亚马逊 Monitron 不再向新客户开放。现有客户可以继续正常使用该服务。如需了解与 Amazon Monitron 类似的功能，请参阅我们的[博客文章](https://aws.amazon.com/blogs/machine-learning/maintain-access-and-consider-alternatives-for-amazon-monitron)。 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。 # Amazon Monitron Kinesis 数据导出 v2 您可以从 Amazon Monitron 导出传入的测量数据和相应的推理结果，然后进行实时分析。数据导出会将实时数据流式传输到 Kinesis。 **Topics** + [将数据导出到 Kinesis 流](#exporting-stream-procedure-v2) + [编辑实时数据导出设置](#edit-live-export-v2) + [停止实时数据导出](#stop-kinesis-export-v2) + [查看数据导出错误](#viewing-kinesis-export-errors-v2) + [对 Kinesis 流使用服务器端加密](#data-export-server-side-encryption-v2) + [使用 Amazon CloudWatch 日志进行监控](data-export-cloudwatch-logs-v2.md) + [将导出的数据存储在 Amazon S3 中](kinesis-store-S3-v2.md) + [使用 Lambda 处理数据](data-export-lambda-v2.md) + [了解 v2 数据导出架构](data-export-schema-v2.md) + [从 Kinesis v1 迁移到 v2](migration-from-v1-to-v2.md) ## 将数据导出到 Kinesis 流 1. 在项目主页面靠近页面底部的右侧，选择**启动实时数据导出**。 1. 在**选择 Kinesis 数据流**下，执行以下任一操作： + 在搜索框中输入现有数据流的名称。然后跳至步骤 5。 + 选择**创建新数据流**。 1. 在**创建数据流**页面的**数据流配置**下，输入您的数据流名称。 1. 在“数据流容量”下，选择您的容量模式： + 如果数据流的吞吐量需求不可预测且不稳定，请选择**按需**。 + 如果您能够可靠地估算数据流的吞吐量需求，请选择**预置**。然后，在“预置分片”下，输入要创建的分片数量，或者选择**分片估算器**。 1. 选择**创建数据流**。 ## 编辑实时数据导出设置 要编辑实时数据导出设置，请执行以下操作： 1. 打开 Amazon Monitron 控制台。 1. 从导航窗格中选择**项目**。 1. 如果您有多个项目，请选择要编辑其导出设置的项目。 1. 在项目主页面的**实时数据导出**下，从**操作**下拉菜单中选择**编辑实时数据导出设置**。 ## 停止实时数据导出 1. 打开 Amazon Monitron 控制台。 1. 从导航窗格中选择**项目**。 1. 如果您有多个项目，请选择要编辑其导出设置的项目。 1. 在项目主页面的**实时数据导出**下，从**操作**下拉菜单中选择**停止实时数据导出**。 1. 在弹出窗口中，选择**停止**。 ## 查看数据导出错误 要在 “ CloudWatch 日志” 界面中查看错误消息，请执行以下操作： + 在 Amazon Monitron 控制台上，从项目主页的**实时数据导出**下，选择**CloudWatch 日志**组。 ## 对 Kinesis 流使用服务器端加密 您可以在设置 Kinesis 数据导出前为 Kinesis 流启用服务器端加密。但是，如果在设置 Kinesis 数据导出后再启用服务器端加密，Amazon Monitron 将无法发布到流。那是因为亚马逊 Monitron 无权调用 kms[: GenerateDataKey 这样它就可以加密发送到 K](https://docs.aws.amazon.com/kms/latest/APIReference/API_GenerateDataKey.html) inesis 的数据。 要解决此问题，请按照[编辑实时数据导出设置](#edit-live-export-v2)下的说明进行操作，但不要更改配置。这会将您已设置的加密与您的导出配置关联。 # 使用 Amazon CloudWatch 日志进行监控 您可以使用亚马逊日志监控 Amazon Monitron 的实时数据导出。 CloudWatch 当测量结果无法导出时，Amazon Monitron 会将日志事件发送到您的 CloudWatch 日志。您还可以针对错误日志设置指标筛选条件，以生成指标和设置警报。警报可以监测特定阈值，并在达到相应阈值时发送通知或执行操作。有关更多信息，请参阅[《 CloudWatch 用户指南》](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html)。 Amazon Monitron 将日志事件发送到/ aws/monitron/data-export/ \$1HASH\$1ID\$1 日志组。 日志事件采用以下 JSON 格式： ``` { "assetName": "string", "destination": "string", "errorCode": "string", "errorMessage": "string", "eventId": "string", "eventType": "string", "positionName": "string", "projectName": "string", "projectId": "string", "sensorId": "string", "gatewayId": "string", "siteName": "string", "timestamp": "string" } ``` assetName + 应用程序中显示的资产名称 + 类型：字符串 destination + Kinesis 数据流的 ARN + 类型：字符串 + 模式：arn: aws: kinesis: \$1\$1REGION\$1\$1: \$1\$1AWS\$1ACCOUNT\$1ID\$1\$1: stream/ \$1\$1STREAM\$1NAME\$1\$1 errorCode + 错误代码 + 类型：字符串 + 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 + 详细错误消息 + 类型：字符串 eventId + 与每次测量数据导出对应的唯一事件 ID + 类型：字符串 eventType + 当前事件类型 + 类型：字符串 + 有效值：`measurement` ` | gatewayConnected` ` | gatewayDisconnected` ` | sensorConnected` ` | sensorDisconnected` ` | assetStateTransition` positionName + 应用程序中显示的传感器位置名称 + 类型：字符串 projectName + 应用程序和控制台中显示的项目名称 + 类型：字符串 projectID + 与 Amazon Monitron 项目对应的唯一项目 ID + 类型：字符串 sensorID + 发出测量数据的传感器的物理 ID + 类型：字符串 gatewayID + 用于向 Amazon Monitron 服务传输数据的网关的物理 ID + 类型：字符串 siteName + 应用程序中显示的站点名称 + 类型：字符串 timestamp + Amazon Monitron 服务接收测量数据时的时间戳（UTC 格式） + 类型：字符串 + 图案： yyyy-mm-ddHH: mm: ss.sss # 将导出的数据存储在 Amazon S3 中 如果要将导出的数据存储在 Amazon S3 中，请执行以下程序。 **Topics** + [在控制台中手动配置 Kinesis](#kinesis-configure-console-v2) ## 在控制台中手动配置 Kinesis 1. 登录 AWS 管理控制台并打开 Kinesis 控制台，网址为 /kinesis。 https://console.aws.amazon.com 1. 在导航窗格中，选择**传输流**。 1. 选择**创建传输流**。 1. 对于“源”，选择 **Amazon Kinesis Data Streams**。 1. 对于“目标”，选择 **Amazon S3**。 1. 在**源设置、Kinesis 数据流**下，输入 Kinesis 数据流的 ARN。 1. 在**传输流名称**下，输入 Kinesis 数据流的名称。 1. 在**目标设置**下，选择一个 Amazon S3 桶或输入一个桶 URI。 1. （可选）启用使用 JSON 内联解析的动态分区。如果您想基于源信息和时间戳对流测量数据进行分区，则可以选择此选项。例如： + 针对**动态分区**选择**启用**。 + 针对**换行分隔符**选择**启用**。 + 针对 **JSON 内联解析**选择**启用**。 + 在**动态分区键**下，添加： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/kinesis-store-S3-v2.html) 1. 选择**应用动态分区键**并确认生成的 Amazon S3 桶前缀为 `!{partitionKeyFromQuery:project}/!{partitionKeyFromQuery:site}/!{partitionKeyFromQuery:time}/`。 1. 在 Amazon S3 中，对象将使用以下键格式：`/project={projectName}/site={siteName}/time={yyyy-mm-dd 00:00:00}/{filename}`。 1. 选择**创建传输流**。 # 使用 Lambda 处理数据 **Topics** + [步骤 1：创建 [IAM 角色](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html)以向您的函数授予访问 AWS 资源的权限](#data-export-lambda-v2-1) + [步骤 2：创建 Lambda 函数](#create-lambda-function-v2) + [步骤 3：配置 Lambda 函数](#configure-lambda-function-v2) + [步骤 4：在控制台中启用 Kinesis 触发器 AWS Lambda](#configure-kinesis-trigger-v2) ## 步骤 1：创建 [IAM 角色](https://docs.aws.amazon.com//lambda/latest/dg/lambda-intro-execution-role.html)以向您的函数授予访问 AWS 资源的权限 1. 在 IAM 控制台中，打开[角色页面](https://console.aws.amazon.com/iam/home?#/roles)。 1. 请选择 **Create role**（创建角色）。 1. 在**选择受信任的实体**页面上，请执行以下操作： + 在**可信实体类型**中，选择**AWS 服务**。 + 在**用例**中，对于**服务或用例**，选择 **Lambda**。 + 选择**下一步**。 ![\[IAM role creation interface showing trusted entity selection with AWS 服务 option chosen.\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/images/lambda-role-1.png) 1. 在 “**添加权限**” 页面中，执行以下操作： + 在**权限策略**中，选择 AWSLambdaKinesisExecutionRole （以及 AWSKeyManagementServicePowerUser 是否已加密 Kinesis 流）。 + 将 “**设置权限边界”** 中的配置保持不变。 + 选择**下一步**。 ![\[Add permissions interface showing AWSLambdaKinesisExecutionRole policy selected for a new role.\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/images/lambda-role-2.png) 1. 在 “**名称、查看和创建**” 页面中，执行以下操作： + 在**角色详细信息**中，在**角色名称**中，输入角色的名称。例如 *lambda-kinesis-role*。您也可以选择添加可选的**描述**。 + 保留**步骤 1：选择可信实体**和**步骤 2：按原样添加权限**的设置。您可以选择在**步骤 3：添加标签中添加标签**以跟踪您的资源。 ![\[IAM role creation interface showing name, review, and create steps with role details and permissions.\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/images/lambda-create-role.png) 1. 选择**创建角色**。 ## 步骤 2：创建 Lambda 函数 1. 在 Lambda 控制台中打开**函数**页面。 1. 选择**创建函数**。 1. 选择**使用蓝图**。 1. 在**蓝图**搜索栏中，搜索并选择 **kinesis-process-record (nodejs**) 或。**kinesis-process-record-python** 1. 选择**配置**。 ![\[Create function interface with options to author from scratch, use a blueprint, or select container image.\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/images/lambda-create-function.png) ## 步骤 3：配置 Lambda 函数 1. 选择**函数名称**。 1. 选择在第一步中创建的角色作为**执行角色**。 1. 配置 Kinesis 触发器。 1. 选择您的 Kinesis 流。 1. 单击**创建函数**。 ![\[Lambda function configuration form with basic information and Kinesis trigger settings.\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/images/lambda-kinesis-trigger.png) ## 步骤 4：在控制台中启用 Kinesis 触发器 AWS Lambda 1. 在**配置**选项卡中，选择**触发器**。 1. 选中 Kinesis 流名称旁边的框，然后选择**启用**。 ![\[Lambda function configuration page with Triggers tab and Kinesis stream trigger highlighted.\]](http://docs.aws.amazon.com/zh_cn/Monitron/latest/user-guide/images/kinesis-process-record-lambda.png) 本示例中使用的蓝图仅使用来自选定数据流的日志数据。您可以在之后进一步编辑 Lambda 函数代码以完成更复杂的任务。 # 了解 v2 数据导出架构 每个测量数据、其相应的推理结果、网关connect/disconnect, and sensor connect/disconnect事件都以 JSON 格式导出为一个 Kinesis 数据流记录。 **Topics** + [v2 架构格式](#data-export-schema-format-v2) + [v2 架构参数](#data-export-schema-parameters-v2) ## v2 架构格式 ``` { "timestamp": "string", "eventId": "string", "version": "2.0", "accountId": "string", "projectName": "string", "projectId": "string", "eventType": "measurement|gatewayConnected|gatewayDisconnected|sensorConnected|sensorDisconnected|assetStateTransition", // measurement "eventPayload": { "siteName": "string", "assetName": "string", "positionName": "string", "companyName": "string", "geoLocation": { "latitude": number, "longitude": number }, "address": "string", "serialNumber": "string", "make": "string", "model": "string", "assetPositionURL": "string", "sensor": { "physicalId": "string", "rssi": number }, "gateway": { "physicalId": "string" }, "sequenceNo": number, "features": { "acceleration": { "band0To6000Hz": { "xAxis": { "rms": number }, "yAxis": { "rms": number }, "zAxis": { "rms": number } }, "band10To1000Hz": { "totalVibration": { "absMax": number, "absMin": number, "crestFactor": number, "rms": number }, "xAxis": { "rms": number }, "yAxis": { "rms": number }, "zAxis": { "rms": number } } }, "velocity": { "band10To1000Hz": { "totalVibration": { "absMax": number, "absMin": number, "crestFactor": number, "rms": number }, "xAxis": { "rms": number }, "yAxis": { "rms": number }, "zAxis": { "rms": number } } }, "temperature": number } "models": { "temperatureML": { "previousPersistentClassificationOutput": "string", "persistentClassificationOutput": "string", "pointwiseClassificationOutput": "string" }, "vibrationISO": { "isoClass": "string", "mutedThreshold": "string", "previousPersistentClassificationOutput": "string", "persistentClassificationOutput": "string", "pointwiseClassificationOutput": "string" }, "vibrationML": { "previousPersistentClassificationOutput": "string", "persistentClassificationOutput": "string", "pointwiseClassificationOutput": "string" } }, "assetPositionId": "string" } // sensorConnected "eventPayload": { "siteName": "string", "assetName": "string", "positionName": "string", "companyName": "string", "geoLocation": { "latitude": number, "longitude": number }, "address": "string", "serialNumber": "string", "make": "string", "model": "string", "assetPositionURL": "string", "sensor": { "physicalId": "string" }, "assetPositionId": "string" } // sensorDisconnected "eventPayload": { "siteName": "string", "assetName": "string", "positionName": "string", "companyName": "string", "geoLocation": { "latitude": number, "longitude": number }, "address": "string", "serialNumber": "string", "make": "string", "model": "string", "assetPositionURL": "string", "sensor": { "physicalId": "string" }, "assetPositionId": "string" } // gatewayConnected "eventPayload": { "siteName": "string", "gatewayName": "string", "gatewayListURL": "string", "companyName": "string", "geoLocation": { "latitude": number, "longitude": number }, "address": "string", "gateway": { "physicalId": "string" } } // gatewayDisconnected "eventPayload": { "siteName": "string", "gatewayName": "string", "gatewayListURL": "string", "companyName": "string", "geoLocation": { "latitude": number, "longitude": number }, "address": "string", "gateway": { "physicalId": "string" } } // assetStateTransition "eventPayload": { "siteName": "string", "assetName": "string", "positionName": "string", "companyName": "string", "geoLocation": { "latitude": number, "longitude": number }, "address": "string", "serialNumber": "string", "make": "string", "model": "string", "assetPositionURL": "string", "sensor": { "physicalId": "string" }, "assetTransitionType": "measurement|userInput", "assetState": { "newState": "string", "previousState": "string" }, "closureCode": { "failureMode": "string", "failureCause": "string", "actionTaken": "string", "resolvedModels": list<"string"> }, "assetPositionId": "string" } } ``` ## v2 架构参数 Amazon Monitron Kinesis 数据导出架构 v2 包含以下架构参数。其中一些参数是对 v1 的更新，另一些参数是 v2 所独有的。例如，`siteName` 在 v1 中是一级参数。在 v2 中，它是二级参数，可以在 `eventPayload` 实体下找到。 timestamp + Amazon Monitron 服务接收测量数据时的时间戳（UTC 格式） + 类型：字符串 + 图案： yyyy-mm-ddHH: mm: ss.sss eventId + 为每个测量数据分配的唯一数据导出事件 ID。可用于对收到的 Kinesis 流记录进行重复数据删除。 + 类型：字符串 版本 + 架构版本 + 类型：字符串 + 值：1.0 或 2.0 accountId + 你的 Monitron 项目的 12 位数 AWS 账户 ID + 类型：字符串 projectName 应用程序和控制台中显示的项目名称。 类型：字符串 projectId 您的 Amazon Monitron 项目的唯一 ID。 类型：字符串 eventType + 当前事件流。每个事件类型都有一个专用 `eventPayload` 格式。 + 类型：字符串 + 可能的值：`measurement`、`gatewayConnected`、`gatewayDisconnected`、`sensorConnected`、`sensorDisconnected`、`assetStateTransition`。 **`eventType: measurement`** eventPayload.features.acceleration.band0To6000Hz.xAxis.rms + 在 0–6000 Hz 频带内观测到的 x 轴上加速度的均方根 + 类型：数字 + 单位：m/s^2 eventPayload.features.acceleration.band0To6000Hz.yAxis.rms + 在 0–6000 Hz 频带内观测到的 y 轴上加速度的均方根 + 类型：数字 + 单位：m/s^2 eventPayload.features.acceleration.band0To6000Hz.zAxis.rms + 在 0–6000 Hz 频带内观测到的 z 轴上加速度的均方根 + 类型：数字 + 单位：m/s^2 eventPayload.features.acceleration.band10To1000Hz.resultantVector.absMax + 在 10–1000 Hz 频带内观测到的绝对最大加速度 + 类型：数字 + 单位：m/s^2 eventPayload.features.acceleration.band10To1000Hz.resultantVector.absMin + 在 10–1000 Hz 频带内观测到的绝对最小加速度 + 类型：数字 + 单位：m/s^2 eventPayload.features.acceleration.band10To1000Hz.resultantVector.crestFactor + 在 10–1000 Hz 频带内观测到的加速度波峰因数 + 类型：数字 eventPayload.features.acceleration.band10To1000Hz.resultantVector.rms + 在 10–1000 Hz 频带内观测到的加速度的均方根 + 类型：数字 + m/s^2 eventPayload.features.acceleration.band10To1000Hz.xAxis.rms + 在 10–1000 Hz 频带内观测到的 x 轴上加速度的均方根 + 类型：数字 + m/s^2 eventPayload.features.acceleration.band10To1000Hz.yAxis.rms + 在 10–1000 Hz 频带内观测到的 y 轴上加速度的均方根 + 类型：数字 + m/s^2 eventPayload.features.acceleration.band10To1000Hz.zAxis.rms + 在 10–1000 Hz 频带内观测到的 z 轴上加速度的均方根 + 类型：数字 + m/s^2 eventPayload.features.temperature + 观测到的温度 + 类型：数字 + °c/degc eventPayload.features.velocity.band10To1000Hz.resultantVector.absMax + 在 10–1000 Hz 频带内观测到的绝对最大速度 + 类型：数字 + mm/s eventPayload.features.velocity.band10To1000Hz.resultantVector.absMin + 在 10–1000 Hz 频带内观测到的绝对最小速度 + 类型：数字 + mm/s eventPayload.features.velocity.band10To1000Hz.resultantVector.crestFactor + 在 10–1000 Hz 频带内观测到的速度波峰因数 + 类型：数字 eventPayload.features.velocity.band10To1000Hz.resultantVector.rms + 在 10–1000 Hz 频带内观测到的速度的均方根 + 类型：数字 + mm/s eventPayload.features.velocity.band10To1000Hz.xAxis.rms + 在 10–1000 Hz 频带内观测到的 x 轴上速度的均方根 + 类型：数字 + mm/s eventPayload.features.velocity.band10To1000Hz.yAxis.rms + 在 10–1000 Hz 频带内观测到的 y 轴上速度的均方根 + 类型：数字 + mm/s eventPayload.features.velocity.band10To1000Hz.zAxis.rms + 在 10–1000 Hz 频带内观测到的 z 轴上速度的均方根 + 类型：数字 + mm/s eventPayload.sequenceNo + 测量数据序列号 + 类型：数字 事件负载。 assetPositionId + 发送测量结果的传感器位置的标识符。 + 类型：字符串 Eventpayload.company + 使用该资产的公司的名称。 + 类型：字符串 Eventpayload.geoLocation. + 网站实际位置的纬度。 + 类型：数字 eventpayload.geolocation.Long + 网站实际位置的经度。 + 类型：数字 EventPayload.addr + 网站的地址。 + 类型：字符串 Eventpayload.serialNum + 资产的序列号。 + 类型：字符串 eventpayload.make + 资产的品牌。 + 类型：字符串 eventPayload.model + 资产的模型。 + 类型：字符串 `eventType: sensorConnected` siteName + 应用程序中显示的站点名称 + 类型：字符串 assetName + 应用程序中显示的资产名称 + 类型：字符串 positionName + 应用程序中显示的传感器位置名称 + 类型：字符串 assetPositionURL + 应用程序中显示的传感器 URL + 类型：字符串 physicalID + 发出测量数据的传感器的物理 ID + 类型：字符串 事件负载。 assetPositionId + 状态发生变化的传感器位置的标识符。 + 类型：字符串 Eventpayload.company + 使用该资产的公司的名称。 + 类型：字符串 Eventpayload.geoLocation. + 网站实际位置的纬度。 + 类型：数字 eventpayload.geolocation.Long + 网站实际位置的经度。 + 类型：数字 EventPayload.addr + 网站的地址。 + 类型：字符串 Eventpayload.serialNum + 资产的序列号。 + 类型：字符串 eventpayload.make + 资产的品牌。 + 类型：字符串 eventPayload.model + 资产的模型。 + 类型：字符串 `eventType: sensorDisconnected` siteName + 应用程序中显示的站点名称 + 类型：字符串 assetName + 应用程序中显示的资产名称 + 类型：字符串 positionName + 应用程序中显示的传感器位置名称 + 类型：字符串 assetPositionURL + 应用程序中显示的传感器 URL + 类型：字符串 physicalID + 发出测量数据的传感器的物理 ID + 类型：字符串 事件负载。 assetPositionId + 状态发生变化的传感器位置的标识符。 + 类型：字符串 Eventpayload.company + 使用该资产的公司的名称。 + 类型：字符串 Eventpayload.geoLocation. + 网站实际位置的纬度。 + 类型：数字 eventpayload.geolocation.Long + 网站实际位置的经度。 + 类型：数字 EventPayload.addr + 网站的地址。 + 类型：字符串 Eventpayload.serialNum + 资产的序列号。 + 类型：字符串 eventpayload.make + 资产的品牌。 + 类型：字符串 eventPayload.model + 资产的模型。 + 类型：字符串 `eventType: gatewayConnected` eventPayload.siteName + 应用程序中显示的站点名称 + 类型：字符串 eventPayload.gatewayName + 应用程序中显示的网关的名称 + 类型：字符串 eventPayload.gatewayListURL + 应用程序中显示的网关 URL + 类型：字符串 eventPayload.gateway.physicalID + 刚刚连接的网关（用于向 Amazon Monitron 服务传输数据）的物理 ID + 类型：字符串 Eventpayload.company + 使用该资产的公司的名称。 + 类型：字符串 Eventpayload.geoLocation. + 网站实际位置的纬度。 + 类型：数字 eventpayload.geolocation.Long + 网站实际位置的经度。 + 类型：数字 EventPayload.addr + 网站的地址。 + 类型：字符串 `eventType: gatewayDisconnected` siteName + 应用程序中显示的站点名称 + 类型：字符串 gatewayName + 应用程序中显示的网关的名称 + 类型：字符串 gatewayListURL + 应用程序中显示的网关 URL + 类型：字符串 physicalID + 刚刚连接的网关（用于向 Amazon Monitron 服务传输数据）的物理 ID + 类型：字符串 Eventpayload.company + 使用该资产的公司的名称。 + 类型：字符串 Eventpayload.geoLocation. + 网站实际位置的纬度。 + 类型：数字 eventpayload.geolocation.Long + 网站实际位置的经度。 + 类型：数字 EventPayload.addr + 网站的地址。 + 类型：字符串 `eventType: assetStateTransition` eventPayload.siteName + 应用程序中显示的站点名称 + 类型：字符串 eventPayload.assetName + 应用程序中显示的资产名称 + 类型：字符串 eventPayload.positionName + 应用程序中显示的传感器位置名称 + 类型：字符串 eventPayload.assetPositionURL + 应用程序中显示的传感器 URL + 类型：字符串 eventPayload.sensor.physicalID + 发出测量数据的传感器的物理 ID + 类型：字符串 事件负载。 assetTransitionType + 资产状态转换背后的原因 + 类型：字符串 + 可能的值：`measurement` 或 `userInput` eventPayload.assetState.newState + 资产的新状态 + 类型：字符串 eventPayload.assetState.previousState + 资产的先前状态 + 类型：字符串 eventPayload.closureCode.failureMode + 用户在确认此故障时选择的故障模式 + 类型：字符串 + 可能的值：`NO_ISSUE` \$1 `BLOCKAGE` \$1 `CAVITATION` \$1 `CORROSION` \$1 `DEPOSIT` \$1 `IMBALANCE` \$1 `LUBRICATION` \$1 `MISALIGNMENT` \$1 `OTHER` \$1 `RESONANCE` \$1 `ROTATING_LOOSENESS` \$1 `STRUCTURAL_LOOSENESS` \$1 `TRANSMITTED_FAULT` \$1 `UNDETERMINED` eventPayload.closureCode.failureCause + 用户确认故障时在应用程序下拉菜单中选择的故障原因。 + 类型：字符串 + 可能的值：`ADMINISTRATION` \$1 `DESIGN` \$1 `FABRICATION` \$1 `MAINTENANCE` \$1 `OPERATION` \$1 `OTHER` \$1 `QUALITY` \$1 `UNDETERMINED` \$1 `WEAR` eventPayload.closureCode.actionTaken + 关闭此异常时执行的操作，由用户在应用程序下拉菜单中选择。 + 类型：字符串 + 可能的值：`ADJUST` \$1 `CLEAN` \$1 `LUBRICATE` \$1 `MODIFY` \$1 `NO_ACTION` \$1 `OTHER` \$1 `OVERHAUL` \$1 `REPLACE` eventPayload.closureCode.resolvedModels + 指出了问题的一组模型。 + 类型：字符串列表 + 可能的值：`vibrationISO` \$1 `vibrationML` \$1 `temperatureML` 事件负载。 assetPositionId + 状态发生变化的资产头寸的标识符。 + 类型：字符串 models.temperatureM persistentClassificationOutput + 基于机器学习的温度模型的持续分类输出 + 类型：数字 + 有效值：`UNKNOWN | HEALTHY | WARNING | ALARM` models.temperatureM pointwiseClassificationOutput + 基于机器学习的温度模型的逐点分类输出 + 类型：字符串 + 有效值：`UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM` models.vibrationISO.isoClass + 基于 ISO 的振动模型使用的 ISO 20816 等级（用于测量和评估机器振动的标准） + 类型：字符串 + 有效值：`CLASS1 | CLASS2 | CLASS3 | CLASS4` models.vibrationISO.mutedThreshold + 将基于 ISO 的振动模型发出的通知静音的阈值 + 类型：字符串 + 有效值：`WARNING | ALARM` models.vibrationis persistentClassificationOutput + 基于 ISO 的振动模型的持续分类输出 + 类型：字符串 + 有效值：`UNKNOWN | HEALTHY | WARNING | ALARM` models.vibrationis pointwiseClassificationOutput + 基于 ISO 的振动模型的逐点分类输出 + 类型：字符串 + 有效值：`UNKNOWN | HEALTHY | WARNING | ALARM | MUTED_WARNING | MUTED_ALARM` models.vibrationM persistentClassificationOutput + 基于机器学习的振动模型的持续分类输出 + 类型：字符串 + 有效值：`UNKNOWN | HEALTHY | WARNING | ALARM` models.vibrationM pointwiseClassificationOutput + 基于机器学习的振动模型的逐点分类输出 + 类型：字符串 + 有效值：`UNKNOWN | INITIALIZING | HEALTHY | WARNING | ALARM` assetState.newState + 处理测量数据后的机器状态 + 类型：字符串 + 有效值：`UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM` assetState.previousState + 处理测量数据前的机器状态 + 类型：字符串 + 有效值：`UNKNOWN | HEALTHY | NEEDS_MAINTENANCE | WARNING | ALARM` Eventpayload.company + 使用该资产的公司的名称。 + 类型：字符串 Eventpayload.geoLocation. + 网站实际位置的纬度。 + 类型：数字 eventpayload.geolocation.Long + 网站实际位置的经度。 + 类型：数字 EventPayload.addr + 网站的地址。 + 类型：字符串 Eventpayload.serialNum + 资产的序列号。 + 类型：字符串 eventpayload.make + 资产的品牌。 + 类型：字符串 eventPayload.model + 资产的模型。 + 类型：字符串 # 从 Kinesis v1 迁移到 v2 如果您当前使用的是 v1 数据架构，您可能已经在向 Amazon S3 发送数据，或者已经在使用 Lambda 进一步处理数据流负载。 **Topics** + [将数据架构更新到 v2](#updating-to-v2) + [使用 Lambda 更新数据处理](#updating-with-lam) ## 将数据架构更新到 v2 如果您已经使用 v1 架构配置了数据流，则可以通过执行以下操作来更新数据导出流程： 1. 打开您的 Amazon Monitron 控制台。 1. 导航到您的项目。 1. 停止[当前实时数据导出](monitron-kinesis-export-v2.md#stop-kinesis-export-v2)。 1. 启动实时数据导出以创建新数据流。 1. 选择新创建的数据流。 1. 选择**启动实时数据导出**。此时，新架构将通过数据流发送您的负载。 1. （可选）转到 Kinesis 控制台并删除您的旧数据流。 1. 使用 v2 架构为新创建的数据流配置新传输方式。 您的新数据流现在会将符合 v2 架构的负载传输到您的新桶。我们建议您使用两个不同的桶来保证格式一致，以防您要处理这些桶中的所有数据。例如，使用其他服务，例如 Athena 和。 AWS Glue **注意** 如果您要将数据传输到 Amazon S3，请了解如何[将导出的数据存储在 Amazon S3 中](kinesis-store-S3-v2.md#kinesis-store-S3-title-v2)，进而详细了解如何使用 v2 架构将数据传输到 Amazon S3。 **注意** 如果您要使用 Lambda 函数来处理负载，请了解如何[使用 Lambda 处理数据](https://docs.aws.amazon.com/Monitron/latest/user-guide/data-export-lambda.html)。您还可以参阅[使用 Lambda 进行更新](#updating-with-lam)部分以获取更多信息。 ## 使用 Lambda 更新数据处理 使用 Lambda 更新数据处理时需要注意，v2 数据流现在基于事件。您的初始 v1 Lambda 代码可能与下面类似： ``` import base64 def main_handler(event): # Kinesis "data" blob is base64 encoded so decode here: for record in event['Records']: payload = base64.b64decode(record["kinesis"]["data"]) measurement = payload["measurement"] projectDisplayName = payload["projectDisplayName"] # Process the content of the measurement # ... ``` 由于 v1 数据架构正处于弃用过程中，因此以前的 Lambda 代码并不适用于所有新数据流。 以下 Python 示例代码将使用数据架构 v2 处理来自 Kinesis 流的事件。此代码使用新 `eventType` 参数将处理定向到合适的处理程序： ``` import base64 handlers = { "measurement": measurementEventHandler, "gatewayConnected": gatewayConnectedEventHandler, "gatewayDisconnected": gatewayDisconnectedEventHandler, "sensorConnected": sensorConnectedEventHandler, "sensorDisconnected": sensorDisconnectedEventHandler, } def main_handler(event): # Kinesis "data" blob is base64 encoded so decode here: for record in event['Records']: payload = base64.b64decode(record["kinesis"]["data"]) eventType = payload["eventType"] if eventType not in handler.keys(): log.info("No event handler found for the event type: {event['eventType']}") return # Invoke the appropriate handler based on the event type. eventPayload = payload["eventPayload"] eventHandler = handlers[eventType] eventHandler(eventPayload) def measurementEventHandler(measurementEventPayload): # Handle measurement event projectName = measurementEventPayload["projectName"] # ... def gatewayConnectedEventHandler(gatewayConnectedEventPayload): # Handle gateway connected event # Other event handler functions ```