7. IoT 서비스 구현에 필요한 요소들
• 메시지 브로커
• 룰 엔진
• Thing Shadow
• 디바이스 등록
관리형 서비스
• 설치 불필요
• 자동 확장
• 사전 프로비저닝 불필요
• 가용역영에 걸친 이중화
• 사용량에 기반한 과금
AWS IoT 플렛폼
8. AWS IoT는 무엇을 해줄까요?
DEVICE SDK
연결, 인증, 메시지 교환을
위한 클라이언트 라이브러리
DEVICE GATEWAY
MQTT 및 HTTP를 이용한
Thing과의 커뮤니케이션
인증
인증서 기반의 상호인증 및
암호화
RULES ENGINE
규칙 기반으로
메시지 변환 및
AWS 서비스로 전달
AWS Services
- - - - -
3P Services
SHADOW
Thing 상태를 영구 저장
(불안정한 연결을 대비해서 사용)
APPLICATIONS
AWS IoT API
REGISTRY
디바이스의 Identity 관리
9. Registry
• Thing에 대한 Identity 생성
• Thing의 Attribute와 Capability 같은
메타데이터 관리
Rules / Actions
패턴에 일치하는 메시지에 대해서 다른 AWS
서비스로 전송하거나 AWS IoT로
Re-publish를 수행
Shadows
• Thing의 상태와 동기화
• 앱이나 디바이스가 Shadow에 접근하여
상태를 읽거나 변경함
{Thing Name,
Sensor Temp,
, GetTemp(),
Output LED}
Rules Engine
Shadow
Registry
Amazon S3, AWS
Lambda,
Amazon Kinesis,
Amazon DynamoDB,
Amazon SNS
Mobile App
AWS IoT는 AWS 서비스로의 Front Door
11. 표준 프로토콜 지원
수백만 디바이스와 앱이 MQTT 및 HTTP
1.1 프로토콜을 이용해서 연결됨
오래 연결된 상태에서 메시지를 주고 받을
수 있는 강력한 Pub/Sub 브로커
디바이스나 App인 클라이언트는
클라우드로 부터 명령을 받고, 신호를
제어할 수 있음
Secure by Default
X.509 인증서 및 TLS 1.2 상호인증을 통한
안전한 연결
토픽 기반의
Architecture
(lights/thing-2/color)
확장성이 높은
Device Gateway
AWS IoT Device Gateway
12. AWS IoT Message Broker : 관리형 서비스
확장성이 높은
Device Gateway
수백만 디바이스가
수십억 메시지를
보낼 수 있음
Subscribers
Publishers
13. THING SHADOW
Persistent thing state
during intermittent
connections
SHADOW
Thing 상태를 영구 저장
(불안정한 연결을 대비해서 사용)
APPLICATIONS
AWS IoT Thing Shadow
20. 간단하고 친숙한 문법을 사용
• SQL 문장으로 토픽 필터 정의
• (옵션) WHERE절 사용
• 향상된 JSON 지원
시그널:노이즈 비율을 개선하기 위한
함수들
• String 변환 (정규식 지원)
• 수학 연산
• Context 기반의 지원 함수들
• 암호 지원
• UUID, Timestamp, rand, 등
SELECT * FROM ‘things/thing-2/color’
WHERE color = ‘red’
AWS IoT Rules Engine은 …
21. 복잡한 구성 가능
하나의 대상이 아닌 복수에 적용됨. 다양한 함수들을 제공
다중 및 동시에 수행될 수 있는 Action들
어떤 경우에는 하나의 메시지에 대해서 여러 action을 구현할 필요가 있음
AWS IoT Rules Engine 특징 몇가지
22. RULES ENGINE
Transform messages
based on rules and
route to AWS Services
AWS Services
- - - - -
3P Services
AWS Services
- - - - -
3P Services
AWS IoT Rules Engine Action
23. 1. 직접 연동되는
AWS Services
Rules Engine
Action
AWS
Lambda
Amazon
SNS
Amazon
SQS
Amazon
S3
Amazon
Kinesis
Amazon
DynamoDB Amazon RDS
Amazon
Redshift
Amazon Glacier
Amazon
EC2
3. 외부 Endpoints
(Lambda 및 SNS를 통해서 연동)
Rules Action은 AWS IoT를
외부 Endpoint들과 AWS
서비스를 연결하는 역할을
합니다.
2. 간접 연동되는 AWS
서비스
(Amazon Kinesis, AWS
Lambda, Amazon S3 등을
통해서 연동)
AWS IoT Rules Engine Action은 무엇일까요?
24. Rules Engine Action과 연동되는 AWS 서비스들
Lambda function 호출
S3 bucket에 객체를 저장
DynamoDB 테이블에
insert 및 update
SNS topic 또는
endpoint에 Publish
Kinesis stream에 Publish
Firehose에 Publish
AWS IoT로 Republish
Elasticsearch로 Publish
CloudWatch
metric 생성 또는 알람 변경
SQS queue에 쓰기
30. 적절한 균형은 리스크와 비용에 대한 비율과 관련됨
• 고장 예측을 너무 빨리하면
à 교체가 필요하지 않은 부품을 교체
à 손실 발생
• 예측을 하지 않으면
à 더 큰 손실을 입을 리스크
예측을 왜 잘해야할까요?
31. 1. IoT Rule을 이용해서 디바이스 데이터를 S3로 전송
2. 수집된 데이터 기반으로 Machine Learning 모델 생성
AWS IoT에서 메시지 기반의 예측 구현 방법
예측
모델
생성
실시간
예측
및
대응
1. IoT Rule을 이용해서,
• Amazon Machine Learning의 실시간 예측 endpoint 를
통해서 예측 값 얻기
• CloudWatch metric 를 발생하거나, 알람 트리거하기
2. IoT Rule을 이용해서 예측된 실패에 대한 상세 내용을
활용하기
32. 예측 기반의 예방 기능 구현 예
S3 AML
Training
Live Predictions
Thing IoT/RePub
CW metric
IoT RePub
IAM
roles/policies
39. 초단위의 자동 피드백
안전에 대한 알람
장애 임계치 알람
소모성 고갈
⌚ 일반 센서 측정
⌚ 디바이스 정상 여부 및 상태
⌚ 소비 가능한 수준
⚙ 프로세스 관련 데이터
⚙ Performance KPI, Signal 강도
⚙ 시스템 로그
✇ 제품 라인의 QA 데이터
✇ 오래된 운영 관련 인사이트
✇ 프로파일된 운영 모드
측정되고, 분석된 데이터
데이터 온도에 따라 다른 접근이 필요합니다
HOT
WARM
COOL
COLD
40. AWS
IoT SDK
ECOSYSTEM OF
SMART DEVICES
Amazon EMR
TIME TO INSIGHT
Amazon Machine Learning
AWS Lambda
AWS Kinesis Analytics
많은 데이터, 빠르게 인사이트 도출
ü 제품 경고, 임계치 모니터링
ü 중대한 사용자 이벤트 감지 및 통보
변경이 쉽고, 서버리스이고, 저렴한 실행 비용
ü 제품 추론 및 데이터 운영
ü 복잡한 이벤트 프로파일 및 비즈니스 로직
쉽게 머신러닝 모델 생성, 머신 러닝 툴들 제공
ü 예방 정비
ü 사용자 행동 분석
대용량 데이터, 유연한 분석 엔진
ü 패턴 이력에 대한 배치 분석
ü 전체적인 인사이트
디바이스 데이터 분석을 위한 서비스 선택은 …
HOT
WARM
COOL
COLD
53. 마무리 하며
• AWS IoT Rule 엔진을 활용해서 디바이스 데이터
기반으로 저장, 분석하고, 예측할 수 있습니다.
• 데이터의 성격 및 목적에 따라서 AWS IoT와 연동할
AWS 서비스를 선택하세요.
• AWS Greengrass 이용한 로컬 IoT와 클라우드 IoT를
함께 사용이 가능합니다.
54. 본 강연이 끝난 후…
AWS IoT 블로그를 방문해서 다양한 활용 사례를 확인해보세요.
https://aws.amazon.com/blogs/iot/
AWS 블로그의 AWS IoT와 Amazon Machine Learning을 이용한
예방 정비 구현 사례를 읽어보세요.
https://aws.amazon.com/blogs/mobile/predictive-maintenance-with-
aws-iot-and-amazon-machine-learning/
AWS Machine Learning을 예제를 통해서 배워보세요.
https://aws.amazon.com/blogs/big-data/building-a-numeric-regression-
model-with-amazon-machine-learning/
56. https://www.awssummit.kr
AWS Summit 모바일 앱을 통해 지금 세션 평가에
참여하시면, 행사 후 기념품을 드립니다.
#AWSSummitKR 해시태그로 소셜 미디어에
여러분의 행사 소감을 올려주세요.
발표 자료 및 녹화 동영상은 AWS Korea 공식 소셜
채널로 곧 공유될 예정입니다.
여러분의 피드백을 기다립니다!
