终止支持通知：2026 年 10 月 7 日， AWS 将停止对的支持。 AWS IoT Greengrass Version 1 2026 年 10 月 7 日之后，您将无法再访问这些 AWS IoT Greengrass V1 资源。如需了解更多信息，请访问[迁移自 AWS IoT Greengrass Version 1](https://docs.aws.amazon.com/greengrass/v2/developerguide/migrate-from-v1.html)。 本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 配置 IDT 设置以运行 AWS IoT Greengrass 资格套件 在运行测试之前，您必须在主机上配置 AWS 凭据和设备的设置。 ## 配置您的 AWS 凭证 您必须在 ` /configs/config.json` 文件中配置 IAM 用户凭证。使用中创建的 AWS IoT Greengrass 用户的 IDT 凭证。[创建和配置 AWS 账户](dev-tst-prereqs.md#config-aws-account-for-idt)您可以采用以下两种方法之一来指定凭证： + 凭证文件 + 环境变量 ### 使用 AWS 凭证文件配置凭证 IDT 使用与 AWS CLI相同的凭证文件。有关更多信息，请参阅[配置和凭证文件](https://docs.aws.amazon.com/cli/latest/userguide/cli-config-files.html)。 凭证文件的位置因您使用的操作系统而异： + macOS、Linux：`~/.aws/credentials` + Windows：`C:\Users\UserName\.aws\credentials` 按以下格式将您的 AWS 凭证添加到`credentials`文件中： ``` [default] aws_access_key_id = aws_secret_access_key = ``` 要将 IDT 配置 AWS IoT Greengrass 为使用`credentials`文件中的 AWS 凭据，请按如下方式编辑您的`config.json`文件： ``` { "awsRegion": "us-west-2", "auth": { "method": "file", "credentials": { "profile": "default" } } } ``` **注意** 如果您不使用`default` AWS 配置文件，请务必更改文件中的配置`config.json`文件名称。有关更多信息，请参阅[命名配置文件](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-profiles.html)。 ### 使用环境变量配置 AWS 凭证 环境变量是由操作系统维护且由系统命令使用的变量。如果您关闭 SSH 会话，则不会保存它们。IDT fo AWS IoT Greengrass r 可以使用`AWS_ACCESS_KEY_ID`和`AWS_SECRET_ACCESS_KEY`环境变量来存储您的 AWS 证书。 要在 Linux、macOS 或 Unix 上设置这些变量，请使用 **export**： ``` export AWS_ACCESS_KEY_ID= export AWS_SECRET_ACCESS_KEY= ``` 要在 Windows 上设置这些变量，请使用 **set**： ``` set AWS_ACCESS_KEY_ID= set AWS_SECRET_ACCESS_KEY= ``` 要配置 IDT 以使用环境变量，请编辑 `config.json` 文件中的 `auth` 部分。示例如下： ``` { "awsRegion": "us-west-2", "auth": { "method": "environment" } } ``` ## 配置 device.json 除了 AWS 凭据外，IDT 还 AWS IoT Greengrass 需要有关运行测试的设备的信息（例如 IP 地址、登录信息、操作系统和 CPU 架构）。 您必须使用位于 ` /configs/device.json` 中的 `device.json` 模板提供此信息： ------ #### [ Physical device ] ``` [ { "id": "", "sku": "", "features": [ { "name": "os", "value": "linux | ubuntu | openwrt" }, { "name": "arch", "value": "x86_64 | armv6l | armv7l | aarch64" }, { "name": "container", "value": "yes | no" }, { "name": "docker", "value": "yes | no" }, { "name": "streamManagement", "value": "yes | no" }, { "name": "hsi", "value": "yes | no" }, { "name": "ml", "value": "mxnet | tensorflow | dlr | mxnet,dlr,tensorflow | no" }, *********** Remove the section below if the device is not qualifying for ML **************, { "name": "mlLambdaContainerizationMode", "value": "container | process | both" }, { "name": "processor", "value": "cpu | gpu" }, ****************************************************************************************** ], *********** Remove the section below if the device is not qualifying for HSI *************** "hsm": { "p11Provider": "/path/to/pkcs11ProviderLibrary", "slotLabel": "", "slotUserPin": "", "privateKeyLabel": "", "openSSLEngine": "/path/to/openssl/engine" }, ******************************************************************************************** *********** Remove the section below if the device is not qualifying for ML **************** "machineLearning": { "dlrModelPath": "/path/to/compiled/dlr/model", "environmentVariables": [ { "key": "", "value": "" } ], "deviceResources": [ { "name": "", "path": "", "type": "device | volume" } ] }, ****************************************************************************************** "kernelConfigLocation": "", "greengrassLocation": "", "devices": [ { "id": "", "connectivity": { "protocol": "ssh", "ip": "", "port": 22, "auth": { "method": "pki | password", "credentials": { "user": "", "privKeyPath": "/path/to/private/key", "password": "" } } } } ] } ] ``` **注意** 只有当 `method` 设置为 `pki` 时才指定 `privKeyPath`。 只有当 `method` 设置为 `password` 时才指定 `password`。 ------ #### [ Docker container ] ``` [ { "id": "", "sku": "", "features": [ { "name": "os", "value": "linux | ubuntu | openwrt" }, { "name": "arch", "value": "x86_64" }, { "name": "container", "value": "no" }, { "name": "docker", "value": "no" }, { "name": "streamManagement", "value": "yes | no" }, { "name": "hsi", "value": "no" }, { "name": "ml", "value": "mxnet | tensorflow | dlr | mxnet,dlr,tensorflow | no" }, *********** Remove the section below if the device is not qualifying for ML **************, { "name": "mlLambdaContainerizationMode", "value": "process" }, { "name": "processor", "value": "cpu | gpu" }, ****************************************************************************************** ], *********** Remove the section below if the device is not qualifying for ML **************** "machineLearning": { "dlrModelPath": "/path/to/compiled/dlr/model", "environmentVariables": [ { "key": "", "value": "" } ], "deviceResources": [ { "name": "", "path": "", "type": "device | volume" } ] }, ****************************************************************************************** "kernelConfigLocation": "", "greengrassLocation": "", "devices": [ { "id": "", "connectivity": { "protocol": "docker", "containerId": "", "containerUser": "" } } ] } ] ``` ------ 包含值的所有字段都为必填字段，如下所述： `id` 一个用户定义的字母数字 ID，用于唯一地标识称作*设备池*的设备集合。属于池的设备必须具有相同的硬件。运行一组测试时，池中的设备将用于对工作负载进行并行化处理。多个设备用于运行不同测试。 `sku` 唯一标识所测试设备的字母数字值。该 SKU 用于跟踪符合条件的主板。 如果您想在 AWS Partner 设备目录中发布您的主板，则在此处指定的 SKU 必须与您在发布过程中使用的 SKU 相匹配。 `features` 包含设备支持的功能的数组。所有功能都是必需的。 `os` 和 `arch` 支持的操作系统 (OS) 和架构组合： + `linux`, `x86_64` + `linux`, `armv6l` + `linux`, `armv7l` + `linux`, `aarch64` + `ubuntu`, `x86_64` + `openwrt`, `armv7l` + `openwrt`, `aarch64` 如果您使用 IDT 测试在 Docker 容器中 AWS IoT Greengrass 运行，则仅支持 x86\$164 Docker 架构。 `container` 验证设备是否满足在 Greengrass 核心上以容器模式运行 Lambda 函数的所有软硬件要求。 有效值为 `yes` 或 `no`。 `docker` 验证设备是否满足使用 Greengrass Docker 应用程序部署连接器以运行容器的所有必要技术依赖项 有效值为 `yes` 或 `no`。 `streamManagement` 验证设备是否满足运行 AWS IoT Greengrass 直播管理器所需的所有技术依赖项。 有效值为 `yes` 或 `no`。 `hsi` 验证提供的 HSI 共享库是否可以与硬件安全模块 (HSM) 接口并正确实现所需的 PKCS \$111。 APIs HSM 和共享库必须能够签署 CSR，执行 TLS 操作，并提供正确的密钥长度和公有密钥算法。 有效值为 `yes` 或 `no`。 `ml` 验证设备是否满足在本地执行 ML 推理所需的所有技术依赖项。 有效值可以是 `mxnet`、`tensorflow`、`dlr` 和 `no` 的任意组合（例如 `mxnet`、`mxnet,tensorflow`、`mxnet,tensorflow,dlr` 或 `no`）。 `mlLambdaContainerizationMode` 验证设备是否满足在 Greengrass 设备的容器模式下执行 ML 推理所需的所有技术依赖关系。 有效值为 `container`、`process` 或 `both`。 `processor` 验证设备是否满足指定处理器类型的所有硬件要求。 有效值为 `cpu` 或 `gpu`。 如果您不想使用 `container`、`docker`、`streamManager`、`hsi` 或 `ml` 功能，则可以将对应的 `value` 设置为 `no`。 Docker 仅支持 `streamManagement` 和`ml` 的功能资格认证。 `machineLearning` 可选。ML 资格认证测试的配置信息。有关更多信息，请参阅 [为 ML 资格认证配置 device.json](#device-json-ml-qualification)。 `hsm` 可选。用于使用 AWS IoT Greengrass 硬件安全模块 (HSM) 进行测试的配置信息。否则，应忽略 `hsm` 属性。有关更多信息，请参阅 [硬件安全性集成](hardware-security.md)。 此属性仅在 `connectivity.protocol` 设置为 `ssh` 时适用。 `hsm.p11Provider` PKCS\$111 实施的 libdl-loadable 库的绝对路径。 `hsm.slotLabel` 用于标识硬件模块的槽标签。 `hsm.slotUserPin` 用于向模块验证 AWS IoT Greengrass 核心的用户 PIN。 `hsm.privateKeyLabel` 用于标识硬件模块中的键的标签。 `hsm.openSSLEngine` 指向 OpenSSL 引擎的 `.so` 文件（用于在 OpenSSL 上启用 PKCS \$1 11 支持）的绝对路径。由 AWS IoT Greengrass OTA 更新代理使用。 `devices.id` 用户定义的测试的设备的唯一标识符。 `connectivity.protocol` 用于与此设备通信的通信协议。目前，唯一支持的值，对于物理设备为 `ssh`，对于 Docker 容器为 `docker`。 `connectivity.ip` 测试的设备 IP 地址。 此属性仅在 `connectivity.protocol` 设置为 `ssh` 时适用。 `connectivity.containerId` 所测试的 Docker 容器的容器 ID 或名称。 此属性仅在 `connectivity.protocol` 设置为 `docker` 时适用。 `connectivity.auth` 连接的身份验证信息。 此属性仅在 `connectivity.protocol` 设置为 `ssh` 时适用。 `connectivity.auth.method` 用于通过给定的连接协议访问设备的身份验证方法。 支持的值为： + `pki` + `password` `connectivity.auth.credentials` 用于身份验证的凭证。 `connectivity.auth.credentials.password` 该密码用于登录到正在测试的设备。 此值仅在 `connectivity.auth.method` 设置为 `password` 时适用。 `connectivity.auth.credentials.privKeyPath` 用于登录所测试设备的私有密钥的完整路径。 此值仅在 `connectivity.auth.method` 设置为 `pki` 时适用。 `connectivity.auth.credentials.user` 用于登录所测试设备的用户名。 `connectivity.auth.credentials.privKeyPath` 用于登录所测试设备的私有密钥的完整路径。 `connectivity.port` 可选。用于 SSH 连接的端口号。 默认值为 22。 此属性仅在 `connectivity.protocol` 设置为 `ssh` 时适用。 `greengrassLocation` AWS IoT Greengrass Core 软件在您的设备上的位置。 对于物理设备，只有在使用现有安装时才使用此值 AWS IoT Greengrass。使用该属性可告知 IDT 使用设备上安装的 AWS IoT Greengrass 核心软件版本。 通过提供的 Docker 镜像或 Dockerfile 在 Docker 容器中运行测试时 AWS IoT Greengrass，请将此值设置为。`/greengrass` `kernelConfigLocation` 可选。内核配置文件的路径。 AWS IoT 设备测试器使用此文件来检查设备是否启用了所需的内核功能。如果未指定，IDT 将使用以下路径搜索内核配置文件：`/proc/config.gz`和`/boot/config-`。 AWS IoT Device Tester 使用它所找到的第一个路径。 ## 为 ML 资格认证配置 device.json 本节介绍设备配置文件中适用于 ML 资格认证的可选属性。如果计划运行 ML 资格认证测试，则必须定义适用于您的使用案例的属性。 您可以使用 `device-ml.json` 模板来定义设备的配置设置。此模板包含可选的 ML 属性。您也可以使用 `device.json` 并添加 ML 资格认证属性。这些文件位于 `/configs` 中，包括 ML 资格认证属性。如果使用 `device-ml.json`，则必须将该文件重命名为 `device.json`，然后再运行 IDT 测试。 有关不适用于 ML 资格认证的设备配置属性的信息，请参阅[配置 device.json](#device-config)。   `features` 数组中的 `ml` 您的主板支持的 ML 框架。此属性需要 IDT v3.1.0 或更高版本。 + 如果您的主板仅支持一个框架，请指定该框架。例如： ``` { "name": "ml", "value": "mxnet" } ``` + 如果您的主板支持多个框架，请以逗号分隔列表的形式指定这些框架。例如： ``` { "name": "ml", "value": "mxnet,tensorflow" } ``` `features` 数组中的 `mlLambdaContainerizationMode` 测试将采用的[容器化模式](lambda-group-config.md#lambda-containerization-considerations)。此属性需要 IDT v3.1.0 或更高版本。 + 选择 `process`，将使用非容器化的 Lambda 函数运行 ML 推理代码。此选项需要 AWS IoT Greengrass v1.10.x 或更高版本。 + 选择 `container`，将使用容器化的 Lambda 函数运行 ML 推理代码。 + 选择 `both`，可在两种模式下运行 ML 推理代码。此选项需要 AWS IoT Greengrass v1.10.x 或更高版本。 `features` 数组中的 `processor` 指示您的主板支持的硬件加速器。此属性需要 IDT v3.1.0 或更高版本。 + 如果主板使用 CPU 作为处理器，则选择 `cpu`。 + 如果主板使用 GPU 作为处理器，则选择 `gpu`。 `machineLearning` 可选。ML 资格认证测试的配置信息。此属性需要 IDT v3.1.0 或更高版本。 `dlrModelPath` 使用 `dlr` 框架时需要。DLR 已编译模型目录的绝对路径，必须命名为 `resnet18`。有关更多信息，请参阅 [编译 DLR 模型](idt-ml-qualification.md#ml-qualification-dlr-compile-model)。 以下是 macOS 上的路径示例：`/Users//Downloads/resnet18`。 `environmentVariables` 可将设置动态传递给 ML 推理测试的键值对数组。对于 CPU 设备为可选。您可以使用此部分添加设备类型所需的特定于框架的环境变量。有关这些要求的信息，请参阅框架或设备的官方网站。例如，要在某些设备上运行 MXNet 推理测试，可能需要以下环境变量。 ``` "environmentVariables": [ ... { "key": "PYTHONPATH", "value": "$MXNET_HOME/python:$PYTHONPATH" }, { "key": "MXNET_HOME", "value": "$HOME/mxnet/" }, ... ] ``` 该`value`字段可能因您的 MXNet 安装而异。 如果您要测试在 GPU 设备上使用[容器化](lambda-group-config.md#lambda-containerization-considerations)运行的 Lambda 函数，请为 GPU 库添加环境变量。这将使得 GPU 执行计算成为可能。要使用不同的 GPU 库，请参阅库或设备的官方文档。 如果将 `mlLambdaContainerizationMode` 功能设置为 `container` 或 `both`，请配置以下键。 ``` "environmentVariables": [ { "key": "PATH", "value": ":$PATH" }, { "key": "LD_LIBRARY_PATH", "value": "" }, ... ] ``` `deviceResources` 对于 GPU 设备为必需。包含可通过 Lambda 函数访问的[本地资源](access-local-resources.md#lra-resource-types)。可使用此部分来添加本地设备和卷资源。 + 对于设备资源，请指定 `"type": "device"`。对于 GPU 设备，设备资源应为 `/dev` 下的与 GPU 相关的设备文件。 **注意** 但 `/dev/shm` 目录除外。只能将其配置为卷资源。 + 对于卷资源，请指定 `"type": "volume"`。