Lambda+neural network for IOT Machine Learning

          AWS Lambda作为一个针对AWS计算资源的IFTTT脚本创建器和管理器，结合开源神经网络预测库Brain，在物联网会爆发出怎么的火花？

       笔者认为，物联网生态圈，最复杂的不是各制式设备间，不同协议间的互联互通，比如Zigbee  6lowpan  Z-wave  BLE甚至谷歌在推的Thread，他们之间的互通，从技术和实现上难度都不大，OIC联盟和Allseen联盟都正在做这方面的工作，且进展都很快。至于苹果则划定了厂商在自家的HomeKit/WatchKit平台上才能接入，当然对于大家的诸多诟病 用一句”为了安全“来解释也说得通，毕竟人家牛在可以不带你玩。这些都不是我们今天谈论的焦点，正如笔者在之前那篇“SDT(software-defined Things)?软件定义的物件“一文中提到的，针对用户智能 便捷 友好才是重点，目前市场上纷乱繁杂各种IOT解决方案，无外乎家里用智能平台（手机，TV）控制Arduino或其他芯片板的一个switch、一个灯 乃至空调 冰箱各种家用设备，至于工业上则是针对更庞大的sensors network搜集信息汇总，进行数据分析以便采取决策方案，最终达到节省资源，控制损耗，及时反映市场变化，达到效率的最优化。如果一套智能解决方案只是一堆技术的堆积，而且需要用户设置这设置那进行一堆繁琐的工作，很难想象用户会有很持久的热情，而且这也背离了IOT的初衷”让工作、生活更美好 给用户更多便利“。所以如何让IOT方案更智能无疑是及其重要的一环。

         我们先想象一下，一家工厂有两种传感器，分别检测温度和压力。温度和压力构成一对组合，这些组合有些无疑是危险的，比如温度过高，压力过大等，都应该触发报警阈值报警并采取相应措施。问题是，由于各种因素的关系，温度，压力和报警的关系不能用一个具体的方程来描述。在这样的情况下，机器学习就派上了用场。

         Azure的Machine Learning服务比较复杂，更面向专家型用户或分析人员，而2014年底AWS推出的Lambda服务则刚好切合了订制小型IFTTT脚本的需求，至于智能推理这样机器学习的工作，就交给Brain(https://github.com/harthur/brain)来完成。下面我们结合ThingFabric IOT平台来介绍如何完成规则的智能定制。

        Lambda发生动作的步骤：

        温度和压力构成一对组合，放在有效载荷中部署到一个特定的S3 bucket，lambda 已经做了触发设置，Brain网络会根据一个训练集做初始训练，然后结合温度压力对做评估预测，如何触发Lambda的设定就会发一个MQTT消息给ThingFabric平台，ThingFabric平台根据收到的MQTT消息做后续动作（比如关闭阀门，发送一份邮件或短信给负责人……）

      Lambda初始脚本lambda_init.js

    var aws = require('aws-sdk'); 

         var s3 = new aws.S3({apiVersion: '2006-03-01'}); 

         var brain = require("brain"); var mqtt = require('mqtt');   

         var config = { 

               mqtt: { 

                     clientId: "<CLIENT ID>", 

                     username: "<THING FABRIC USERNAME>", 

                     md5Pass: "<THING FABRIC MD5 PASSWORD>", 

                     outputTopic: "<THING FABRIC DOMAIN>/lambda" 

              }, 

              alarm: { 

                     maxTemp: 200, 

                     maxPressure: 800, 

                     alarmThreshold: 0.6 

              }  

        };   

        exports.handler = function(event, context) { 

               return context.done(null); 

        }; 

   payload.json

   {"device_id": "foo", "values": { "t": 100, "p": 400 } }, 

     { "device_id": "bar", "values": { "t": 120, "p": 320 } },

     { "device_id": "foobar", "values": { "t": 90, "p": 220 } } 

   s3_parser.js

   function S3Parser(event) { 

              var _this = this; 

             _this.event = event; 

             _this.s3 = new aws.S3({apiVersion: '2006-03-01'});   

            _this.parseS3Object = function(cb) { 

                 _this.s3.getObject({ 

                       Bucket: _this.event.Records[0].s3.bucket.name, 

                       Key: _this.event.Records[0].s3.object.key 

                 }, function (err, data) { 

                         return cb(JSON.parse(data.Body.toString()));

                 }); 

            }; 

      }

  增加MQTT客户端 

  mqtt_client.js

   function MqttClient(config, onClose, onError) { 

             var _this = this; 

             _this.username = config.username; 

             _this.pass = config.md5Pass; 

             _this.clientId = config.clientId;  

             _this.client = mqtt.connect( 

                     "mqtt://" + _this.username + ":" + _this.pass + "@q.m2m.io:1883", 

                     { "clientId": _this.clientId } 

             );   

            _this.client.on("close", onClose);  

            _this.client.on("error", function(error) { onError(error) });   

            _this.publish = function(topicName, payload) {

                    return _this.client.publish(topicName, JSON.stringify(payload)); 

            };   

            _this.disconnect = function() { 

                  return _this.client.end(); 

            }; 

        } 

   增加Brain网络 training_data.js

       var trainingData = [ 

             { input: { t: 10, p: 275 }, output: { alarm: 0 } }, 

             { input: { t: 14, p: 230 }, output: { alarm: 0 } }, 

             { input: { t: 65, p: 240 }, output: { alarm: 0 } }, 

             { input: { t: 89, p: 301 }, output: { alarm: 1 } }, ... 

        ];

   alarm.js

   function Alarm(config) { 

            var _this = this;   

            _this.maxTemp = config.maxTemp; 

            _this.maxPressure = config.maxPressure; 

            _this.alarmThreshold = config.alarmThreshold; 

            _this.nn = new brain.NeuralNetwork();   

            _this.tempToInput = function(t) { 

                    return t / _this.maxTemp; 

            };   

            _this.pressureToInput = function(p) { 

                   return p / _this.maxPressure; 

            };   

            _this.parseTrainingData = function(data) { 

                return data.map(function(point) { 

                        return { 

                              input: { 

                                       t: _this.tempToInput(point.input.t), 

                                       p: _this.pressureToInput(point.input.p) 

                               },

                              output: { 

                                       alarm: point.output.alarm 

                               } 

                        } 

                }); 

           };   

           _this.train = function(data) { 

                 return _this.nn.train(_this.parseTrainingData(data)); 

           };   

           _this.isTriggered = function(data) { 

               var guessedAlarm = _this.nn.run({ 

                     t: _this.tempToInput(data.t), 

                     p: _this.pressureToInput(data.p) 

               }).alarm;   

               return { 

                     triggered: (guessedAlarm > _this.alarmThreshold), 

                     guessedAlarm: guessedAlarm 

                }; 

           }; 

       } 

   综合以上js脚本lambda_final.js 

   exports.handler = function(event, context) { 

             var parser = new S3Parser(event),   

             mqtt = new MqttClient( 

                     config.mqtt, 

                     function () { 

                           return context.done(null); 

                     }, 

                    function (error) { 

                           return context.done(null, error); 

                    } 

             ),   

             alarm = new Alarm(config.alarm);   

             parser.parseFakeS3Object(function(payload) { 

             payload.readings.forEach(function(reading) { 

                  var dataPoint = reading.values, 

                  outputTopic = config.mqtt.outputTopic + "/" + reading.device_id;   

                   if (dataPoint.t > config.alarm.maxTemp || dataPoint.p > config.alarm.maxPressure) { 

                         mqtt.publish( 

                         outputTopic, { alarm: 1, values: dataPoint } 

                         ); 

                    }else { 

                          alarm.train(trainingData);   

                          var trigger = alarm.isTriggered(dataPoint);   

                          if (trigger.triggered) { 

                                 mqtt.publish( 

                                        outputTopic, { alarm: trigger.guessedAlarm, values: dataPoint } 

                                 ); 

                           } 

                    } 

             }); 

             mqtt.disconnect(); 

         }); 

      };

  

    这样，当Temperature 或pressure超过阀值200，800时，或者通过对(Temperature,Pressure)组合经Brain网络预测评估以决定是否触发门限alarmThreshold，发给Fabric的MQTT服务端，message格式形如

{"alarm": 0.8217286279146672，value:{"t",120,"p":320}}，至于ThingFabric会如何处理，我们可以在ThingFabric平台设置类似rule

"<YOUR DOMAIN>/lambda/#" {"alarm": val where val > 0.7} -> sms to:"17209999999" text:"Temperature or pressure is too high!"

将Alarm转发给手机或Email，或发给Device进行相应动作。