Smart storeを実現するAzureサービス　IoT編

Azure
Smart Store を実現する
Azure 各種サービス
IoT 編
Minoru Naito
Partner Solutions Professional
2019/03/22

22
レベル 100 レベル 200 レベル 300
Smart Store Azure 関連トレーニングコース
はじめてシリーズ
Azure App and Infra
Azure 入門
営業 2017年7月
Azure
Data and AI
Azure Data and AI
PaaS 基礎
技術 2018年6月
Azure Data and AI
Azure IoT 入門
営業
Azure App and Infra
IaaS 基礎
技術 2018年3月
提供
予定
更新予定
mstep コースあり新規コース
Azure Data and AI
商品認識の仕組み（その１）
IoT
提供
予定
Azure Data and AI
商品認識の仕組み（その２）
AI
Azure Data and AI
商品マスタとトランザクション管理
DB
Azure App and Infra
サーバレスアーキテクチャ
App
提供
予定
提供
予定
提供
予定
Azure Data and AI
IoT データ可視化 WS
AI
提供
予定
Azure Data and AI
画像認識WS
IoT
提供
予定
AzureDataandAI
SmartStoreリファレンスアーキテクチャハッカソン
AI,IoT,App,DB
提供
予定
※この他 Azure システム運用、CI / CD 、 Mobile アプリ開発などのコースも計画中

はじめに
Smart Store 施策全体像
Smart Store プラットフォームの設計概念
サンプル実装 ( Smart Box ) に関して
Smart Store リファレンスアーキテクチャの位置づけ
商品をカメラで認識し、カートへ追加する
商品をカメラで認識する
- IoT Hub 、 IoT Edge –
まとめ & Appendix
コンテンツ

Smart Store リファレンスアーキテクチャをテーマに、
それを構成する「 Azure の技術」を学んでいただく
※ Smart Store リファンレンスアーキテクチャはそれ単体で使っていただくものではなく、このアーキテクチャを
参考にして頂くことで、より素早くお客様の業務を実現するためのもの
※ そのために、それを構成する Azure を使いこなす技術習得が必須
本トレーニングの目的

Smart Store 施策の背景
次世代の小売業で求められている姿日本の小売業が直面しているシステム課題
• 単一のテクノロジ/ソリューションではビジネス課
題が解決できない (単発的なPOCの繰り返し)
• 新しいテクノロジに追従する技術者育成・確保
困難
• 革新的なサービス開発を支えるシステムのサイロ
化による運用コストの増大
• 省人化や効率化かつ顧客満足の維持と向上
• 新しいビジネスモデルへの転換
• 顧客・店舗データの利活用
• カスタマイズされたサービス提供
• イノベーティブなサービスの実現
出典: 「スマートストアの実現に向けて」平成30年3月経済産業省消費・流通政策課 Smarter Retailing Forum 2018
VS
日本マイクロソフトは
このGAPを本施策で解消します

Smart Store リファレンスアーキテクチャーを無償提供
GitHub を通して無償提供いたします
ユースケース（業務シナリオ）サンプルアプリケーションリファレンスアーキテクチャー
① 商品をカメラで自動認識し、スマホア
プリのカートへ追加して精算
(必要なデバイスの設計サンプルも含む)
② キャッシュレスによるスマホ決済
③ 数百万×数百店舗の商品在庫を
一括管理できる商品マスタと商品ト
ランザクション管理
① ユースケース（業務シナリオ）の
動作が確認できるサンプル
ソースコード
① サンプルアプリケーションに基づく、動
作確認用のホワイトペーパーと
プラットフォーム構築に必要な
サンプルソースコード
Announcement

Smart Store プラットフォームの目的
複数ソリューションを有機的に連携させる環境を作り、お客様が差別化すべき領域を限定的にします
その効果により、中小小売業を含めた流通小売事業全体のイノベーションを加速化させます
施策の概要
① 先進的なテクノロジを用いた基本的な実現方式（リファレンス
アーキテクチャー）を、業界共通でオープン化し各社へ提供
② リファレンスアーキテクチャーをベースとしたパートナー・技術者を育成
③ 事業者が差別化した新規ビジネス開発に専念できるよう支援
パートナー様
流通事業者様
サービス構築期間の短縮化
RaaS/Solutionの提供
技術者の育成
差別化したサービス開発
革新的な新事業展開
先進的なテクノロジ
を用いたリファレンスの提供
日本マイクロソフト

https://github.com/intelligent-retail
サンプル実装：Smart Box
～ソースコードはこちらからダウンロード可能～

リファレンスアーキテクチャー ≠ プロダクト

速い
高
リファレンスアーキテクチャーがもたらすメリット
スピード
変更の頻度
既存システム差別化システム革新的システム
日本マイクロソフトが提供するリファレンスアーキテクチャー
マイクロソフトが提供
業界共通で、基本的なシステム実装方式について、先進的な
テクノロジを用いたリファレンスアーキテクチャーをオープン化し各社
へ提供
事業者メリット
• 差別化できる次世代店舗開発＆運営実現にフォーカス
• イノベーションライフサイクルを短縮化
(提供業務シナリオに基づくサービス開発期間を5割短縮)
• POCコストの削減 (実装方式設計コストを7割削減)
• 将来的なシステム運用コストの削減(5割削減)
パートナーメリット
• 事業者(顧客)に対するサービス構築期間の短縮化
• 開発・運用・保守コストの削減
事業者間で差別化すべき領域
業界共通的なシステム方式設計
遅い
低

今後提供予定
リファレンスアーキテクチャー利用イメージ
Smart Store リファレンスアーキテクチャー
API API API API API API
メーカー物流卸売小売
ECB
決済消費者
メーカー卸・物流関連事業者流通小売事業者新規事業者
提供中
流通小売事業者
• 新しいビジネステーマに迅速な対応
• 継続的なイノベーションを実現
ソリューションパートナー
• 店舗デバイスによる新規ビジネスモデル開発
• AI、IoT、カメラ等と連携した先進的なソリューション開発
RaaS (Retail As a Service) パートナー
• 複数ソリューションを連携して、事業者へ統合サービスと
して提供
日本マイクロソフト
• 主要な業務シナリオにおけるリファレンスアーキテクチャー
を提供し、より短いサイクルで継続的なイノベーションを
実現可能にする
• 適切なソリューションパートナー・RaaSパートナーを紹介する
ダイナミック・
プライシング
ソリューション
カメラ
電子タグ
決済
在庫管理
…
 電子棚札
 サイネージ
 店舗メディア
 etc
 映像
 赤外線
 TOF(3D)
 etc
 場所特定
 Bluetooth
 RFID
 etc
 RFIDレジ
 カート一体型
セルフレジ
 モバイル端末
 etc
 リアルタイム
在庫管理棚
 作業指示端末
 etc
今後提供予定

今後の店舗で考えられる仕組み
• 商品の評価を入れる
• ポイント付与
• クーポン発行
• 定性情報の蓄積
退店後
入店前
• 店外から商品在庫確認
• 予約 (決済) も可能
• 店外でも LINE などから
レコメンドを受信
イートイン
商品在庫+予約
レコメンド
商品レビュー・評価
クルーデバイス
入店認証
動線分析
ロッカー商品受取
ヒートマップ
滞留分析
広告効果測定
店内行動
各種情報
電子棚札
オススメ
店内レコメンド
商品情報 (ｱﾚﾙｷﾞｰ等)
AR商品情報
ランキング・商品評価配信
対面KIOSK
接客ロボ
RFID対応レジ
モバイル決済
Suica決済退出ゲート
ウォークスルー
ゲート決済
電子レシート
サイネージ
店内調理
縦型サイネージ
FF在庫管理
在庫管理
電子棚札制御
¥1000¥550
空調・照明制御
スマートエネルギー
自動発注
個品単位での追跡
生産～廃棄まで
個品管理が可能
業務アシスト
需要予測
カート一体型セルフレジ
欠品分析
棚割分析
棚一体型サイネージ
防犯カメラ
画像認識レジ
リアルタイムクーポン
冷蔵庫モニタリング

Smart Store プラットフォームの設計概念

Smart Storeプラットフォームにクラウドを選ぶ理由(1)
 スピード
これまでは設備の調達や設置に多くの日数を要するため、事前に入念な計画が必要でした。クラウドの最大のメ
リットは、最小限の準備で「すぐに」実行できるスピードにあります。店舗数や来店客数、品数や在庫量・流通量
などの予測が困難になっている現在、フェイルファスト（行動学習）可能な環境は何よりも強い武器になります。
 スケーラビリティ
将来の予測が難しい現状では、例えば3年後に必要になるサーバーやストレージのサイズを予想することに意味はあ
りません。必要なのは「必要な時に必要なだけ拡張/縮小できるリソース」です。クラウドは、無駄な資源とともに
無駄な検討時間も減らしてくれます。
 高い保守性
最小限の物理機器で動作するため、店舗新規開設時やメンテナンス時の「取り回し」の軽さとともに、データセン
ター側の冗⾧化や多重化などの災害対策環境も容易に構成できる能力が得られます。

Smart Storeプラットフォームにクラウドを選ぶ理由(2)
 アクセス性の向上
パブリックかつ無尽蔵のリソースを利用できるようになることで、場所と時間を問わずリソースにアクセスする
ことができます。また、これまでインターネット経由のチャネル利用には自社ネットワークの増強が不可欠でし
たが、プラットフォームにクラウドを選択することで、最初からストレスのない帯域が手に入ります。
 セキュリティ
業務プラットフォームにクラウドを利用する際の最大の障壁がセキュリティでした。自社データセンターと専用
線接続のみで構成された環境はセキュリティ面で最も強固です。しかし、現在のリテールシステムはインター
ネットと切り離して考えることはできない状況になりつつあります。一方で、クラウドシステムは全てソフト
ウェアで構成されています、高価なファイアウォールもクラウドであれば全てのエンドポイントに配置すること
も可能です。これまでのデータセンターでは考えられなかった強固なセキュリティをクラウドでは実現すること
ができるのです。

マイクロサービスの採用
 従来の階層型設計である「モノリシック設計手法」では、密結合になりやすく拡張性も乏しくなります
 リテールビジネスの成⾧と変化のスピードには対応させつつ、デジタルトランスフォーメーションを加速させる設計手法が必要です
 Smart Store では、全体アーキテクチャ設計として「マイクロサービス」の設計手法を採用しています
 ビジネス機能を一定の単位でカプセル化し、サービス間を疎結合に保つ設計手法
 個々のサービスを、それぞれのビジネス機能に求められる非機能要件を適用できる
 ビジネスの規模や成⾧ステージに合わせて、個々のサービス毎に拡張、更新、スケールが可能となる
 それぞれのサービスに適したテクノロジーを個別に適用することができる
商品マスタサービス
POSサービス BOX管理サービス
在庫管理サービス
利用者向け
アプリ用サービス
管理者向けWeb用
サービス
ビジネス機能単位で
サービスを分割
サービス間は疎結合に保ち独立し
て追加・更新可能に
サービスの処理特性に応じて
個々にテクノロジーを適用
サービス毎の非機能要件
に合わせて、デプロイ・ス
ケールが可能
マイクロサービスの特徴と利点

Smart Storeのリファレンスアーキテクチャ構想例
テナント別機能PF
ショッピングアプリ
スマホ決済
キャッシュレス
消費者向け
スマートフォンアプリ
ウェブアプリ、API
無人レジ
発注
品出し、棚卸
バックオフィス向け
端末
ウェブアプリ、API
クーポン発行
ちらし配布
経営会議
マーケティング向け
管理画面、自動処理
BIツール
店舗PF
POS データストア分析・学習
商品照会
カート
決済
API
IoT-PF
設備監視・制御
入力装置
（カメラ・マイクなど）
出力装置
（空調・照明・放送など）
販売BOX・陳列棚
利用者動向追跡
商品動向追跡
制御・データ送受信
機器管理制御・データ送受信
API、処理商品マスタ
利用者データ
在庫データ
設備データ
商品学習
利用者分析
需要予測
設備メンテナンス予測
データストア

全体構成図概要
サーバーレスコンピューティングサービスとして Azure Functions を採用し、リソースの柔軟なスケールを実現します
マイクロサービスアーキテクチャをベースとしたサービス設計によりサービス間の疎結合性を確保します
BFFサービス群バックエンドサービス群
商品マスタサービス
商品照会API
商品更新API
POSサービス
カートAPI
決済API
BOX管理サービス
Box開閉API
商品追跡API
在庫管理サービス
在庫トランAPI
在庫照会API
利用者向け
アプリ用BFF
管理者向け
Web用BFF
クライアントApp
（Xamarin）
管理用Web
（Web App）
Application Insights
分散トレーシングによる
マイクロサービス監視
マイクロサービスによる
疎結合なサービス間連携
BFFによるフロントエン
ドの柔軟性確保
Azure Functions によるサー
バーレスコンピューティング

サーバレス API 、 POS サービス・・・ Azure Functions
BOX 管理サービス・・・ IoT Edge 、 IoT Hub
ー商品画像認識・・・ Tensor Flow
在庫管理、商品マスター・・・ Azure SQL Database 、 Azure Cosmos DB
使用されている主なサービス

レベル 100 レベル 200 レベル 300
Azure App and Infra
Azure 入門
営業 2017年7月
Azure
Data and AI
Azure Data and AI
PaaS 基礎
技術 2018年6月
Azure Data and AI
Azure IoT 入門
営業
Azure App and Infra
IaaS 基礎
技術 2018年3月
提供
予定
更新予定
Azure Data and AI
IoT
提供
予定
Azure Data and AI
AI
Azure Data and AI
DB
Azure App and Infra
App
提供
予定
提供
予定
提供
予定
Azure Data and AI
AI
提供
予定
Azure Data and AI
画像認識WS
IoT
提供
予定
AzureDataandAI
AI,IoT,App,DB
提供
予定
BOX 管理サービス
BOX 管理サービス
（商品画像認識）
サーバレス API 、クラウド POS
在庫管理、商品マスター

サンプル実装（ Smart Box ）に関して

サンプル実装(業務シナリオ ): ユースケース
 オフィスなどで、店員がいなくても、商品販売が可能な販売方法をユースケースとしました（オフィス内、コンサート会場物販、店舗省スペース）
１．Boxオープン Boxに表示されるQRコードをスマホで読み取ることにより、Boxのドアの鍵を開け、スマホからはお客様のチェックインができます
２．商品登録商品をBoxから取り出す状態を商品画像認識により、商品特定を行い、商品登録を行います。そしてその商品登録状態をスマホ
に表示する。さらに、在庫の更新もリアルタイムに行い、店舗スタッフが補充等の対応にすばやく行えるように致します。
３．買物終了 Boxのドアを閉めることにより、買い物の終了として、決済を完了します。（今回決済自体はダミー実装になります）。
顧客 1.ボックスオープン 2.商品取り出し 3.ボックスクローズ
Box

サンプル実装 (全体像): ユースケース
Box状態管理
統合商品マスタ
POS
リアルタイム在庫管理
Push
通
知
サ
ー
ビ
ス
顧客アプリ用BFF バックオフィス用BFF
Smart BOX
モニター
Web
ショッピングカート
Azure IoT
Device SDK
Azure Functions Azure Functions
Azure Functions
Azure Functions Azure Functions
Azure Functions
App Center
SQL DBCosmos DB Cosmos DBBlob
商品API
商品データ商品イメージ在庫トランAPI 在庫イベントソース在庫データマート在庫モニターAPI
カートAPI
IoT Hub
Boxイベント通知
Azure Functions
IoT Hub
店舗PF
テナント別機能PF
IoT-PF
Azure Functions Cosmos DB
各種データ

サンプル実装(Microsoft Azure) : ユースケース
POS
顧客用アプリ
Android/iOS
Box状態管理
1.ボックスオープン
2.商品取り出し
3.ボックスクローズ
IoT Hub
統合商品マスタ
Azure Functions
Cosmos
DB
Blob
商品API
商品データ商品イメージ
リアルタイム在庫管理
Azure Functions
Azure FunctionsSQL DB
Cosmos
DB
在庫トランAPI 在庫イベントソース
在庫データマート在庫モニターAPI
顧客
バックオフィス
Azure Functions
バックオフィス用BFF
Android/iOS
Webモニター
Azure Functions
顧客アプリ用BFF
Box
Azure Functions
Push通知
ショッピングカートAPI
商品登録一覧
レシート
買物開始
Boxオープン状態
商品変動状態
Boxクローズ状態
Box状態
プッシュ情報送信
モバイルデバイスへの通知
在庫情報参照
在庫情報取得
商品情報取得
商品情報取得
在庫トラン
カートAPI呼び出し
BFF呼び出し
Azure Functions
Cosmos
DB
各種データ
カートAPI

商品をカメラで認識し、
カートへ追加する

BOX管理サービス – 概要
 Smart Box の状態監視に、Azure Functions の Durable Function モニターパターンを採用します
 Smart Box の状態変化に伴うカートの変更を即時にアプリに反映するため、 App Center Push を採用します
 取引操作を Web API として実装します
Azure Cosmos
DB
Azure Functions
取引操作を
API で提供
IoT Edge IoT Hub
アプリ
App Center Push
Smart Box →クラウドへのメッセージ
・鍵の開錠
クラウド→ Smart Box へのメッセージ
・在庫情報、差分情報
Azure Functions
Durable Function で
ステートフルに Smart
Box の状態を監視
POSサービス
プッシュ通知により取引状
態変化を反映
Smart Box BOX管理サービス

BOX管理サービス – 主な機能と特⾧
 Azure Functions の Durable Functions を利用してステートフルなワークフロー処理
 モニターパターンを利用し、特定の条件が満たされるまで待機します
 IoT Hub を経由した Smart Box との連携
 Smart Box からのメッセージ受信は IoT Hub を経由し、Event Hub Trigger により BOX管理サービスの
Azure Functions で受け付けます
 Smart Box へのメッセージ送信は、 Azure IoT Hub サービス SDKを使用し送信する
 POSサービス連携
 POSサービスの Web API を使用して、Smart Box の状態からカート操作や決済処理を行います
 アプリとの連携
 取引作成、情報取得のために、Web API を提供します
 App Center Push を用いて、即座に取引の状態を通知します

BOX管理サービス – 参考ドキュメント
 Durable Functions モニターパターン
 https://docs.microsoft.com/ja-jp/azure/azure-functions/durable/durable-functions-
concepts#monitoring
 デバイスからクラウドへのメッセージを組み込みのエンドポイントから読み取る
 https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-messages-read-builtin
 Azure Functions における Azure Event Hubs のバインド
 https://docs.microsoft.com/ja-jp/azure/azure-functions/functions-bindings-event-hubs
 Azure IoT Hub SDK の概要と使用方法
 https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-sdks
 App Center Push
 https://docs.microsoft.com/ja-jp/appcenter/push/

サンプル実装 (Device/Smart Box): IoT 領域構成図
Box状態管理
Smart BOX
Azure IoT
Device SDK
Azure Functions
IoT Hub
IoT Hub
IoT-PF
IoT Edge
Dockerコンテナ
AIによる画像認識
カメラからの画像スオリーミング
IoT Device
Azure IoT
Device SDK
BOXの各種デバイス
(扉、鍵、LED、LED等)カメラからの画像ストリーミング
D2Cによる、デバイス状態通知
C2Dによる、デバイス制御
デバイス制御
AI開始／終了
イベントトリガ
BOX内在庫差分通知

サーバレス API 、 POS サービス・・・ Azure Functions
BOX 管理サービス・・・ IoT Hub 、 IoT Edge
ー商品画像認識・・・ Tensor Flow
在庫管理、商品マスター・・・ Azure SQL Database 、 Azure Cosmos DB
使用されている主なサービス

IoT Hub の基本機能
IoT Hub1
IoT Hub1
IoT Hub1
Device
Send Device-to-Cloud
Receive
Cloud-to-Device
Receive Device-to-Cloud
Send Cloud-to-Device Message,
Receive Message Delivery Ack
Device Identity Management
IoT Hub
Resource
Provider
Resource Provider Endpoint
①新規デバイスの登録
②デバイスからクラウドへの
データ送信
③クラウドでのデバイスからの
データ受信
④クラウドからデバイスへの
コマンド送信
⑤デバイスでのクラウドからの
コマンド受信
⑥クラウドでのデバイスの
コマンド受信確認Event Hubを内包

IoT Hub 全体像
Devices
RTOS,Linux,Windows,Android,iOS
Field
Gateway
IoT Hub
• 双方向通信
• 1千万台以上のデバイス
• 遠隔測定入力
• コマンドと制御
• デバイス登録とアイデンティティ
• デバイス管理
• HTTP/AMQP
• プロトコルの拡張サポート / MQTT
Cloud
Protocol
Gateway
組込み機器向けSDK
• C#
• C/C++
• Java
• JavaScript

IoT Hub の最新機能
Microsoft Azure
デバイス接続管理
（ID、Device Key）
メッセージング
（送受信、受信確認）
機器管理
（Device Twin、Query、Job）
デバイス
IoTシナリオ
アプリ
IoT機器管理
アプリ
計測データ、コマンド
HTTPS/AMQPS/MQTT
OS/Firmware
プロパティ、ジョブ
LWM2M
“IoTシナリオアプリ”
FA、医療、流通、リテール、社会インフラなど、
それぞれの事業領域毎の専門アプリケーション
“IoT機器管理アプリ”
特定の事業領域によらず、機器としての管理機能向けアプリ
アプリ実行状況確認、アプリやファームウェアのアップデートなど

推奨アーキテクチャ
組込み機器、人⇔送受信⇔蓄積、表示、分析、活用
PaaSをビルディングブロックで組み合わせ、構築
Microsoft Azure
デバイス接続
サービス
データ
実時間分析
サービス
ML
ダッシュボード
サービス連携
データ・サービスを
第三者へ売る
PC・タブレット・スマホ
開発・運用コスト低
スケール可能！！
ストレージ

デバイスを IoT Hub に接続する
Azure
デバイス IoT Hub
接続用ライブラリを
オープンソースで公開
• OS
• ミドルウェア
• 言語
http://github.com/azure/azure-iot-sdks
http://azure.microsoft.com/develop/iot/get-started

39
デバイス管理
① Azure IoT Hub のアーキテクチャ
データ送受信
 マルチプラットフォーム / マルチランゲージのデバイスライブラリを使用した、セキュアで簡単なデバイスの接続
 スケーラビリティと信頼性に優れた、デバイスとクラウド間の双方向メッセージング
デバイス管理
 デバイスごとのセキュリティ資格情報とアクセス制御を使用した、通信のセキュリティ保護
 デバイスツインによるプロパティ同期とダイレクトメソッドによるリモートからの処理要求
デバイス ID 管理
メッセージング（受信）
メッセージング（送信）
デバイスツイン管理
ダイレクトメソッドの起動
ジョブ管理
モニタリングイベントの受信
ファイル受信
IoT Hub
メッセージング (受信)
メッセージング (送信)
ファイルアップロードの開始
デバイスツインプロパティの同期
ダイレクトメソッド要求の受信
データ送受信

40
Pricing and scale tier
7 種類の価格レベル
 Azure サブスクリプションに最大 10 個の IoT Hub と最大 1 個の Free ハブを作成可能
 1 つの IoT Hub に接続できるデバイスの最大数：500,000
 この制限を引き上げる場合、Microsoft サポートにお問い合わせください
Tier 価格レベルユニットあたりの持続送信レートユニット数ユニットあたりの月額価格
(東日本)
Free F1 8,000 メッセージ/日 (平均 5.6 メッセージ/分) 1 無料
Basic B1 40 万メッセージ/日 (平均 278 メッセージ/分) 1～50 ¥1,120
B2 600 万メッセージ/日 (平均 4,167 メッセージ/分) 1～50 ¥5,600
B3 3 億件のメッセージ/日 (平均 208,333 メッセージ/分) 1～50 ¥56,000
Standard S1 40 万メッセージ/日 (平均 278 メッセージ/分) 1～50 ¥2,800
S2 600 万メッセージ/日 (平均 4,167 メッセージ/分) 1～50 ¥28,000
S3 3 億件のメッセージ/日 (平均 208,333 メッセージ/分) 1～10 ¥280,000

41
Basic と Standard の相違点
Standard レベルではすべての機能が利用可能
 セキュリティ機能と認証機能は、どちらのレベルも同等
機能 Basic Standard
device-to-cloud テレメトリ〇〇
デバイスごとの ID 登録〇〇
HTTP、AMQP、MQTT プロトコル〇〇
メッセージルーティング、Event Grid の統合〇〇
Azure IoT Hub Device Provisioning Service を使用したデバイスのプロビジョニング〇〇
監視と診断〇〇
cloud-to-device メッセージング〇
デバイスツイン、モジュールツイン、およびデバイス管理〇
Azure IoT Edge 〇

42
IoT Hub エンドポイントとアクセス許可 (1/2)
メッセージの送受信で使用される IoT Hub エンドポイント
アクセス許可
アクセス許可の種類説明
① デバイス接続 (DeviceConnect)
※ このアクセス許可はデバイスごとに設定する
 デバイス向けの通信エンドポイントへのアクセスを許可する
 D2C メッセージの送信と、C2D メッセージの受信のアクセス許可を付与する場合に使用
 ファイルアップロード実行のアクセス許可
② サービス接続 (ServiceConnect)  クラウドサービス向けの通信エンドポイントと監視エンドポイントへのアクセスを許可する
 D2C メッセージの受信、C2D メッセージの送信、対応する配信確認メッセージの取得のアクセス許可をバックエン
ドクラウドサービスに付与する場合に使用
 ファイルアップロードの配信確認メッセージの取得
IoT Hub
D2C メッセージ送信
C2D メッセージ受信
① デバイス接続
ファイルアップロードの配信確認
C2D メッセージ送信
ACK 受信
D2C メッセージ受信
② サービス接続
<IoT Hub ホスト名>
.azure-devices.net

43
IoT Hub エンドポイントとアクセス許可 (2/2)
デバイス管理で使用される IoT Hub エンドポイント
4 種類のアクセス許可
アクセス許可の種類説明
① デバイス接続 (DeviceConnect)  デバイスツインの必要なプロパティ通知の受信のアクセス許可
 デバイスツインの報告されるプロパティの更新のアクセス許可
② サービス接続 (ServiceConnect)  タグおよび必要なプロパティを更新するためのデバイスツインのアクセス許可
 報告されるプロパティの取得のアクセス許可
 クエリ実行のアクセス許可
③ レジストリ読み取り (RegistryRead)  デバイス ID レジストリへの読み取りアクセス権を許可する
④ レジストリ書き込み (RegistryReadWrite)  デバイス ID レジストリへの読み取りと書き込みのアクセスを許可する
① デバイス接続
② サービス接続
③ レジストリ読み取り、④ レジストリ書き込み
<IoT Hub ホスト名>
.azure-devices.net
IoT Hub

44
IoT Hub のホスト名
対象の IoT Hub の [概要] ブレードで [ホスト名] を確認する
Azure IoT Hub ホスト
の URL

45
対象の IoT Hub の [共有アクセスポリシー] ブレードを選択
 5 種類のビルトインされたポリシー
 管理用アプリから IoT hub にデバイス登録する場合、デバイス ID 管理可能な「iothubowner」ポリシーの接続文字列を使用する
 管理用アプリから IoT hub に接続して、受信データを読み取る場合、「service」ポリシーの接続文字列を使用する
共有アクセスポリシー
接続文字列

46
Azure ポータルからのデバイス登録
対象の IoT Hub の [デバイスエクスプローラー] ブレードを選択し、[追加] をクリック
 デバイスに割り当てるデバイス ID を入力して、保存する
 3 種類の認証：対称キー、X.509 自己証明書、 X.509 CA 証明書
キーの自動生成を指定
任意のデバイス ID を入力
認証の種類を選択
参照：https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-identity-registry

47
デバイスごとの接続情報
対象の IoT Hub の [デバイスエクスプローラー] ブレードを選択
 デバイスから IoT Hub に接続する場合、接続情報にデバイス ID が必要なため、
デバイスエクスプローラーから対象デバイスの [接続文字列] を取得して、使用する
デバイス ID を選択
デバイス ID を含む接続情報
接続を許可するデバイスは有効化しておく

48
IP アドレスによる IoT デバイスのフィルタリング
IP フィルター
 1 つの IPv4 アドレスか、または CIDR 表記法で記述した IP アドレスブロックを指定
 拒否または、許可の設定が可能
 指定された範囲の IP アドレスからのトラフィックのみを受信し、それ以外のトラフィックをすべて拒否する場合
 IoT Hub の管理者によって疑わしいと識別された IP アドレスからのトラフィックを拒否する場合
拒否と許可の設定が可能

49
[参考] Raspberry Pi Azure IoT Online Simulator
node.js 版オンラインシミュレーター
デバイスごとに割り当てられた接続文字列
https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-raspberry-pi-web-simulator-get-started

IoT Hub で受け取るデータ
Sensor1
Sensor2
Sensor3
Survo1
Survo2
Servo3
{“SensorId”:”Sensor1”,”AccelX”:0.234,”AccelY”:0.0152,”AccelZ”:-1.325,”Timestamp”:20150804…}
{“SensorId”:”Sensor2”,”AccelX”:-2.085,”AccelY”:0.173,”AccelZ”:0.623,”Timestamp”:20150804…}
…….
{“PartsId”:”Survo2”,”Status”:”On”,”Value”:231,,”Timestamp”:20150804…}
……..
センサー計測・状態データ（いつ、何を測った）
論理モデル（どこで、何の）
工場
生産ライン
工作ロボット
アーム1
ジョイント1
センサー：Sensor1
サーボ：Survo1
いつ、どこで、何の、何を測ったその時何が…×

51
IoT Hub コンシューマーグループ
バックエンドに対し、パブリッシュ/サブスクライブのメカニズムを提供
 イベントデータを読み取るエンティティをイベントコンシューマーと呼ぶ
コンシューマーグループに対するアクティブな受信者は 1 つだけにする
 必要に応じて追加する
既定のコンシューマーグループ
 $Default
Function App
Stream Analytics
IoT Hub
function
streamanalytics
$Default カスタム
アプリケーション
コンシューマーグループ

52
① Azure Function App によるストリームデータの格納、および通知
イベント駆動のサーバーレスアーキテクチャ
 100 万回/月の実行までは無料、以降は使用した分のみ課金 (分単位)
 C#、F#、Node.js、Java、Python、PHP、Batch、Bash による関数の記述
 NuGet、NPM のサポートにより、使い慣れたモジュールが参照可能
Function App
Event HubsIoT Hub
出力バインドトリガーバインド
HTTP Generic Webhook
Service Bus Queue Service Bus Topic
BLOB Queue
Timer
Service Bus Queue Service Bus Topic
BLOB Queue
Event Hubs
HTTP
Table
Mobile App
Notification Hub Cosmos DB
Send Grid
入力からのイベントをトリ
ガーにデータ処理、通知処
理などを実行
Graph Events
Graph Events

53
[関数] ⇒ [新しい機能] ⇒ [IoT Hub (Event Hub)] テンプレートを選択
 C#、F#、JavaScript から選択
ストリームデータを Blob に保存する IoT Hub トリガーの作成

54
② Azure Stream Analytics によるリアルタイム分析
イベントのデータストリームを Stream Analytics ジョブで処理する
 ジョブに入力、クエリ、出力を定義する
 入力： Azure データストリームソース (Event Hubs、IoT Hub、Blob Storage) からのデータストリーム
 クエリ：入力データを変換、集計する SQL ライクなクエリ言語の記述が可能
データの時間的側面を処理するための言語構造を提供 (System.Timestamp)
静的な参照データを結合させることが可能
 出力：ジョブの処理結果
Event Hubs
IoT Hub
Blob
Event Hubs
SQL Database
Table
Power BI
Stream Analytics
Blob
Cosmos DB
Function App
Data Lake

55
Azure Stream Analytics クエリ言語
クエリの基本要素
APPLY
CASE
CREATE TABLE
FROM
GROUP BY
ウィンドウ処理
Tumbling Window
Hopping Window
Sliding Window
HAVING
INTO
JOIN
SELECT
UNION
WHERE
WITH
レコード関数
GetRecordProperties
GetRecordPropertyValue
時間と日付関数
DATEADD
DATEDIFF
DATENAME
DATEPART
DATETIMEFROMPARTS
DAY
MONTH
YEAR
文字列関数
CHARINDEX
CONCAT
LEN
LOWER
PATINDEX
REGEXMATCH
SUBSTRING
UPPER
数学関数
ABS
CEILING
EXP
FLOOR
POWER
SIGN
SQUARE
SQRT
地理空間関数
CreateLineString
CreatePoint
CreatePolygon
ST_DISTANCE
ST_OVERLAPS
ST_INTERSECTS
ST_WITHIN
参照：https://msdn.microsoft.com/library/en-us/Dn834998.aspx
分析関数
ISFIRST
LAG
LAST
変換関数
CAST
GetType
TRY_CAST
配列関数
GetArrayLength
GetArrayElement
GetArrayElements
メタデータ入力関数
GetMetadataPropertyValue
集計関数
AVG
COUNT
Collect
CollectTOP
MAX
MIN
Percentile_Cont
Percentile_Disc
STDEV
STDEVP
SUM
TopOne
VAR
VARP

56
ストリーム分析機能の比較
Azure Stream Analytics と HDInsight Apache Storm
参考：https://azure.microsoft.com/ja-jp/documentation/articles/stream-analytics-comparison-storm/
Azure Stream Analytics HDInsight Apache Storm
オープンソース NO YES
言語 SQL Java、C#
カスタムコードによる拡張 NO YES
入力データソース Event Hubs、IoT Hub、Blob Event Hubs、サービスバス、Kafka
入力データ形式 Json、CSV、Avro いずれの形式もカスタムコードを使用して実装可能
出力
SQL Database、Blob、テーブル、Event Hubs、
Service Bus キュー、Service Bus トピック、
Cosmos DB、Power BI
SQL Database、Blob、Event Hubs、Cosmos DB、Power BI、Hbase などの
コネクターを提供
カスタムコネクターの記述が可能
Microsoft によるサポート YES YES
料金
処理するデータボリュームと必要なストリーミングユニット
数によって請求される
購入単位はクラスターベースで、デプロイされるジョブとは無関係に実行されるク
ラスターの実行時間に基づいて請求される

57
Azure Time Series Insights
4 つの特徴
 クラウドゲートウェイ (Azure IoT Hub、Azure Event Hubs) への接続
 Time Series Insights はこれらのイベントソースに簡単に接続して、メッセージや、クリーンな行と列でデータを保持
する構造から、JSON を解析します。メタデータとテレメトリを結合し、単票形式のストア内のデータにインデックスを
作成します。
 データストレージの管理
 メモリと SSD に最大 400 日間データを格納
 必要に応じて、何十億ものイベントに対する対話形式の照会を数秒で行うことができます。
 TSI エクスプローラーによるデータの可視化
 TSI エクスプローラーと API の両方に対応するクエリサービスの提供
 簡単に統合できる API で時系列データをカスタムアプリケーションに埋め込むことができます。
デモ：https://docs.microsoft.com/ja-jp/azure/time-series-insights/tutorial-create-populate-tsi-environment
https://github.com/Azure/azure-iot-pcs-remote-monitoring-dotnet/wiki/Developer-Reference-Guide#ssh-into-a-vm

58
[参考] Azure Time Series Insights
分析、ストレージ、および可視化サービスを完全に管理
 何十億というイベントを同時に探索し、分析することを簡単に実現
 アクションにつながるインサイトを数秒で発見
 秒単位で開始し、分単位で IoT スケールデータのグローバルビューを作成
参考：https://azure.microsoft.com/ja-jp/services/time-series-insights/

IoT Hub デバイス管理
Microsoft Azure
Device Registry
Service List
論理モデル
プロビジョニング
蓄積データ
最新データ
（状態）
←Endpoint、Token Device Info→

60
IoT デバイスのリモート管理を実現する 2 種類のエンドポイント
 デバイスツイン
 デバイス固有のメタデータをクラウドに格納し、クラウドとデバイス間でプロパティを同期させることができる
 Desired と Reported の 2 種類の同期プロパティとクラウドのみで保持される Tags 情報
 デバイスがオフラインであっても、属性情報をクエリ可能
 ダイレクトメソッド
 同期型のデバイス操作コマンド実行
IoT Hub
① IoT デバイス管理のためのエンドポイント
メッセージング（受信）
メッセージング（送信）
ジョブ管理
モニタリングイベントの受信
ファイル受信
メッセージング (受信)
メッセージング (送信)
デバイス管理
デバイスツイン
ダイレクトメソッド
デバイス管理

61
デバイス管理のためのエンドポイント通信
デバイスツインとダイレクトメソッドの通信方向
IoT デバイス
properties
desired
reported
IoT Hub
tags
properties
desired
reported
参考：https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-device-twins
メソッドの起動
書き込み・読み取り
読み取り
バックエンド
アプリ
応答
デバイスアプリ
書き込み・読み取
り・変更通知
メソッドの実行
実行要求

62
② デバイスツイン
デバイスツインの情報を使用したクエリの実行
 既定のデバイスツイン json データ
IoT Hub
tags
properties
desired
reported

63
③ ダイレクトメソッド
ダイレクトメソッドの呼び出し
 バックエンドアプリからデバイスのメソッドを呼び出し、デバイスを再起動する例
public static async Task StartReboot()
{
client = ServiceClient.CreateFromConnectionString(connString);
CloudToDeviceMethod method = new CloudToDeviceMethod("reboot");
method.ResponseTimeout = TimeSpan.FromSeconds(30);
CloudToDeviceMethodResult result
= await client.InvokeDeviceMethodAsync(targetDevice, method);
}
Client.SetMethodHandlerAsync("reboot", onReboot, null).Wait();
デバイスの再起動を呼び出す非同期メソッドの定義呼び出されたメソッドに delgate を登録し、待機状態にする
デバイス
アプリ
メソッドの実行
IoT Hub
応答
メソッドの実行要求
バックエンド
アプリ
メソッドの起動

64
デバイスツインを使用したデバイス管理
デバイスの再起動
 バックエンドアプリからデバイス再起動を要求
 デバイスツイン情報に履歴を保存
構成管理
 構成の初期化
 構成の設定とデバイスツイン情報の更新
ソフトウェアの更新
 デバイスへのソフトウェアのダウンロードと適用
 デバイスツイン情報の更新
ファームウェアの更新
 デバイスへのファームウェアのダウンロードと適用
 デバイスツイン情報に履歴を保存
IoT Hub
tags
properties
desired
reported

65
Device app Back end
デバイスツインを使用したファームウェアの更新フロー
⾧時間のメソッド実行時、デバイスツインで、進捗状況を確認する
ファームウェア更新の起動ファームウェア更新処理
2
ファームウェアイメージの
ダウンロードとレポート
イメージの適用と
ステータスの記録
再起動と再接続
レポート情報の更新を確認4
レポート情報の更新を確認
3
5
6
IoT Hub
properties
参考：https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-csharp-node-firmware-update
バックエンドアプリIoT デバイス
ダイレクトメソッド1
reported

IoT Edge
Gateway
D
D
D
D
デバイス／センサ
クラウドで処理していたタスクがエッジでも実行可能に

ユースケース
Edge
Computing
Power
Vibration
Fluid
Pressure
Temperature
2.5MB / sec
150MB / min
9GB / hour
216 GB / Day
80KB / sec
4.8MB / min
288MB / hour
6.912GB / Day
Extracted Data
Data Analysis

68
フィールド側に設置するインテリジェントなエッジデバイスのためのプラットフォーム
① IoT Edge のロードマップ
● オープンソースのゲートウェイ SDK
● レガシーデバイスの接続を可能に
● 開発言語：Node.js、Java、C#、C
● パッケージ：NPM、Maven、NuGet
● モジュールによる機能分割
● オープンソース：https://github.com/Azure/iot-edge
● 公開されているモジュール：
• ble
• hello_world
• Identitymap
• iothub
• logger
• simulated_device
• azure_functions
• OPC Publisher
• OPC Proxy
• Modbus
• GZip Compression
• Proficy Historian
• SQLite
• Batch/Shred
• ZWave
● Azure IoT Hub との統合
• ランタイムによる接続
• IoT Hub からの管理が可能に
• デバイスツイン、モジュールツイン
● Docker コンテナーによるモジュールの配置
● Azure サービス互換モジュール
• Stream Analytics
• Machine Learning
• Function App

69
Docker コンテナーベースのモジュール拡張
 クラウドで行っていた分析とカスタムビジネスロジックをデバイス側で実行可能に
 Linux と Windows のサポート
ランタイム
 デバイスにデプロイされたモジュールを管理する Edge Agent とモジュール間の通信を担う Edge Hub で構成される
モジュール
 Azure のサービス、サードパーティのサービス、またはカスタムコードを実行する Docker コンテナー
Azure IoT Edge Runtime
Edge Agent
② IoT Edge v2 とは？
Azure IoT Hub
IoT デバイス
モジュール 1 モジュール 2 モジュール 3
Azure IoT Edge デバイス
テレメトリ取得インサイトアクション
Edge Hub インサイトテレメトリ
コンテナーコンテナーコンテナー
$upstream
JSON でルートを定義

70
IoT Edge ランタイム
・IoT Edge ハブ
・IoT Edge エージェント
③ IoT Edge モジュールによる拡張
Azure IoT Edge により、クラウド機能をエッジに拡張
 クラウドとエッジによるハイブリッドなモノのインターネット (IoT) ソリューションを実現
Azure IoT Hub
ローカル
ストレージ
Stream
Analytics
 コンテナーベースモジュール
 Azure Stream Analytics
 Azure Function App
 Azure Machine Learning
 Microsoft Cognitive Services
 オフライン、および同期されたデバイスツイン
 ローカルストレージ
 クラウドからの管理と配置
 高可用性と耐障害性
 リモートからの開発、テストのサポート
デバイス
ツイン
デバイス
ツイン
Function Machine
Learning
Cognitive
Services
モジュール
ツイン
モジュール
ツイン
モジュール
ツイン
モジュール
ツイン
モジュール
ツインモジュール
ツイン
IoT デバイス
コンテナーコンテナーコンテナーコンテナー
カスタム
コード
モジュール
ツイン
コンテナー
Azure IoT Edge ゲートウェイ
④
⑤ ⑥

71
④ IoT Edge v2 の構成手順
前提条件
 Windows 10 (Fall Creators Update：OS ビルド 16299 以降)
 Windows Server (OS ビルド 16299 以降)
 x64 ベースデバイス上の Windows IoT Core (OS ビルド 16299 以降)
1. Docker for Windows のインストール
 https://docs.docker.com/docker-for-windows/install/#download-docker-for-windows より、
Get Docker for Windows (Stable) を選択して、Docker for Windows Installer.exe をダウンロードしてインストールする
2. Python 2.7 のインストール
 https://www.python.org/downloads/ より、
2.7.X を選択し、python-2.7.X.msi をダウンロードしてインストールする
3. IoT Edge 制御スクリプトをダウンロード
参考：https://docs.microsoft.com/ja-jp/azure/iot-edge/quickstart
pip install -U azure-iot-edge-runtime-ctl
python.exe へのパスを設定

ハイパースケールの
エンタープライズ
グレードの
インフラストラクチャ
開発者用ツールおよび
サービス
データサイエンスのための
オープンプラットフォーム
ハードウェア
ストレージ管理
ソフトウェア
ML および AI プラットフォーム
AI アプリケーション (ファーストおよびサードパーティ) コグニティブサービス Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、
コラボレーション
CNTK
TensorFlow
ML Server
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他の
エンジン
ML Server - Spark、SQL、VM
エッジ

Transform Data into Intelligence
Azure Machine Learning
Azure Machine Learning workbench Azure Machine Learning
この画像は表示できません。この画像は表示できません。
GUI でのドラッグ & ドロップコードファースト

機械学習と AI のポートフォリオ
いつどれを使用するか?
どのエンジンを使用するか?
デプロイ対象
どちらの経験を優先するか?
独自に構築するか、事前トレーニング
されたモデルを使用するか?
Microsoft ML
および AI 製品
独自に構築
Azure Machine
Learning
コードファースト
(オンプレミス)
ML サーバー
オンプレミスの
Hadoop
SQL
Server
(クラウド)
AML (プレビュー)
SQL
Server
Spark Hadoop Azure Batch DSVM Azure
Container
Service
ビジュアルツール
(クラウド)
AML Studio
使用
コグニティブ
サービス、ボット

7575
NEW
ビデオインデクサー
NEW
ラボ
NEW NEW NEW
カスタムカスタムカスタムカスタムカスタム
Cognitive Services : 29 種類の API を提供

Custom Vision on Kubernetes
76https://github.com/asashiho/ContainerDays1812

7878
レベル 100 レベル 200 レベル 300
Azure App and Infra
Azure 入門
営業 2017年7月
Azure
Data and AI
Azure Data and AI
PaaS 基礎
技術 2018年6月
Azure Data and AI
Azure IoT 入門
営業
Azure App and Infra
IaaS 基礎
技術 2018年3月
提供
予定
更新予定
Azure Data and AI
IoT
提供
予定
Azure Data and AI
AI
Azure Data and AI
DB
Azure App and Infra
App
提供
予定
提供
予定
提供
予定
Azure Data and AI
AI
提供
予定
Azure Data and AI
画像認識WS
IoT
提供
予定
AzureDataandAI
AI,IoT,App,DB
提供
予定

IoT Hub とは（https://docs.microsoft.com/ja-jp/azure/iot-hub/about-iot-hub）
ソリューションに適した IoT Hub のレベルを選択する（https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-scaling）
IoT Hub のメッセージルーティングと Event Grid の比較（https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-event-grid-
routing-comparison）
device-to-cloud 通信に関するガイダンス（https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-d2c-guidance）
cloud-to-device 通信に関するガイダンス（https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-c2d-guidance）
IoT Hub へのアクセスの制御（https://docs.microsoft.com/ja-jp/azure/iot-hub/iot-hub-devguide-security）
Azure IoT Edge とは（https://docs.microsoft.com/ja-jp/azure/iot-edge/about-iot-edge）
Azure IoT Edge ランタイムとそのアーキテクチャの概要（https://docs.microsoft.com/ja-jp/azure/iot-edge/iot-edge-runtime）
Appendix

Smart storeを実現するAzureサービス　IoT編

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Smart storeを実現するAzureサービス　IoT編

Similar to Smart storeを実現するAzureサービス　IoT編 (20)

More from Microsoft Azure Japan

More from Microsoft Azure Japan (20)

Recently uploaded

Recently uploaded (8)