデータエクスポート]** の **[アクション]** のドロップダウンメニューから **[ライブデータのエクスポートを停止]** を選択します。
1. ポップアップウィンドウで、**[停止]** を選択します。
## データエクスポートのエラーを表示する
CloudWatch Logs のインターフェイスでエラーメッセージを表示するには、
+ Amazon Monitron コンソールで、プロジェクトのメインページにある **[ライブデータのエクスポート]** から、**[CloudWatch ロググループ]** を選択します。
## Kinesis ストリームへのサーバー側の暗号化の使用
Kinesis データのエクスポートをセットアップする前に、Kinesis ストリームに対してサーバー側の暗号化を有効にできます。ただし、Kinesis データのエクスポートをセットアップした後にサーバー側の暗号化を有効にすると、Amazon Monitron はストリームに公開できなくなります。これは、Amazon Monitron に Kinesis に送信されたデータを暗号化できる [kms:GenerateDataKey](https://docs.aws.amazon.com/kms/latest/APIReference/API_GenerateDataKey.html) を呼び出す権限がないためです。
この問題を回避するには、設定を変更せず、[ライブデータエクスポート設定を編集する](#edit-live-export) に記載の指示に従ってください。設定した暗号化をエクスポート設定に関連付けることができます。
# Amazon CloudWatch Logs による のモニタリング
Amazon CloudWatch Logs を使用して、Amazon Monitron のライブデータエクスポートをモニタリングできます。測定値のエクスポートに失敗すると、Amazon Monitron は CloudWatch Logs にログイベントを送信します。エラーログにメトリクスフィルタを設定してメトリクスを生成し、アラームを設定することもできます。アラームは特定のしきい値を監視し、これらのしきい値に達したときに通知を送信したりアクションを実行したりできます。詳細については、『[CloudWatch ユーザーガイド](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html)』を参照してください。
Amazon Monitron は、/aws/monitron/data-export/\$1HASH\$1ID\$1 ロググループにログイベントを送信します。
ログイベントには次の JSON 形式があります。
```
{
"assetDisplayName": "string",
"destination": "string",
"errorCode": "string",
"errorMessage": "string",
"eventId": "string",
"positionDisplayName": "string",
"projectDisplayName": "string",
"projectName": "string",
"sensorId": "string",
"siteDisplayName": "string",
"timestamp": "string"
}
```
assetDisplayName
+ アプリに表示されるアセット名
+ タイプ: 文字列
destination
+ Kinesis データストリームの ARN
+ タイプ: 文字列
+ パターン: arn:aws:kinesis:\$1\$1REGION\$1\$1:\$1\$1AWS\$1ACCOUNT\$1ID\$1\$1:stream/\$1\$1STREAM\$1NAME\$1\$1
errorCode
+ エラーコード
+ 型: 文字列
+ 有効な値：`INTERNAL_SEVER_ERROR | KINESIS_RESOURCE_NOT_FOUND | KINESIS_PROVISIONED_THROUGHPUT_EXCEEDED | KMS_ACCESS_DENIED | KMS_NOT_FOUND | KMS_DISABLED | KMS_INVALID_STATE | KMS_THROTTLING`
errorMessage
+ 詳しいエラーメッセージ
+ タイプ: 文字列
eventId
+ 各測定値のエクスポートに対応する固有のイベント ID
+ タイプ: 文字列
positionDisplayName
+ アプリに表示されるセンサーの配置名
+ タイプ: 文字列
sensorId
+ 測定値の送信元となるセンサーの物理 ID
+ タイプ: 文字列
siteDisplayName
+ アプリに表示されるサイト名
+ タイプ: 文字列
timestamp
+ Amazon Monitron サービスが測定値を受信したときのタイムスタンプ (UTC 時間)
+ タイプ: 文字列
+ パターン: yyyy-mm-dd hh:mm:ss.SSS
# エクスポートしたデータを Amazon S3 に保存する
**Topics**
+ [
## 事前定義された CloudFormation テンプレートを使用する
](#kinesis-cloudfront-makestack)
+ [
## コンソールで Kinesis を手動で設定する
](#kinesis-configure-console)
## 事前定義された CloudFormation テンプレートを使用する
Amazon Monitron には、Kinesis データストリームから Amazon S3 バケットにデータを配信するように Firehose をすばやくセットアップするための事前定義された AWS CloudFormation テンプレートが用意されています。このテンプレートによって動的パーティショニングが可能になり、配信される Amazon S3 オブジェクトでは Amazon Monitron が推奨する以下のキーフォーマットが使用されます: `/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}`
1. AWS アカウントにサインインします。
1. 以下の URL で新しいブラウザタブを開きます。
```
https://console.aws.amazon.com/cloudformation/home?region=us-east-1#/stacks/create/review?templateURL=https://s3.us-east-1.amazonaws.com/monitron-cloudformation-templates-us-east-1/monitron_kinesis_data_export.yaml&stackName=monitron-kinesis-live-data-export
```
1. 右上隅にある開いている CloudFormation ページで、Amazon Monitron を使用しているリージョンを選択します。
1. デフォルトでは、Amazon S3 にデータを配信するのに必要なその他のリソースとともに、新しい Kinesis データストリームと S3 バケットがテンプレートで作成されます。パラメータを変更して既存のリソースを使用できます。
1. が *IAM リソースを作成する AWS CloudFormation 可能性があることを確認するチェックボックスをオンにします。*
1. **[スタックの作成]** を選択してください。
1. 次のページで、スタックのステータスが CREATE\$1COMPLETE になるまで必要に応じて更新アイコンを選択します。
## コンソールで Kinesis を手動で設定する
1. AWS マネジメントコンソールにサインインし、https://console.aws.amazon.com/kinesis で Kinesis コンソールを開きます。
1. ナビゲーションペインで、**[配信ストリーム]** を選択します。
1. [**Create delivery stream (配信ストリームの作成)**] を選択します。
1. [ソース] で、**[Amazon Kinesis Data Streams]** を選択します。
1. [送信先] で、**[Amazon S3]** を選択します。
1. **[ソースの設定] の [Kinesis Data Stream]** で、Kinesis データストリームの ARN を入力します。
1. **[配信ストリーム名]** に、Kinesis データストリーム名を入力します。
1. **[送信先の設定]** で [Amazon S3 バケット] を選択するか、バケット URI を入力します。
1. (任意) JSON のインライン解析を使用して動的パーティショニングを有効にします。このオプションは、ソース情報とタイムスタンプに基づいて、ストリーミング測定データを分割する場合に適しています。例えば、次のようになります。
+ **[動的パーティショニング]** で **[有効]** を選択します。
+ **[改行の区切り文字]** で **[有効]** を選択します。
+ **[JSON のインライン解析]** で **[有効]** を選択します。
+ **[動的パーティショニングキー]** に以下を追加します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/Monitron/latest/user-guide/kinesis-store-S3.html)
1. **[動的パーティショニングキーを適用]** を選択し、生成された Amazon S3 バケットプレフィックスが `!{partitionKeyFromQuery:project}/!{partitionKeyFromQuery:site}/!{partitionKeyFromQuery:time}/` であることを確認します。
1. Amazon S3 で、オブジェクトは次のキー形式を使用します: `/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}`
1. [**Create delivery stream (配信ストリームの作成)**] を選択します。
1. (任意) より詳細なパスを使用してください。
動的パーティションを選択した場合、 AWS Glue と Athena を使用してデータをクエリする場合は、前の Amazon S3 キー形式を使用します。より詳細なキー形式を選択することもできますが、Amazon Athena クエリでは効率的ではありません。より詳細な Amazon S3 のキーパスを設定する例を次に示します。
**[動的パーティショニングキー]** に以下を追加します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/Monitron/latest/user-guide/kinesis-store-S3.html)
Amazon S3 で、オブジェクトは次のキー形式を使用します: ` /project={projectName}/site={siteName}/asset={assetName}/position={positionName}/sensor={sensorId}/date={yyyy-mm-dd}/time={HH:MM:SS}/{filename}`
# Lambda でデータを処理する
**Topics**
+ [
## ステップ 1: AWS リソースへのアクセス許可を関数に付与する [IAM ロール](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html)を作成する
](#create-iam-role)
+ [
## ステップ 2 : Lambda 関数を作成する
](#create-lambda-function)
+ [
## ステップ 3: Lambda 関数を設定する
](#configure-lambda-function)
+ [
## ステップ 4: AWS Lambda コンソールで Kinesis トリガーを有効にする
](#enable-lambda-trigger)
## ステップ 1: AWS リソースへのアクセス許可を関数に付与する [IAM ロール](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html)を作成する
1. IAM コンソールの [[ロールページ](https://console.aws.amazon.com/iam/home?#/roles)] を開きます。
1. [**ロールの作成**] を選択します。
1. 次のプロパティでロールを作成します。
+ 信頼されたエンティティ: Lambda
+ 権限: AWSLambdaKinesisExecutionRole (Kinesis ストリームが暗号化されている場合は、AWSKeyManagementServicePowerUser)
+ ロール名: lambda-kinesis-role
![\[IAM role creation interface showing name, review, and create steps with role details and permissions.\]](http://docs.aws.amazon.com/ja_jp/Monitron/latest/user-guide/images/lambda-create-role.png)
## ステップ 2 : Lambda 関数を作成する
1. Lambda コンソールの **[関数]** ページを開きます。
1. [**Create function**] (関数の作成) を選択します。
1. [**設計図の使用**] を選択します。
1. **Blueprints** の検索ボックスで、**kinesis-process-record (nodejs)** または **kinesis-process-record-python** を検索して選択します。
1. [**設定**] を選択します。
![\[Create function interface with options to author from scratch, use a blueprint, or select container image.\]](http://docs.aws.amazon.com/ja_jp/Monitron/latest/user-guide/images/lambda-create-function.png)
## ステップ 3: Lambda 関数を設定する
1. **[関数名]** を選択します。
1. 最初のステップで作成したロールを **[実行ロール]** として選択します。
1. Kinesis トリガーを設定します。
1. Kinesis ストリーミングを選択します。
1. **[関数の作成]** を選択します。
![\[Lambda function configuration form with basic information and Kinesis trigger settings.\]](http://docs.aws.amazon.com/ja_jp/Monitron/latest/user-guide/images/lambda-kinesis-trigger.png)
## ステップ 4: AWS Lambda コンソールで Kinesis トリガーを有効にする
1. **[設定]** タブで、**[トリガー]** を選択します。
1. Kinesis ストリーミング名の横にあるボックスにチェックを入れ、**[有効]** を選択します。
![\[Lambda function configuration page with Triggers tab and Kinesis stream trigger highlighted.\]](http://docs.aws.amazon.com/ja_jp/Monitron/latest/user-guide/images/kinesis-process-record-lambda.png)
この例で使用されているブループリントは、選択したストリームのログデータのみを消費します。後で Lambda 関数コードを追加編集して、より複雑なタスクを実行できます。
# v1 データエクスポートスキーマを理解する
**注記**
Amazon Monitron の Kinesis データエクスポートスキーマ v1 は廃止されました。[v2 データエクスポートスキーマ](monitron-kinesis-export-v2.md)の詳細を参照してください。
各測定データとそれに対応する推論結果は、1 つの Kinesis データストリームレコードとして JSON 形式でエクスポートされます。
**Topics**
+ [
## v1 スキーマ形式
](#data-export-schema-format)
+ [
## v1 スキーマパラメータ
](#data-export-schema-parameters)
## v1 スキーマ形式
```
{
"timestamp": "string",
"eventId": "string",
"version": "string",
"projectDisplayName": "string",
"siteDisplayName": "string",
"assetDisplayName": "string",
"sensorPositionDisplayName": "string",
"sensor": {
"physicalId": "string",
"rssi": number
},
"gateway": {
"physicalId": "string"
},
"measurement": {
"features": {
"acceleration": {
"band0To6000Hz": {
"xAxis": {
"rms": number
},
"yAxis": {
"rms": number
},
"zAxis": {
"rms": number
}
},
"band10To1000Hz": {
"resultantVector": {
"absMax": number,
"absMin": number,
"crestFactor": number,
"rms": number
},
"xAxis": {
"rms": number
},
"yAxis": {
"rms": number
},
"zAxis": {
"rms": number
}
}
},
"temperature": number,
"velocity": {
"band10To1000Hz": {
"resultantVector": {
"absMax": number,
"absMin": number,
"crestFactor": number,
"rms": number
},
"xAxis": {
"rms": number
},
"yAxis": {
"rms": number
},
"zAxis": {
"rms": number
}
}
}
},
"sequenceNo": number
},
"models": {
"temperatureML": {
"persistentClassificationOutput": "string",
"pointwiseClassificationOutput": "string"
},
"vibrationISO": {
"isoClass": "string",
"mutedThreshold": "string",
"persistentClassificationOutput": "string",
"pointwiseClassificationOutput": "string"
},
"vibrationML": {
"persistentClassificationOutput": "string",
"pointwiseClassificationOutput": "string"
}
},
"assetState": {
"newState": "string",
"previousState": "string"
}
}
```
## v1 スキーマパラメータ
timestamp
+ Monitron サービスが測定値を受信したときのタイムスタンプ (UTC時間)
+ タイプ: 文字列
+ パターン: yyyy-mm-dd hh:mm:ss.SSS
eventId
+ 各測定値に割り当てられる固有のデータエクスポートイベント ID。受信した Kinesis ストリームレコードを重複排除するのに使用できます。
+ タイプ: 文字列
バージョン
+ スキーマバージョニング
+ タイプ: 文字列
+ 現在の値: 1.0
projectDisplayName
+ アプリとコンソールに表示されるプロジェクト名
+ タイプ: 文字列
siteDisplayName
+ アプリに表示されるサイト名
+ タイプ: 文字列
assetDisplayName
+ アプリに表示されるアセット名
+ タイプ: 文字列
sensorPositionDisplayName
+ アプリに表示されるセンサーの配置名
+ タイプ: 文字列
sensor.physicalId
+ 測定値の送信元となるセンサーの物理 ID
+ タイプ: 文字列
sensor.rssi
+ 信号強度のインジケータ値を受信する Bluetooth センサー
+ タイプ: 数値
+ 単位: dBm
gateway.physicalId
+ Amazon Monitron サービスへのデータ送信に使用されるゲートウェイの物理 ID
+ タイプ: 文字列
measurement.features.acceleration.band0To6000Hz.xAxis.rms
+ X 軸の 0～6000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ 単位: m/s^2
measurement.features.acceleration.band0To6000Hz.yAxis.rms
+ Y 軸の 0～6000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ 単位: m/s^2
measurement.features.acceleration.band0To6000Hz.zAxis.rms
+ Y 軸の 0～6000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ 単位: m/s^2
measurement.features.acceleration.band10To1000Hz.resultantVector.absMax
+ 10～1000 Hz の周波数帯域で観測された絶対最大加速度
+ タイプ: 数値
+ 単位: m/s^2
measurement.features.acceleration.band10To1000Hz.resultantVector.absMin
+ 10～1000 Hz の周波数帯域で観測された絶対最小加速度
+ タイプ: 数値
+ 単位: m/s^2
measurement.features.acceleration.band10To1000Hz.resultantVector.crestFactor
+ 10～1000 Hz の周波数帯域で観測された加速度の波高率
+ タイプ: 数値
measurement.features.acceleration.band10To1000Hz.resultantVector.rms
+ 10～1000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ m/s^2
measurement.features.acceleration.band10To1000Hz.xAxis.rms
+ X 軸の 10～1000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ m/s^2
measurement.features.acceleration.band10To1000Hz.yAxis.rms
+ Y 軸の 10～1000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ m/s^2
measurement.features.acceleration.band10To1000Hz.zAxis.rms
+ Z 軸の 10～1000 Hz の周波数帯域で観測された加速度の二乗平均平方根
+ タイプ: 数値
+ m/s^2
measurement.features.temperature
+ 観測された温度
+ タイプ: 数値
+ °C/摂氏
measurement.features.velocity.band10To1000Hz.resultantVector.absMax
+ 10～1000 Hz の周波数帯域で観測された絶対最大速度
+ タイプ: 数値
+ mm/秒
measurement.features.velocity.band10To1000Hz.resultantVector.absMin
+ 10～1000 Hz の周波数帯域で観測された絶対最小速度
+ タイプ: 数値
+ mm/秒
measurement.features.velocity.band10To1000Hz.resultantVector.crestFactor
+ 10～1000 Hz の周波数帯域で観測された速度の波高率
+ タイプ: 数値
measurement.features.velocity.band10To1000Hz.resultantVector.rms
+ 10～1000 Hz の周波数帯域で観測された速度の二乗平均平方根
+ タイプ: 数値
+ mm/秒
measurement.features.velocity.band10To1000Hz.xAxis.rms
+ X 軸の 10～1000 Hz の周波数帯域で観測された速度の二乗平均平方根
+ タイプ: 数値
+ mm/秒
measurement.features.velocity.band10To1000Hz.yAxis.rms
+ Y 軸の 10～1000 Hz の周波数帯域で観測された速度の二乗平均平方根
+ タイプ: 数値
+ mm/秒
measurement.features.velocity.band10To1000Hz.zAxis.rms
+ Z 軸の 10～1000 Hz の周波数帯域で観測された速度の二乗平均平方根
+ タイプ: 数値
+ mm/秒
measurement.sequenceNo
+ 測定のシーケンス番号
+ タイプ: 数値
models.temperatureML.persistentClassificationOutput
+ 機械学習ベースの温度モデルからの永続的な分類出力
+ タイプ: 数値
+ 有効な値：`UNKNOWN | HEALTHY | WARNING | ALARM`
models.temperatureML.pointwiseClassificationOutput
+ 機械学習ベースの温度モデルからのポイントごとの分類出力
+ 型: 文字列
+ 有効な値：`UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM`
models.vibrationISO.isoClass
+ ISO ベースの振動モデルで使用される ISO 20816 クラス (機械振動の測定と評価に関する規格)
+ 型: 文字列
+ 有効な値：`CLASS1 | CLASS2 | CLASS3 | CLASS4 | FAN_BV2`
models.vibrationISO.mutedThreshold
+ ISO ベースの振動モデルからの通知をミュートするしきい値
+ 型: 文字列
+ 有効な値：`WARNING | ALARM`
models.vibrationISO.persistentClassificationOutput
+ ISO ベースの振動モデルからの永続的な分類出力
+ 型: 文字列
+ 有効な値：`UNKNOWN | HEALTHY | WARNING | ALARM`
models.vibrationISO.pointwiseClassificationOutput
+ ISO ベースの振動モデルからのポイントごとの分類出力
+ 型: 文字列
+ 有効な値：`UNKNOWN | HEALTHY | WARNING | ALARM | MUTED_WARNING | MUTED_ALARM`
models.vibrationML.persistentClassificationOutput
+ 機械学習ベースの振動モデルからの永続的な分類出力
+ 型: 文字列
+ 有効な値：`UNKNOWN | HEALTHY | WARNING | ALARM`
models.vibrationML.pointwiseClassificationOutput
+ 機械学習ベースの振動モデルからのポイントごとの分類出力
+ 型: 文字列
+ 有効な値：`UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM`
assetState.newState
+ 測定を処理した後の機械の状態
+ 型: 文字列
+ 有効な値：`UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM`
assetState.previousState
+ 測定を処理する前の機械の状態
+ 型: 文字列
+ 有効な値：`UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM`