@ -5,15 +5,21 @@
Η υλοποίηση αυτή μεταξύ άλλων προσθέτει λειτουργίες όπως, η εγγραφή των ληφθέντων τιμών σε μια βάση με σκοπό την απεικόνισή τους και την αποστολή των ίδιων τιμών σε έναν απομακρυσμένο server για την περαιτέρω επεξεργασία τους.
## Αρχιτεκτονική
Η αρχιτεκτονική χωρίζεται σε 5 μεγάλα κομμάτια :
1) Τον producer όπου παράγει και στέλνει τις τιμές του αισθητήρα.
2) Τον [**RabbitMQ broker** ](https://www.rabbitmq.com/ ) όπου αποθηκεύει προσωρινά τις τιμές που στέλνει ο producer.
3) Τον consumer που καταναλώνει τις αποθηκευμένες απο τον broker τιμές.
4) Την βάση και το monitoring tool , όπου αποθηκεύονται και προβάλλονται οι τιμές.
5) Τον απομακρυσμένο server όπου αποστέλλονται οι τιμές για περαιτέρω επεξεργασία.
Πιο συγκεκριμένα η αρχιτεκτονική είναι η εξής:
## Υλικά
- Arduino Uno
@ -28,7 +34,7 @@
## Αrduino
Ξεκινώντας με το Arduino, θα πρέπει να το συνδέσουμε με τον υπολογιστή μας και μέσο της πλατφόρμας Arduino IDE(αν δεν υπάρχει την κατεβάζουμε και την εγκαθιστούμε [link ](https://www.arduino.cc/en/software )) να περάσουμε τον κώδικα που βρίσκεται στο αρχείο **readTempValuesFromArduino.ino** στο Arduino.
Πιθανό πρόβλημα κατά τη μεταφορά του κώδικα στο Arduino:
@ -57,7 +63,7 @@
### Producer
Υλοποιούμε τα βήματα σχετικά με το Raspberry που βρίσκονται [εδώ ](http://docs.swarmlab.io/SwarmLab-HowTos/labs/IoT/SensorNode2Server.adoc.html ) προκειμένου να έχουμε πρόσβαση στη συσκευή.
Εφόσον είμαστε μέσα στη συσκευή μεταφέρουμε τα αρχεία που κατεβάσαμε απο το **repo** και βρίσκονται μέσα στο φάκελο **MyProducer** (producer.js, package.json).
Στη συνέχεια τρέχουμε την εντολή:
@ -117,7 +123,7 @@
Η επόμενη υπηρεσία που θα χρειαστούμε είναι ο **RabbitMQ broker** .
Απο όλες τις λειτουργίες του **RabbitMQ** (fanout κτλπ) εμείς θα χρησιμοποιήσουμε την **Direct exchange** .
Ξεκινόντας θα πρέπει να κατεβάσουμε το έτοιμο **RabbitMQ** image απο το **docker hub** και να το τρέξουμε με την εντολή:
docker run -d -p 15672:15672 -p 5672:5672 --name rabbitmq rabbitmq:3-management
@ -131,19 +137,23 @@
Θα μας ζητήσει κάποια στοιχεία, πληκτρολογούμε για **username** και **password** : **guest**
Και είμαστε πλεον μέσα στον **manager** .
Μπορούμε απο εδώ να κάνουμε **overview** την διαδικασία του **produce** και **consume** βλέποντας τα γραφήματα, τις ταχύτητες **consume** και **produce** στο **tab Queues** , τα **connection** που έχουμε και τα **channels** .
Επιπλέον μπορούμε αν θέλουμε να φτιάξουμε έναν δικό μας χρήστη στο **tab Admin** .
H διαδικασία είναι η εξής:
1) Μεταβένουμε στο tab Admin.
2) Στο **drop down menu Add a User** βάζουμε τα στοιχεία που επιθυμούμε , στην επιλογή **Tag** επιλέγουμε **Admin** και πατάμε το κουμπί **Add User** .
3) Στη συνέχεια επιλέγουμε τον χρήστη που φτιάξαμε και το **panel Set permission** , στην επιλογή **Virtual Host** επιλέγουμε ** "/"** ώστε να γίνει **admin** ο χρήστης και πατάμε το κουμπί **Set permission** .
### Grafana & InfluxDB
Σε αυτό το σημείο εκτός απο τα **images** του **Grafana** και της **InfluxDB** θα χρειαστούμε και ένα **δίκτυο** προκειμένου να μπορεί να δει αυτόματα το **Grafana** τη βάση.
Η δομή που θέλουμε να πετύχουμε είναι η παρακάτω:
Για να πετύχουμε την παραπάνω δομή δημιουργούμε ένα docker network με την εντολή:
docker network create influxDB_Grafana_network
@ -164,7 +174,7 @@ H διαδικασία είναι η εξής:
docker-compose up -d
Η συγκεκριμένη εντολή θα υλοποιήσει τα περιεχόμενα του docker-compose.yml αρχείου.
Όπως φαίνεται και στο παραπάνω αρχείο με το **yml file** σηκώνονται δυο **containers(InfluxDB,Grafana)** οι οποίοι χρησιμοποιούν το κοινό **bridge network** και τα **volumes.**
Εφόσον σηκωθούν οι containers με την εντολή:
@ -172,7 +182,7 @@ H διαδικασία είναι η εξής:
docker exec -it influxdb_container sh
Μπορούμε να πάρουμε **shell** μέσα στον container της **InfluxDB** .
Αμέσως μετά πληκτρολογούμε **influx** για να μεταβούμε στο **shell** της **InfluxDB** .
Στη συνέχεια φτιάχνουμε τη βάση μας με την εντολή:
create database values_from_sensor
@ -186,92 +196,142 @@ Tα αρχικά στοιχεία για username και password είναι **a
Τώρα πρέπει να ορίσουμε την **πηγή δεδομένων (data source)** όπου στη περίπτωση μας είναι η **InfluxDB** .
**Συμπληρώνουμε τα στοιχεία της βάσης:**
Τέλος πατάμε **Save and Test**
**Δημιουργεία Dashboard**
Επιλέγουμε το **data source** που φτιάξαμε και έπειτα το **measurement** που θέλουμε να προβάλουμε.
Επιπλέον ρυθμίσεις για καλύτερη προβολή των τιμών απο το **tab Panel** δεξία της οθόνης.
# Kώδικας
Απο τα αρχεία του κώδικα θα παρουσιαστούν **τα πιο σημαντικά σημεία του** με σκοπό την κατανόηση του τρόπου λειτουργίας (όχι δηλώσεις μεταβλητών κτλπ).
## producer.js
1) Εισαγωγή δύο απαραίτητων module για την λειτουργία του producer.
2) Έναρξη επικοινωνίας με το Arduino μέσο της σειριακής πόρτας (σε ρυθμό 9600).
3) Αρχικοποίηση των ρυθμίσεων του RabbitMQ ώστε να ξέρω που θα στείλω τα δεδομένα μου (που να γίνει το send to queue).
1) Ορισμός ονόματος queue
2) Δημιουργία connection, channel και queue για το RabbitMQ
3) Ανάγνωση της σειριακής θύρας
4) Δημιουργεία ενός κενού javascript object με σκοπό να το γεμίσουμε με το όνομα του αισθητήρα και της τιμή που διαβάστηκε απο την σειριακή πόρτα (εφαρμογή της μεθόδου slice για να κόψουμε το "\r" απο τα δεδομένα που διαβάζονται στην σειριακή πόρτα).
5) Μετατροπή του javascript object σε JSON αποστολή του στη queue (JSON γιατί είναι απαιτούμενο του RabbitMQ).
6) Εφαρμογή της συνάρτησης.
## consumer.js
1) Εισαγωγή 4 απαραίτητων module για την λειτουργία του consumer.
2) Aρχικοποίηση των ρυθμίσεων για την υπηρεσία του mail.
3) Αρχικοποίηση των επιλογών για την υπηρεσία του mail.
4) Αρχικοποίηση της σύνδεσης με τον εξωτερικό server που θα σταλούν τα δεδομένα για περαιτέρω επεξεργασία.
Αποστολή του event "join_Temp_room" σε σκοπό την εισαγωγή στο room που επεξεργάζονται οι θερμοκρασίες.
Αν η εισαγωγή στο room ήταν επιτυχής ή αποτυχής γίνεται εκτύπωση του αντίστοιχου μηνύματος.
1) Αρχικοποίηση των ρυθμίσεων της βάσης με σκοπό να μπορώ να γράψω και να διαβάσω απο αυτή.
Οι τιμές που καταγράφονται στη βάση έχουν το measurement temp , είναι τύπου float και περιγράφονται απο το tag sensor (θα μπορούσε το tag να έχει πολλές τιμές π.χ. building1 , floor2 , room55 με σκοπό να προσδιορίσουμε ακριβώς τη θέση της προερχόμενης τιμής).
Οι τιμές που καταγράφονται στη βάση έχουν το measurement temp , είναι τύπου float και περιγράφονται απο το tag sensor (θα μπορούσε το tag να έχει πολλές τιμές π.χ. building1 , floor2 , room55 με σκοπό να προσδιορίσουμε ακριβώς τη θέση της προερχόμενης τιμής).
2) Αρχικοποίηση των ρυθμίσεων του RabbitMQ ώστε να ξέρω απο που θα πάρω τα δεδομένα μου (που να γίνει το consume from queue).
1) Ανάθεση του ονόματος της queue και του ονόματος του αισθητήρα.
2) Δημιουργία connection, channel και queue για το RabbitMQ.
3) Consume και μετατροπή του JSON σε javascript object για την επεξεργασία του.
4) Έλεγχος του ονόματος του αισθητήρα με σκοπό να αποφύγω να πάρω τιμή άλλου μεγέθους (π.χ. υγρασία).
5) Acknowledge του μυνήματος που έκανα consume με σκοπό να σβηστεί απο την queue.
6) Αποστολή της τιμής μαζί με το όνομα του αισθητήρα στη βάση.
7) Μετατροπή του javascript object σε JSON και αποστολή του στον εξωτερικό server για επεξεργασία.
8) Εκτύπωση μηνύματος αν το όνομα του αισθητήρα δεν είναι το ήδη ορισμένο.
1) ** (6)** ανά 5 λεπτά γίνεται ένα query στη βάση και επιστρέφει όλες τις τιμές των τελευταίων 5 λεπτών.
2) Αποθήκευση τιμών σε ένα array.
3) Προσπέλαση όλου του array.
4) Έλεγχος των τιμών ανά ζευγάρια των δύο και υπολογισμός αν υπάρχει ποσοστιαία αύξηση ή μείωση αντίστοιχα μεταξύ των τιμών. Αν υπάρχει , τροποποιείται σε αντίστοιχη μορφή το κείμενο του mail.
5) Αποστολή του mail ειδοποίησης.
6) Ορισμός χρονόμετρου.
## server.js
1) Εισαγωγή 4 απαραίτητων module για την λειτουργία του server.
2) Αρχικοποίηση του server και του socket.
3) Array διαθέσιμων room.
1) Έναρξη server.
2) Αναμονή για συνδέσεις.
3) Ενεργοποίηση του event "join_Temp_room".
4) Έλεγχος αν το δωμάτιο που έστειλε ο consumer είναι υπαρκτό (αν είναι γινεται η εισαγωγή του consumer στο συγκεκριμένο δωμάτιο).
5) Ενεργοποίηση του event "handleData".
6) Μετατροπή του JSON σε javascript object.
7) Εγγραγή των δεδομένων που έλαβε ο server στο αρχείο tempValues.txt για την περεταίρω επεξεργασία.
# Ενδεικτικό τρέξιμο
## Αναμονή για δεδομένα απο τον producer
## Αύξηση θερμοκρασίας πάνω απο 40%
## Ειδοποίηση χρήστη
