在前面的两篇文章《》和《》中，我们学习了如何在Windows 10和Linux系统上进行Docker的部署和Python、Iotedgectl工具的安装，同时，在Azure Portal上完成了IoT Edge Device的创建、Azure IoT Edge Module的部署与运行。而在实际的生产环境中，IoT 设备可以生成大量的数据。为了减少上传的数据量或降低控制策略的延时，有时必须在设备端对数据进行实时分析或处理。Azure Stream Analytics 服务就是很好的解决方案之一，用户可以从Azure Portal中创建Azure Stream Analytics 服务，然后在 Azure IoTHub 中将其设置为 IoT Edge Module 并部署到Azure IoT Edge设备上。本文将演示如何创建Azure Stream Analytics Job，并将其部署到 IoT Edge 设备上。

1. 创建存储账户

首先，在 Azure 门户中，转到“New”，在搜索框输入“Storage”，选择“Storage account - Blob，file, table, queue”。

然后，在“Create Storage Account ”中，输入存储帐户的名称，选择存储IoTHub的同一位置(这里为East Asia)，然后选择“Create”。请记下该名称供稍后使用。

接着，转到刚刚创建的存储帐户，选择“Blob Service”。为Azure Stream Analytics 模块创建一个新容器用于存储数据，将访问级别设置为“Container”，选择“确定”。

2. 创建Azure Stream Analytics Job

首先，在 Azure 门户中，转到“Create” > “Internet of Things”，然后选择“Stream Analytics Job”。

然后，在“New Stream Analytics Job”中执行以下操作：在“Job name”框中键入作业名称;在”Hosting Environment”下，选择“Edge”；在剩余字段中使用默认值。

接着，在所创建作业中的“Job Topology”下，依次选择“Input”-“Add”。在“Input alias”框中，输入 temperature。在“Source Type”框中，选择“Data stream”。在剩余字段中使用默认值。

接下来，在所创建作业中的“Job Topology”下，依次选择“Output”-“Add”，在“输出别名”框中，键入 alert，在剩余字段中使用默认值。之后选择“创建” 。

最后，在在所创建作业中的“Job Topology”下，依次选择“Query”-“Add”，加入以下SQL语句并保存

SELECT

     'reset' AS command
INTO
    alert
FROM
    temperature TIMESTAMP BY timeCreated
GROUP BY TumblingWindow(second,30)
HAVING Avg(machine.temperature) > 70

3. 部署Stream Analytics Job

首先，在 Azure Portal 的 IoTHub页面内，转到“IoT Edge”并打开 IoT Edge 设备的详细信息页。

选择“Set Modules”，并确保已经按照之前文章中的步骤添加了tempSensor模块，因为这里的Azure Stream Analytics模块是针对tempSensor模块产生的数据来进行实时分析的。

在“Add Modules”页面，选择“Import Azure Stream Analytics IoT Edge Module”，

在接下来的Edge Deployment页面，选择之前创建好的Stream Analytics - Edge Job，注意，这里要选择之前第一部分已经创建好的存储账户和Container，点击保存，如下图所示。

之后，将一下代码复制到Routes，将{

moduleName}替换为复制的模块名称：

{

     "routes": {
       "telemetryToCloud": "FROM /messages/modules/tempSensor/* INTO $upstream",
       "alertsToCloud": "FROM /messages/modules/{moduleName}/* INTO $upstream",
       "alertsToReset": "FROM /messages/modules/{moduleName}/* INTO BrokeredEndpoint(\"/modules/tempSensor/inputs/control\")",
       "telemetryToAsa": "FROM /messages/modules/tempSensor/* INTO BrokeredEndpoint(\"/modules/{moduleName}/inputs/temperature\")"
     }
}

选择下一步，然后Submit。返回到“设备详细信息”页，并选择“刷新”。应会看到新的流分析模块已经在列表中，但是状态还是处于Pending Deployment。

一段时间以后，等该Module部署到设备以后，刷新列表，可以发现，EdgeASA已经处于running状态，如下图所示。

回到Putty工具，利用“docker logs -f {moduleName} ”指令（其中，{moduleName} 用刚刚部署的流分析模块的名称代替），就可以查看流分析的日志信息，如下图所示。

至此，我们完成了存储账户的创建、Azure Stream Analytics Job的创建和Azure Stream Analytics Job的部署与运行。

参考链接：

本文转自灵动生活博客园博客，原文链接：http://www.cnblogs.com/dearsj001/p/AzureIoTEdgeASA.html，如需转载请自行联系原作者