Amazon Monitron 不再向新客戶開放。現有客戶可以繼續正常使用該服務。如需類似 Amazon Monitron 的功能，請參閱我們的[部落格文章](https://aws.amazon.com/blogs/machine-learning/maintain-access-and-consider-alternatives-for-amazon-monitron)。 本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # Amazon Monitron Kinesis 資料匯出 v1 **注意** Amazon Monitron Kinesis 資料匯出結構描述 v1 已棄用。進一步了解 [v2 資料匯出結構描述](monitron-kinesis-export-v2.md)。 您可以從 Amazon Monitron 匯出傳入的測量資料和對應的推論結果，並執行即時分析。資料匯出會將即時資料串流至 Kinesis。 **Topics** + [ ## 將您的資料匯出至 Kinesis 串流 ](#exporting-stream-procedure) + [ ## 編輯即時資料匯出設定 ](#edit-live-export) + [ ## 停止即時資料匯出 ](#stop-kinesis-export) + [ ## 檢視資料匯出錯誤 ](#viewing-kinesis-export-errors) + [ ## 為 Kinesis 串流使用伺服器端加密 ](#data-export-server-side-encryption) + [ # 使用 Amazon CloudWatch Logs 進行監控 ](data-export-cloudwatch-logs.md) + [ # 在 Amazon S3 中存放匯出的資料 ](kinesis-store-S3.md) + [ # 使用 Lambda 處理資料 ](data-export-lambda.md) + [ # 了解 v1 資料匯出結構描述 ](data-export-schema.md) ## 將您的資料匯出至 Kinesis 串流 1. 從專案的主頁面靠近頁面底部右側，選擇**開始即時資料匯出**。 1. 在**選取 Amazon Kinesis 資料串流**下，執行下列其中一項操作： + 在搜尋方塊中輸入現有串流的名稱。然後跳至步驟 5。 + 選擇**建立新的資料串流**。 1. 在**建立資料串流**頁面**的資料串流組態**下，輸入您的資料串流名稱。 1. 在資料串流容量下，選擇您的容量模式： + 如果資料串流的輸送量需求無法預測且可變，請選擇**隨需**。 + 如果您可以可靠地預估資料串流的輸送量需求，請選擇**佈建**。然後，在佈建碎片下，輸入您要建立的碎片數量，或選擇**碎片估算器**。 1. 選擇 **建立資料串流**。 ## 編輯即時資料匯出設定 若要編輯即時資料匯出設定： 1. 開啟 Amazon Monitron 主控台。 1. 從導覽窗格中選擇**專案**。 1. 如果您有多個專案，請選擇您要編輯匯出設定的專案。 1. 在專案的主頁面的**即時資料匯出**下，從**動作**下拉式功能表中，選擇**編輯即時資料匯出設定**。 ## 停止即時資料匯出 1. 開啟 Amazon Monitron 主控台。 1. 從導覽窗格中選擇**專案**。 1. 如果您有多個專案，請選擇您要編輯匯出設定的專案。 1. 在專案的主頁面的**即時資料匯出**下，從**動作**下拉式功能表中，選擇**停止即時資料匯出**。 1. 在快顯視窗中，選擇**停止**。 ## 檢視資料匯出錯誤 若要檢視 CloudWatch Logs 介面中的錯誤訊息： + 在 Amazon Monitron 主控台的專案主頁面的**即時資料匯出**下，選擇 **CloudWatch 日誌群組**。 ## 為 Kinesis 串流使用伺服器端加密 您可以在設定 Kinesis 資料匯出之前，為 Kinesis 串流啟用伺服器端加密。不過，如果在設定 Kinesis 資料匯出後啟用伺服器端加密，Amazon Monitron 將無法發佈至串流。這是因為 Amazon Monitron 沒有呼叫 [kms:GenerateDataKey](https://docs.aws.amazon.com/kms/latest/APIReference/API_GenerateDataKey.html) 的許可，因此可以加密傳送至 Kinesis 的資料。 若要解決此問題，請遵循 下的指示[編輯即時資料匯出設定](#edit-live-export)，但不變更組態。這會將您已設定的加密與匯出組態建立關聯。 # 使用 Amazon CloudWatch Logs 進行監控 您可以使用 Amazon CloudWatch Logs 監控 Amazon Monitron 即時資料匯出。當測量無法匯出時，Amazon Monitron 會將日誌事件傳送至您的 CloudWatch Logs。您也可以在錯誤日誌上設定指標篩選條件，以產生指標並設定警示。警示可以監控特定閾值，並在達到這些閾值時傳送通知或採取動作。如需更多詳細資訊，請參閱《 [CloudWatch 使用者指南](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html)》。 Amazon Monitron 會將日誌事件傳送至 /aws/monitron/data-export/\$1HASH\$1ID\$1 日誌群組。 日誌事件具有下列 JSON 格式： ``` { "assetDisplayName": "string", "destination": "string", "errorCode": "string", "errorMessage": "string", "eventId": "string", "positionDisplayName": "string", "projectDisplayName": "string", "projectName": "string", "sensorId": "string", "siteDisplayName": "string", "timestamp": "string" } ``` assetDisplayName + 應用程式中顯示的資產名稱 + 類型：字串 目的地 + Kinesis 資料串流的 ARN + 類型：字串 + 模式：arn：aws：kinesis：\$1\$1REGION\$1\$1：\$1\$1AWS\$1ACCOUNT\$1ID\$1\$1：stream/\$1\$1STREAM\$1NAME\$1\$1 errorCode + 錯誤碼 + 類型：字串 + 有效值:`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 + 詳細的錯誤訊息 + 類型：字串 eventId + 對應至每個測量匯出的唯一事件 ID + 類型：字串 positionDisplayName + 應用程式中顯示的感應器位置名稱 + 類型：字串 sensorId + 傳送測量的感應器實體 ID + 類型：字串 siteDisplayName + 應用程式中顯示的網站名稱 + 類型：字串 timestamp + Amazon Monitron 服務在 UTC 中接收測量的時間戳記 + 類型：字串 + 模式：yyyy-mm-dd hh：mm：ss.SSS # 在 Amazon S3 中存放匯出的資料 **Topics** + [ ## 使用預先定義的 CloudFormation 範本 ](#kinesis-cloudfront-makestack) + [ ## 在主控台中手動設定 Kinesis ](#kinesis-configure-console) ## 使用預先定義的 CloudFormation 範本 Amazon Monitron 提供預先定義的 AWS CloudFormation 範本，以協助快速設定 Firehose，將資料從 Kinesis 資料串流交付至 Amazon S3 儲存貯體。此範本會啟用動態分割，而交付的 Amazon S3 物件將使用 Amazon Monitron 建議的下列金鑰格式： `/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}` 1. 登入 AWS 您的帳戶。 1. 使用下列 URL 開啟新的瀏覽器索引標籤： ``` 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. 在開啟的 CloudFormation 頁面上的右上角，選取您使用 Amazon Monitron 的區域。 1. 根據預設，範本會建立新的 Kinesis 資料串流和 S3 儲存貯體，以及將資料交付至 Amazon S3 所需的其他資源。您可以變更參數以使用現有資源。 1. 勾選表示*我確認 AWS CloudFormation 可能會建立 IAM 資源的方塊。* 1. 選擇**建立堆疊**。 1. 在下一頁中，選擇任意頻率的重新整理圖示，直到堆疊的狀態為 CREATE\$1COMPLETE 為止。 ## 在主控台中手動設定 Kinesis 1. 登入 AWS 管理主控台，並在 https：//https://console.aws.amazon.com/kinesis 開啟 Kinesis 主控台。 1. 在導覽窗格中選擇**交付串流**。 1. 選擇 **Create Delivery Stream (建立交付串流)**。 1. 針對來源，選取 **Amazon Kinesis Data Streams**。 1. 針對目的地，選取 **Amazon S3**。 1. 在**來源設定 Kinesis 資料串流**下，輸入 Kinesis 資料串流的 ARN。 1. 在**交付串流名稱**下，輸入 Kinesis 資料串流的名稱。 1. 在**目的地設定**下，選擇 Amazon S3 儲存貯體或輸入儲存貯體 URI。 1. （選用） 使用 JSON 的內嵌剖析啟用動態分割。如果您想要根據來源資訊和時間戳記分割串流測量資料，此選項是適當的。例如： + 選擇**啟用****動態分割**。 + 針對**新行分隔符號**選擇**啟用**。 + 選擇**啟用**以進行 **JSON 的內嵌剖析**。 + 在**動態分割索引鍵**下，新增： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/Monitron/latest/user-guide/kinesis-store-S3.html) 1. 選擇**套用動態分割金鑰**，並確認產生的 Amazon S3 儲存貯體字首為 `!{partitionKeyFromQuery:project}/!{partitionKeyFromQuery:site}/!{partitionKeyFromQuery:time}/`。 1. 在 Amazon S3 中，物件將使用下列金鑰格式：`/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}`。 1. 選擇 **Create Delivery Stream (建立交付串流)**。 1. （選用） 使用更精細的路徑。 如果您選擇動態分割區，如果您計劃使用 AWS Glue 和 Athena 來查詢資料，請使用先前的 Amazon S3 金鑰格式。您也可以選擇更精細的金鑰格式，但 Amazon Athena 查詢不會有效率。以下是設定更精細 Amazon S3 金鑰路徑的範例。 在**動態分割索引鍵**下，新增： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/Monitron/latest/user-guide/kinesis-store-S3.html) 在 Amazon S3 中，物件將使用下列金鑰格式： ` /project={projectName}/site={siteName}/asset={assetName}/position={positionName}/sensor={sensorId}/date={yyyy-mm-dd}/time={HH:MM:SS}/{filename}` # 使用 Lambda 處理資料 **Topics** + [ ## 步驟 1：建立 [IAM 角色](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html)，授予函數存取 AWS 資源的許可 ](#create-iam-role) + [ ## 步驟 2：建立 Lambda 函數 ](#create-lambda-function) + [ ## 步驟 3：設定 Lambda 函數 ](#configure-lambda-function) + [ ## 步驟 4：在 AWS Lambda 主控台中啟用 Kinesis 觸發程序 ](#enable-lambda-trigger) ## 步驟 1：建立 [IAM 角色](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html)，授予函數存取 AWS 資源的許可 1. 在 IAM 主控台中開啟[角色頁面](https://console.aws.amazon.com/iam/home?#/roles)。 1. 選擇建**立角色**。 1. 建立具備下列屬性的角色。 + 信任的實體：Lambda + 許可：AWSLambdaKinesisExecutionRole （如果 Kinesis 串流已加密，則為 AWSKeyManagementServicePowerUser) + 角色名稱：lambda-kinesis-role ![\[IAM role creation interface showing name, review, and create steps with role details and permissions.\]](http://docs.aws.amazon.com/zh_tw/Monitron/latest/user-guide/images/lambda-create-role.png) ## 步驟 2：建立 Lambda 函數 1. 開啟 Lambda 主控台中的**函數**頁面。 1. 選擇 **建立函數** 。 1. 選擇 **使用藍圖** 。 1. 在**藍圖**搜尋列中，搜尋並選擇 **kinesis-process-record (nodejs)** 或 **kinesis-process-record-python**。 1. 選擇**設定**。 ![\[Create function interface with options to author from scratch, use a blueprint, or select container image.\]](http://docs.aws.amazon.com/zh_tw/Monitron/latest/user-guide/images/lambda-create-function.png) ## 步驟 3：設定 Lambda 函數 1. 選擇**函數名稱** 1. 選擇在第一個步驟中建立的角色做為**執行角色**。 1. 設定 Kinesis 觸發。 1. 選擇您的 Kinesis 串流。 1. 按一下**建立函數**。 ![\[Lambda function configuration form with basic information and Kinesis trigger settings.\]](http://docs.aws.amazon.com/zh_tw/Monitron/latest/user-guide/images/lambda-kinesis-trigger.png) ## 步驟 4：在 AWS Lambda 主控台中啟用 Kinesis 觸發程序 1. 在**組態**索引標籤上，選擇**觸發。** 1. 勾選 Kinesis 串流名稱旁的方塊，然後選擇**啟用**。 ![\[Lambda function configuration page with Triggers tab and Kinesis stream trigger highlighted.\]](http://docs.aws.amazon.com/zh_tw/Monitron/latest/user-guide/images/kinesis-process-record-lambda.png) 此範例中使用的藍圖只會使用所選串流的日誌資料。您可以稍後進一步編輯 Lambda 函數程式碼，以完成更複雜的任務。 # 了解 v1 資料匯出結構描述 **注意** Amazon Monitron Kinesis 資料匯出結構描述 v1 已棄用。進一步了解 [v2 資料匯出結構描述](monitron-kinesis-export-v2.md)。 每個測量資料及其對應的推論結果會以 JSON 格式匯出為一個 Kinesis 資料串流記錄。 **Topics** + [ ## v1 結構描述格式 ](#data-export-schema-format) + [ ## v1 結構描述參數 ](#data-export-schema-parameters) ## v1 結構描述格式 ``` { "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 結構描述參數 timestamp + Monitron 服務在 UTC 中接收測量的時間戳記 + 類型：字串 + 模式：yyyy-mm-dd hh：mm：ss.SSS eventId + 為每個測量指派的唯一資料匯出事件 ID。可用於刪除收到的 Kinesis 串流記錄的重複資料。 + 類型：字串 version + 結構描述版本 + 類型：字串 + 目前值：1.0 projectDisplayName + 應用程式和主控台中顯示的專案名稱 + 類型：字串 siteDisplayName + 應用程式中顯示的網站名稱 + 類型：字串 assetDisplayName + 應用程式中顯示的資產名稱 + 類型：字串 sensorPositionDisplayName + 應用程式中顯示的感應器位置名稱 + 類型：字串 sensor.physicalId + 傳送測量的感應器實體 ID + 類型：字串 sensor.rssi + 感應器藍牙接收的訊號強度指標值 + 類型：數字 + 單位：dBm gateway.physicalId + 用於將資料傳輸至 Amazon Monitron 服務的閘道實體 ID + 類型：字串 measurement.features.acceleration.band0To6000Hz.xAxis.rms + 在 x 軸的頻帶 0–6000 Hz 中觀察到的加速的根均方 + 類型：數字 + 單位：m/s^2 measurement.features.acceleration.band0To6000Hz.yAxis.rms + 在 y 軸的頻帶 0–6000 Hz 中觀察到的加速根均方 + 類型：數字 + 單位：m/s^2 measurement.features.acceleration.band0To6000Hz.zAxis.rms + 在 y 軸的頻帶 0–6000 Hz 中觀察到的加速根均方 + 類型：數字 + 單位：m/s^2 measurement.features.acceleration.band10To1000Hz.resultantVector.absMax + 在頻帶 10–1000 Hz 中觀察到的絕對最大加速度 + 類型：數字 + 單位：m/s^2 measurement.features.acceleration.band10To1000Hz.resultantVector.absMin + 在頻帶 10–1000 Hz 中觀察到的絕對最小加速度 + 類型：數字 + 單位：m/s^2 measurement.features.acceleration.band10To1000Hz.resultantVector.crestFactor + 在頻帶 10–1000 Hz 中觀察到的加速波紋因數 + 類型：數字 measurement.features.acceleration.band10To1000Hz.resultantVector.rms + 在頻帶 10–1000 Hz 中觀察到的加速的根均方 + 類型：數字 + m/s^2 measurement.features.acceleration.band10To1000Hz.xAxis.rms + 在 x 軸的頻帶 10–1000 Hz 中觀察到的加速的根均方 + 類型：數字 + m/s^2 measurement.features.acceleration.band10To1000Hz.yAxis.rms + 在 y 軸的頻帶 10–1000 Hz 中觀察到的加速的根均方 + 類型：數字 + m/s^2 measurement.features.acceleration.band10To1000Hz.zAxis.rms + 在 z 軸的頻帶 10–1000 Hz 中觀察到的加速根均方 + 類型：數字 + m/s^2 measurement.features.temp + 觀察到的溫度 + 類型：數字 + °C/degC measurement.features.velocity.band10To1000Hz.resultantVector.absMax + 在頻帶 10–1000 Hz 中觀察到的絕對最大速度 + 類型：數字 + mm/s measurement.features.velocity.band10To1000Hz.resultantVector.absMin + 在頻帶 10–1000 Hz 中觀察到的絕對最小速度 + 類型：數字 + mm/s measurement.features.velocity.band10To1000Hz.resultantVector.crestFactor + 在頻帶 10–1000 Hz 中觀察到的速度波峰係數 + 類型：數字 measurement.features.velocity.band10To1000Hz.resultantVector.rms + 在頻帶 10–1000 Hz 中觀察到的速度的根均方 + 類型：數字 + mm/s measurement.features.velocity.band10To1000Hz.xAxis.rms + 在 x 軸的頻帶 10–1000 Hz 中觀察到的速度的根均方 + 類型：數字 + mm/s measurement.features.velocity.band10To1000Hz.yAxis.rms + 在 y 軸的頻帶 10–1000 Hz 中觀察到的速度的根均方 + 類型：數字 + mm/s measurement.features.velocity.band10To1000Hz.zAxis.rms + 在 z 軸的頻帶 10–1000 Hz 中觀察到的速度的根均方 + 類型：數字 + mm/s measurement.sequenceNo + 測量序號 + 類型：數字 models.temperatureML.persistentClassificationOutput + 機器學習型溫度模型的持久性分類輸出 + 類型：數字 + 有效值:`UNKNOWN | HEALTHY | WARNING | ALARM` models.temperatureML.pointwiseClassificationOutput + 機器學習型溫度模型的點分類輸出 + 類型：字串 + 有效值:`UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM` models.vibrationISO.isoClass + ISO 型振動模型使用的 ISO 20816 類別 （測量和評估機器振動的標準） + 類型：字串 + 有效值:`CLASS1 | CLASS2 | CLASS3 | CLASS4 | FAN_BV2` models.vibrationISO.mutedThreshold + 從 ISO 型振動模型將通知靜音的閾值 + 類型：字串 + 有效值:`WARNING | ALARM` models.vibrationISO.persistentClassificationOutput + ISO 型振動模型的持久性分類輸出 + 類型：字串 + 有效值:`UNKNOWN | HEALTHY | WARNING | ALARM` models.vibrationISO.pointwiseClassificationOutput + ISO 型振動模型的點分類輸出 + 類型：字串 + 有效值:`UNKNOWN | HEALTHY | WARNING | ALARM | MUTED_WARNING | MUTED_ALARM` models.vibrationML.persistentClassificationOutput + 機器學習型振動模型的持久性分類輸出 + 類型：字串 + 有效值:`UNKNOWN | HEALTHY | WARNING | ALARM` models.vibrationML.pointwiseClassificationOutput + 機器學習型振動模型的點分類輸出 + 類型：字串 + 有效值:`UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM` assetState.newState + 處理測量之後的機器狀態 + 類型：字串 + 有效值:`UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM` assetState.previousState + 處理測量前的機器狀態 + 類型：字串 + 有效值:`UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM`