120
INTERNET DES OBJETS (M2M) - BIG DATA - ANALYSES CHAKER ALLAOUI SIMULATION ET DEMONSTRATION

IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Embed Size (px)

Citation preview

Page 2: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

GPS Thèrmomètre Philips HUE MQTT

Localisation Température Commandes

Node-Red

Topic - Broker Humidité Données Subscriber

PLATEFORME IoT

Publisher

Fonctionnalités Monitoring

Table de matières

PARTIE II : Simulation

PARTIE III : DémonstrationARCHITECTURE IoT

PARTIE I : Présentation

Automobile

Trafic

Commandes

AnalysesBig DataM2M

Exemples

Page 3: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration
Page 4: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

PARTIE I : PRESENTATION

Page 5: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

5

Internet des objets (IoT) est une architecture à base

d'Internet globale et émergente de l'information facilitant

l'échange de marchandises et des services. IoT a le but de

fournir une infrastructure informatique facilitant l'échange

entre les "objets" d ’une façon sécurisée et fiable, c'est-à-

dire sa fonction doit surmonter l'écart entre des objets dans

le monde physique et leur représentation dans des

systèmes d'information. IoT servira pour augmenter la

transparence et améliorera l'efficacité de réseaux de

chaîne d'approvisionnement au niveau mondial.

Dans l'ingénierie de systèmes, un moniteur de système (SM)

est un processus dans un système distribué pour rassembler

et stocker des données d'état. Ceci est un principe

fondamental supportant la gestion de performance des

applications. L'argument que le système contrôlant est juste

d'avoir une exigence principale pour l'empressement

opérationnel, dissipe rapidement quand une application

critique tombe sans avertissement, traduisant aussi des

données de configuration pour le moniteur...

Plateforme IoT

Page 6: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

6

Fonctionnalités

Internet des objets est le réseau d'objets physiques ou "des objets" incorporées avec l'électronique qui

définit la connectivité pour permettre aux objets d'échanger des données avec le fabricant,

l'opérateur et d'autres dispositifs connectés basés sur l'infrastructure de l‘initiative de Normes Globale

d'Union internationale des télécommunications. Internet des objets permet aux objets d'être senti et

contrôlé à distance à travers l'infrastructure de réseau existante, créant des occasions pour

l'intégration plus directe entre les systèmes mondiaux et assistés par ordinateur physiques et

aboutissant à l'efficacité améliorée, l'exactitude et l'avantage économique. Chaque objet est

uniquement identifiable par son système incorporé, mais peut interagir dans l'infrastructure d‘internet

existante.

Les experts évaluent que l'IoT consistera en presque 50 milliards d'objets avant 2020. Le terme "Internet

de objets" a été inventé par l'entrepreneur britannique Kevin Ashton en 1999. Typiquement on

s'attend que « IoT » offre la connectivité promue de dispositifs, des systèmes et les services qui vont au-

delà des communications de machine-à-machine (M2M) et couvrent une variété de protocoles, des

domaines et des applications. On s'attend à l'interconnexion de ces dispositifs incorporés, et conduit

dans l'automatisation dans presque tous les domaines, en aussi permettant des applications

avancées et s'étendant aux zones comme la ville intelligente.

Les objets, dans l'IoT, peuvent se référer à une large variété de dispositifs comme le dans le secteur de

la santé, des transpondeurs de puce à ADN sur des animaux de ferme, des mollusques électriques

dans des eaux côtières, des automobiles avec des capteurs incorporés, ou les dispositifs d'opération

de terrain via des capteurs intelligents… https://en.wikipedia.org/wiki/Internet_of_Things

Page 7: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

7

Historique

Page 8: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

8

Monitoring (1)

Protocole : Il y a beaucoup d'outils pour rassembler des données de système d'hôtes et des dispositifs

utilisant le SNMP. La plupart des ordinateurs et des dispositifs en réseau auront une certaine forme

d'accès de SNMP. L'interprétation des données SNMP d'un hôte ou d'un dispositif exige l'un ou l'autre

un outil spécialisé ou une base de l'information de Gestion (MIB), une cartographie de références de

données aux éléments de données de divers hôte ou dispositif. L'avantage de SNMP est le contrôle,

ses exigences de bande passante basses et l'utilisation universelle dans les industries. À moins qu'une

application elle-même ne fournisse un MIB et une production via SNMP. D'autres protocoles sont

appropriés pour contrôler des applications, comme CORBA, JMX, ou TCP/IP.

Data access: se réfère à l'interface par laquelle les données de moniteur peuvent être utilisées par

d'autres processus. Par exemple, si le moniteur de système est un serveur CORBA, les clients peuvent

connecter et s'adresse au moniteur pour l'état actuel d'un élément, ou des états historiques pour un

élément pendant un laps temps. Le moniteur de système peut écrire aux données directement dans

une base de données, permettant à d'autres processus d'avoir accès à la base de données à

l'extérieur du contexte du moniteur de système. Ceci est dangereux cependant, comme le design de

table pour la base de données dictera le potentiel pour le partage de données. Idéalement le

moniteur de système est un emballage pour n'importe quel mécanisme de persistance est utilisé,

fournissant une interface d'accès cohérente et sûre pour d'autres pour avoir accès aux données.

Mode : le mode de collecte de données du moniteur de système est critique. Les modes sont les

suivants : monitor poll, agent push, et hybrid mode.

https://en.wikipedia.org/wiki/System_monitoring

Page 9: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

9

Monitoring (2)

Monitor poll: Dans ce mode, un ou plusieurs processus dans le système de contrôle sondent en réalité

les éléments de système dans un certain fil. Pendant la boucle, les dispositifs sont sondés via SNMP, les

hôtes peuvent invoqué via Telnet/SSH pour exécuter des scénarios ou des fichiers de décharge ou

exécuter d'autre OS spécifique, les applications peuvent être sondées pour des données d'état, ou

leurs fichiers de sortie d'état peuvent être déposés.

L'avantage de ce mode consiste en ce qu'il y a peu d'impact sur l'hôte/dispositif étant sondé. L'UC de

l'hôte est chargée seulement pendant le sondage. Le reste du temps la fonction contrôlante ne joue

aucune partie dans le chargement d'UC. L'inconvénient principal de ce mode est que le processus

de contrôle peut seulement faire tant dans son temps. Si le vote prend trop longtemps, la période de

sondage destinée est allongée.

Agent push: Dans le mode de poussée d'agent, l'hôte contrôlé pousse simplement des données de lui

au système contrôlant l'application. Ceci peut être fait périodiquement, ou sur demande du moniteur

de système d'une manière asynchrone. L'avantage de ce mode consiste en ce que la charge du

système de contrôle peut être réduite à simplement l'acceptation et le stockage de données.

L'inconvénient de ce mode est que l'on ne centralise pas la logique pour le cycle votant au moniteur

de système, mais distribué à chaque nœud éloigné. Change ainsi à la logique contrôlante doit être

poussé dehors à chaque nœud.

Hybrid mode: le mode médian entre 'monitor-poll' et 'agent-push est une approche hybride, où la

configuration de système détermine où le contrôle arrive, dans le moniteur de système ou l'agent.

Page 10: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

10

Node-Red

Internet des objets exige souvent des dispositifs de matériel s'entendant, des API et

des services en ligne de façons nouvelles et intéressantes. Le temps passé écrivant

le boilerplate code pour parler à ces systèmes différents, comme l'accès à un port

série ou compléter un flux d'OAUTH contre Twitter, n'est pas le temps passé en

création de la valeur réelle de la solution. Nous avons besoin des outils qui le

rendent plus facile pour des développeurs à tous les niveaux rassembler les

courants différents d'événements, tant physique que numérique.

Node-Red fournit UI à base de navigateur pour créer les flux d'événements et les

déployer à son temps d'exécution léger. Construit dans nodeJS, il peut être

exécuté localement ou dans le cloud. Le manager de paquet de nodeJS (npm)

peut être utilisé pour facilement étendre la palette de modules disponibles,

permettant des connexions à de nouveaux dispositifs et des services.

Node-Red en sa forme la plus simple est un éditeur visuel open source pour

raccorder internet des objets produit par IBM. Le système contient "les nœuds" qui

sont simplement des icônes sur lesquelles vous glissez-déposez dans le navigateur

dans un plan de travail dédié. Chaque nœud offre une fonctionnalité différente

qui peut s'étendre d'un simple debug du nœud pour pouvoir voir ce qui se passe

dans votre flux, par à un nœud de RaspberryPi qui vous permet de faire des

Input/Output sur un GPIO connecté à votre Pi.

http://nodered.org

Page 11: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

11

Exemple 1: Collecte automatique des données du Mail

Page 12: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

12

Exemple 2: Collecte automatique des données du Twitter

Page 13: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

13

Exemple 2: Node-Red Flow du « Mail » et du « Twitter »

Page 14: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

14

Exemple 3: Debug du MQTT broker dans Node-Red

Page 15: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

15

Exemple 3: Node-Red Flow du MQTT broker

Page 16: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

16

Exemple 3: MQTT broker et statistiques dans HiveMQ

Node-Red fournit un éditeur de flux à base de

navigateur qui facilite le raccordement entre un

ensemble des flux utilisant les nœuds d’une vaste

gamme dans la palette. Les flux peuvent être alors

déployés au temps d'exécution. Les fonctions

Javascript peuvent être créées dans l'éditeur. Une

bibliothèque incorporée vous permet d'économiser

des fonctions utiles, des modèles ou des flux pour la

réutilisation. Le temps d'exécution léger et construit

sur nodeJS, prenant l'avantage complet de son axé

sur les événements non-bloquant. Ceci est idéal pour

fonctionner sur des RaspberryPi ou dans le cloud.

Avec plus de 120,000 modules dans le dépôt de

paquet de nodeJS, il est facile d'étendre la gamme

de nœuds de palette pour ajouter de nouvelles

capacités. Les flux créés dans Node-Red sont stockés

dans du JSON qui peut être facilement importé et

exporté pour partager avec d'autres personnes. Une

bibliothèque de flux en ligne vous permet de

partager vos flux avec tout le monde.

Page 17: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

PARTIE II : EMULATION

Page 18: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

18

Simulation Philips Hue

Philips hue combine la lampe LED brillante avec la technologie intuitive.

Ensemble, les ampoules, le pont et l'application changeront la façon dont vous

utilisez la lumière. L'expérience avec les nuances du blanc, du bleu/blanc à

jaune/blanc ou avec toutes les couleurs dans le spectre.

La nuance peut vous réveiller. Revivez vos souvenirs préférés. Améliorez votre

humeur. Il vous permet d’être informé du temps.

Les ampoules LED sans fil donnent vie à la nuance. Ils livrent clair et rendent

croustillants la lumière. Ils n'ont pas juste l'air bien. Ils sont pratiques aussi. Ils

s'atténuent. Ils étincellent. Ils font à peu près quoi que ce soit que vous voulez. Et ils

vissent tout droit dans vos installations légères actuelles. Naturellement.

Les ampoules de nuance sont disponibles dans E26, E27, GU10, PAR16 et des

formats de BR30.

Le cœur du système de hue, le pont intervient littéralement entre votre

application et les ampoules. Lié avec le WiFi via votre routeur, il peut connecter

jusqu'à 50 ampoules à la fois. Sans parler d'autres accessoires de nuance, comme

robinet de nuance.

Le pont connecte aussi votre système au monde plus large. Avec cela vous

pouvez contrôler vos lumières à distance ou les lier jusqu'au reste du web, ou

même votre propre boîte de réception. C'est vraiment plutôt intelligent et chic.

http://www2.meethue.com/en-us

Page 19: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

19

Simulation Philips Hue - Fonctionnalités

Utilisez l'application pour changer des couleurs, la luminosité, des fonctions et tout le reste au milieu.

Contrôlez vos ampoules un par un ou tous ensemble. Trouvez l'intensité juste et la nuance de blanc

pour la tâche à proximité. La pioche qui perfectionne le ton pour correspondre au moment. Ou la

sélection d’une couleur d'une photo et la recrée dans votre chambre. Vous ne devez pas être à la

maison pour contrôler vos lumières. Le portail de hue est un panneau de configuration en ligne qui

vous joint à la nuance, de n'importe où dans le monde.

Faites-le sembler que quelqu'un abrite quand vous vous détendez sur la plage. Ou éteignez juste vos

lumières si vous serez à la maison plus tard que. Le portail économise aussi vos scènes personnalisées.

Et cela garde même votre logiciel de pont à jour. L'éclairage est de plus que la juste illumination de

l'obscurité. Il ne prend pas d'expert pour remarquer mal la lumière. Et la lumière juste peut transformer

des espaces entiers. Changez même ce que vous ressentez. Avec la nuance, vous obtenez le

contrôle complet de la lumière dans votre vie. Mettez l'humeur. Changez l'ambiance. Sensation

différente. C'est ce que la nuance peut faire. Avec la lumière blanche tonale et une totalité de

couleur, tout au robinet d'une application, vous pouvez mettre le ton parfait. Choisissez une photo de

l'application ou dans votre propre bibliothèque pour utiliser comme palette.

Si maintenant vous pouvez revivre le coucher du soleil glorieux. Ou amenez le calme de l'océan tout

droit dans votre salle de séjour. Comme votre création. Sauvez-le alors comme 'une scène' pour

l’utiliser de nouveau.

Les scènes peuvent être quoi que ce soit de la couleur d'une ampoule simple, à une maison entière

baignée de lumière. Et tout ça conformément à vos choix.

Page 20: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

20

Simulation Philips Hue - Simulateur

Page 21: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

21

Philips Hue – Réponse à la méthode GET

Page 22: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

22

Philips Hue – réglage des couleurs avec la méthode PUT

Page 23: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

23

Philips Hue – Réponse de la méthode PUT

Page 24: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

24

Philips Hue – Changement des couleurs

Page 25: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

25

Simulation de capteur de température et d’humidité

Un nouveau service a juste été lancé qui relève le défi clé d'apporter le monde de

capteurs et des contrôleurs avec celui de données de masse et analytique.

IBM IoT Foundation fournit l'accès simple, mais puissant et évolutif d'application

aux dispositifs et leurs données. Vous pouvez rapidement construire des

applications, des tableaux de bord de visualisation, des applications mobile et les

applications qui peuvent alimenter votre application de données IoT.

IBM IoT Fondation est un service entièrement géré, accueilli dans le cloud qui fait

simple de tirer la valeur d'IoT. Il commence par le dispositif, être cela un capteur,

une passerelle ou quelque chose d'autre. L’utilisation de gestionnaire de

connexion pour faire connecter et commencer à envoyer des données jusqu'au

cloud en utilisant le protocole MQTT, qui est un léger protocole de messagerie ou

via d’une configuration gérée par les dispositifs utilisant votre tableau de bord en

ligne ou les API sécurisées, pour que vos applications puissent avoir accès aux

données vivantes et historiques vite.

Vous êtes maintenant prêts à commencer à créer des applications en utilisant vos

données de dispositif. Vous pourriez ceci faire dans IBM Bluemix, un autre cloud ou

vos propres serveurs. Si vous n'êtes pas convaincus que ces objets envoient des

données via ce service, donc exécutent les deux sur des machines séparées ou

des dispositifs mobiles pour vérifier l’état de changement des données.http://www-03.ibm.com/software/products/en/internet-of-things-foundation

Page 26: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

26

Simulation de capteur de température et d’humidité - Fonctionnalités

Connect: Enregistre et connecte une large variété de dispositifs au service.

Standard de l'industrie MQTT, MQ Telemetry (MQTT) protocole.

Permet de contrôlez à distance la connectivité de dispositifs et objets.

Ce service compris les conseils, tableaux de visualisation de développement populaires et dispositifs

dans le cloud.

* Étendez-vous à de nouveaux dispositifs avec le code de dispositif open source de l'Éclipse Paho.

* Rassemblez et gérez une vue de série de temps de données.

* Voir ce qui se passe sur vos dispositifs avec presque temps réel, avec la visualisation de données.

* Stockez vos événements de dispositif IoT dans une base de données pour l'analyse.

* Construisez des tableaux de bord et obtenez l'accès aux données historiques par des API.

* Contrôle et données sécurisées actuellement prises au piège sur dispositifs instrumentés.

Assemble: assemblez visuellement des événements de l'IoT dans des flux de logique.

* Utilisation Node-Red dans Bluemix pour assemblée de flux par un simple glisser-déplacer facile.

* Analysez des données et l'acte sur des aperçus en temps quasi réel, les appliquant où ils comptent

le plus.

* Optimisez des résultats d'affaires avec près de la prise de décisions en temps réel.

Manage : Payer ce que vous utilisez avec des options d'achat disponibles par la Bluemix-payment par

le marché de cloud IBM, actionné par IBM prouvé MessageSight et IBM Informix, accueilli sur IBM

SoftLayer ou comme un abonnement mentionnel.

Page 27: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

27

Simulation de capteur de température et d’humidité – Device IBM : MAC Addresse

Page 28: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

28

Simulation de capteur de température et d’humidité – Validation de suivi d’un objet

Page 29: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

29

Simulation de capteur de température et d’humidité – Représentation Node-Red en ligne

Page 30: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

30

Simulation de capteur de température et d’humidité – Collecte des données par un debug

Page 31: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

31

Simulation de capteur de température et d’humidité – Espace virtuel IBM-Bluemix

Page 32: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

32

Simulation de capteur de température et d’humidité – Interface des commandes

Page 33: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

33

Simulation de capteur de température et d’humidité – Logs pour traitement HDFS

Page 34: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

34

Simulation MQTT

MQTT est un protocole publish-subscribe basé " light weight" c’est un protocole de

messagerie utilisant le protocole TCP/IP. Il est conçu pour des connexions avec

des emplacements éloignés où "small code footprint" est exigée et la bande

passante de réseau est limitée. Le Publish-Subscribe modèle exige un « broker ».

Le broker est responsable de distribuer des messages aux clients intéressés basés

sur le sujet d'un message.

Andy Stanford-Clark et Arlen Nipper of Cirrus Link Solutions ont conçu la première

version du protocole en 1999.

La spécification ne spécifie pas la signification "small code foot print" ou la

signification "de la bande passante de réseau limitée". Ainsi, la disponibilité du

protocole à l'utilisation dépend du contexte.

En 2013 IBM a soumis MQTT v3.1 à l'organisme de spécification d'OASIS avec une

charte qui a assuré seulement au mineur change à la spécification pourrait être

accepté.

MQTT-SN est une variation du protocole principal a visé des dispositifs incorporés

sur des réseaux non-TCP/IP, comme ZigBee.

Historiquement, le 'MQ' dans 'MQTT' est venu du message MQ d'IBM mettant en file

d'attente le produit ligne. Cependant, faisant la queue n'est pas en soi exigé pour

être supporté comme une caractéristique standard dans toutes les situations.

https://en.wikipedia.org/wiki/MQTT

Page 35: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

35

Simulation MQTT – Définitions

Comme mentionné MQTT signifie « MQ Telemetry Transport ». C'est un protocole extrêmement simple

et léger de messagerie, conçu pour des dispositifs contraints avec une bande passante basse, la

latence haute ou des réseaux incertains. Les principes de conception doivent minimiser la bande

passante de réseau et des exigences de ressource de dispositif en aussi essayant d'assurer la fiabilité

et un certain degré d'assurance de livraison. Ces principes s'avèrent aussi faire l'idéal de protocole

"machine-à-machine" où la bande passante et la puissance de la batterie sont précieux.

Des protocoles alternatifs incluent le « Advanced Message Queuing Protocol, IETF Constrained

Application Protocol et XMPP ».

Il y a plusieurs brokers de MQTT disponibles comme « IBM Message Sight ». Ils varient dans leur

ensemble de caractéristique et certains d'entre eux mettent en œuvre des caractéristiques

supplémentaires en plus du standard MQTT.

Dans le monde réel, il y a un certain nombre de projets travaillant avec MQTT, tels que:

« Facebook Messager », Facebook a utilisé les aspects de MQTT dans les messages Facebook.

Cependant, il est peu clair quelle part de MQTT est utilisé ou pour quelle aspect exactement, de plus il

doit être noté que ceci est une application pour mobile et pas une application des capteurs.

« IECC Scalable Delta Rail » la dernière version de IECC pour la signalisation du système de

commande utilisant MQTT pour des communications dans les parties diverses du système et d'autres

composants du système de signalisation. Il fournit le Framework sous-jacent pour un système qui est

conforme avec les normes et standards CENELEC pour des communications « safety-critical » pour

des communications en mode sécurisé entre les objets et leurs systèmes.

Page 36: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

36

Simulation MQTT– Exemple Java Publisher

Page 37: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

37

Simulation MQTT– Exemple Java Subscriber

Page 38: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

38

Simulation MQTT– Statistiques des brokers avec MQTT-SPY

Page 39: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

39

Simulation MQTT – Messages broker

Page 40: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

40

Simulation MQTT– Statistiques des messages avec HiveMQ

Page 41: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

41

Simulation GPS

La création du logiciel pour Internet des objets semble devenir plus facile chaque

jour, comme des nouveaux outils de développement font le travail de langages

de programmation populaire avec des dispositifs connectés de plus en plus. Un

des derniers compléments est Cylon.JS, un Framework Javascript open source

conçu pour contrôler des robots, des capteurs incorporés et des objets IoT. Le

Javascript est déjà énormément familier aux développeurs web et d'autres

programmeurs parce qu'il fonctionne dans tous les navigateurs et est utilisé pour

rendre des sites web interactifs. Cylon.JS est construit sur le nodeJS, utilisé pour

beaucoup d'applications Web qui fournissent le point commun pour des

applications IoT, comme la capacité de « envoyer, recevoir, traiter »

simultanément beaucoup de messages à partir beaucoup de sources. Nommé

pour les cyborgs de science-fiction de Battlestar Galactica, Cylon.JS supporte une

large variété de drones, des jouets robotisés, wearables, des objets domestiques

intelligents, IoT prototyping et des modules incorporés de calcul et l'analytique à

base du cloud et des plates-formes de messagerie. Il permet aux programmeurs

de créer des interactions puissantes entre des utilisateurs, des objets et des

services avec juste quelques lignes de code. Par exemple, vous pouvez installer un

smartwatch pour agir comme un contrôleur pour "des robots" comme un

thermostat ou une Phillips hue, des capteurs physiques, Arduino, Tessel ou

RaspberryPI... http://postscapes.com/javascript-for-robots-a-iot-cylonjs

Page 42: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

42

Simulation GPS – Framework Cylon.JS

Par exemple, le plug-in cylon-api-http offre une interface RESTful HTTP interface, avec les événements

envoyés de serveur qui peuvent être utilisés pour souscrire aux événements d’un dispositif.

Un autre plug-in d'API cylon-api-socketio supporte une interface pour des clients basés sur le module

« socket.io ». Toute l'interface de plug-ins d'API est lié directement avec le MCP pour aller chercher

des robots et des informations sur eux. Ils sont aussi capables d'exécuter des commandes sur des

Robots et des objets.

Un robot Cylon est une collection des objets et des connexions, avec les adaptateurs nécessaires

pour leur permettre de coordonner ensemble. Un Utilisateur instanciera un ou plusieurs robots par le

MCP et les commencera tous simultanément ou individuellement. Les robots peuvent aussi avoir des

commandes personnalisées pour coordonner des objets ou connexions multiples.

Les objets et les connexions sont une couche d'abstraction sur des conducteurs et des adaptateurs,

respectivement et qui constituent une couche indirect entre des conducteurs, les adaptateurs et le

Robot lui-même et assurent que les interfaces peuvent rester cohérentes.

Les conducteurs et les adaptateurs sont pièces angulaire de Cylon et lui permettent de communiquer

avec des objets et des services et assure l’envoie-réception les événements. Ceux-ci sont mis en

œuvre dans le cadre des sous-modules de Cylon comme: cylon-sphero...

Les adaptateurs sont la connexion responsable d'aux plates-formes, peu importe le moyen. Par

exemple, la classe d‘adaptateur cylon-sphero communique sur Bluetooth, tandis que l‘adaptateur

cylon-leapmotion parle à un serveur de WebSocket. Ainsi les classes d‘adaptateur assurent que les

conducteurs peuvent directement communiquer avec la plate-forme connectée.

Page 43: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

43

Simulation GPS – Application nodeJS de tests

Page 44: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

44

Simulation GPS - Node Red Flow

Page 45: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

45

Simulation GPS – Debug en Node-Red des données du Topic

Page 46: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

46

Simulation GPS – Processus : nodeJS App, Node-Red, Topic, HiveMQ, Telnet

Page 47: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

47

Simulation GPS – Représentation des résultats dans une Map

Page 48: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

48

Simulation Trafic automobile

IBM IoT Foundation

Le kit de démarrage de connexion des voitures par IBM Bluemix vous permet de

facilement modeler le trafic en temps réel dans une ville. Le kit existe avec un

simulateur de véhicule écrit en nodeJS, une application web de visualisation

HTML5 et un client de contrôle pour que tous communiquent par le biais d’ IBM IoT

Foundation avec une messagerie en temps réel.

L’application fournit met en relief comment ce kit permet de connecté des

véhicules. Les véhicules simulées sont enregistrées avec IBM Bluemix et IBM IoT

Foundation et des API sont produites pour chaque application dans le kit.

Les keys d’API fournit par l’application tiennent compte de la messagerie entre

des objets, et des services.

Le kit de démarrage peut être installé, configuré, et déployé dans Bluemix via les

étapes suivantes :

* Installation et configuration d’un compte IBM IoT Foundation

* Enregistrement des véhicules simulées et production des API Keys.

* Création d’une application placeholder et des services IoT/Geospatial dans

Bluemix.

* Le téléchargement et la configuration de kit de démarrage pour correspondre à

l’application dans IBM Bluemix et l'environnement IoT.

http://m2m.demos.ibm.com/trafficsimulator.html

Page 49: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

49

Simulation Trafic automobile – Configuration du fichier : manifest « YAML »

Page 50: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

50

Simulation Trafic automobile – Configuration du fichier: settings « YAML »

Page 51: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

51

Simulation Trafic automobile – Application nodeJS

Page 52: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

52

Simulation Trafic automobile – Interface de commandes de Cloud-foundry CLI

Internet des objets connecte déjà des milliards de

dispositifs, avec des prévisions prévoyant des taux de

croissance raides dans les années à venir. Beaucoup

de ces objets, comme des smartphones et des

véhicules connectés, sont mobiles. La conscience de

l'emplacement d'en mouvement des dispositifs ouvre

de nouvelles occasions passionnantes d'application.

Le support pour ces nouvelles applications exige les

services fortement évolutifs qui peuvent analyser les

grands volumes de données en temps réel. Avec

l‘analyse géo-spatiale d’IBM Bluemix, vous pouvez

contrôler des objets IoT déplaçant. Le service suit à la

trace des emplacements des objets en temps réel en

ce qui concerne un ou des régions plus

géographiques. L'analyse géo-spatiale peut être

utilisée comme une composante dans les applications

qui supportent plusieurs cas d'utilisation. Par exemple,

un commerce de détail pourrait vouloir contrôler pour

des clients potentiels et leur envoyer des promotions,

détecter des automobilistes connectés, etc…

Page 53: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

53

Simulation Trafic automobile – Interface IoT d’IBM

Page 54: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

54

Simulation Trafic automobile – Messages Payload

Page 55: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

55

Simulation Trafic automobile – Intégration dans Node-Red

Page 56: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

56

Simulation Trafic automobile – Debug des données transférées dans Node-Red

Page 57: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

57

Simulation Trafic automobile – Statistiques des processus

Page 58: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

PARTIE III : DEMONSTRATION

Page 59: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

IOT BIG DATA

ANALYTICS

DEVICES PROTOCOLE HARDWARE

ARCHITECTURE « IOT (M2M) - BIG DATA – ANALYSES »

M2M

IoT (M2M) – Big Data – Analyses : Architecture

Page 60: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

La contribution initiale d’Eclipse SmartHome est un grand sous-ensemble

du code actuel d'openHAB. En particulier, code source pour toutes les

interfaces et les services du Framework. Le code source de deux ou trois

extensions ( exemple: persistance). La documentation de l'architecture

et des d'extension d’openHab sont assurés par le groupe du projet

d’Eclipse SmartHome.

Pour permettre à d'autres d'utiliser le code d'openHAB dans leurs propres

solutions et produits l’équipe d’openHab a décider de publier le code

source via une licence apache. Les aspects légaux de beaucoup de

projets open source sont souvent assez flous, même s'ils ont une licence

libre. Mais pour des entreprises utilisant un tel projet dans leurs propres

produits, il y a toujours le risque que le copyright du code n'est pas clair

et que le code pourrait être contaminé par des brevets. Pour réduire de

tels risques, il est très avantageux d'avoir une gestion de propriété

intellectuelle rigide et des processus de contribution clairs, ceci est une

des choses fournit par la licence Eclipse. L’équipe d’openHhab a

décidé de contribuer le cadre principal d'openHAB à Eclipse, qui est

devenue la nouvelle Eclipse SmartHome project.

60

Software IoT: Eclipse SmartHome – openHAB – openHAB Designer

http://kaikreuzer.blogspot.com/2014/06/openhab-20-and-eclipse-smarthome.html

Page 61: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

61

Eclipse SmartHome - Historique

Eclipse SmartHome project est un projet open source proposé sous la licence Eclipse.

Depuis l'apparition des connexions d‘internet haut débit, des smartphones et des tablettes, le marché

domestique intelligent montre une recrudescence remarquable. Ceci a mené à un marché très

fragmenté, qui le rend difficile pour des clients "bet on the right horse". En fait, il n'y a pas un système,

le protocole ou un standard qui pourrait probablement accomplir toutes les exigences potentielles. Il

y a par conséquent un besoin des plates-formes qui permettent l'intégration de systèmes différents,

des protocoles et des normes, et cela fournit une façon uniforme d'interaction d'utilisateur et des

services de niveau plus hauts.

Les buts d’Eclipse SmartHome peuvent être récapitulés comme suit:

Fourniture d’un Framework flexible pour la maison intelligente et la vie aidée ambiante. Ce

Framework se concentre sur les cas d'utilisation de ce domaine, par exemple sur l'automatisation

facile et des aspects de visualisation.

Spécification des points d'extension pour des possibilités d'intégration et des services de niveau plus

haut.

L'extension et personnalisant ainsi la solution doit être aussi simple que possible et ceci exige des

interfaces concises et consacrées.

Fourniture des mises en œuvre d'extensions pour des systèmes pertinents, des protocoles ou des

normes. Beaucoup d'entre eux peuvent être utiles pour beaucoup de solutions domestiques

intelligentes, donc ce projet fournira un ensemble des extensions qui peuvent être incluses si désiré. Ils

peuvent aussi être en forme d'une bibliothèque Java générale ou un paquet d'OSGI…

Page 62: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

62

openHAB Framework - Fonctionnalités

openHAB créez un emballage et fait la démonstration des configurations, bien que les mécanisme

automatisé du foyer soit présent dans le Framework. openHab permet de construire des solutions

domestiques intelligentes qui ont un accent fort d'environnements hétérogènes, c'est-à-dire les

solutions qui traitent l'intégration de protocoles différents ou des standards.

Son but est de fournir un accès uniforme aux dispositifs et des informations et faciliter les sortes

différentes d'interactions avec eux. Ce Framework consiste d'un ensemble en paquets d'OSGI qui

peuvent être déployés sur un module OSGI et qui définit des services OSGI comme des points

d'extension. La pile doit être utilisable sur n'importe quelle sorte de système qui peut exécuter sur un

serveur multi-principal, une passerelle résidentielle ou RaspberryPi.

Des caractéristiques initiales planifiées et les points d'extension de ce Framework incluent :

Type System: un système de type de base mais extensible pour des données domestiques et les

commandes qui fournissent un point commun pour des données préoccupées et un accès de

dispositif.

Data Registry: garde la trace de cas de point de données et leurs valeurs.

Event Mechanism: passe des données et des opérations d'une manière asynchrone d'une façon

couplée entre des composants. L'Infrastructure pour échanger des données et des commandes avec

des systèmes externes et des dispositifs, par exemple par le vote d'habitué ou des fils de fond.

Des mises en œuvre obligatoires utiles comme le HTTP, NTP ou TCP feront partie du projet. Une mise en

œuvre d'un moteur de rôle flexible qui permet de changer des rôles pendant le temps d'exécution,

ou le déclenchement sur des événements ou sur une base temporelle.

Page 63: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

63

openHAB Framework – Architecture (1)

Le projet d'openHAB est divisé dans deux parties :

* openhab-runtime: ceci est le paquet, que vous exécuterez en réalité sur votre serveur et qui fait le

vrai travail.

* openhab-designer: ceci est un outil de configuration et de design, fournit avec un éditeur pour

configurer le temps d'exécution, définir l’interface utilisateur et mettre en œuvre les rôles.

openHAB runtime est un ensemble de paquets d'OSGI déployés sur un Framework OSGI (Equinoxe).

C'est donc une solution Java pure et a besoin d'un JVM pour fonctionner. Étant basé sur OSGI, il

fournit une architecture fortement modulaire, qui permet même d'ajouter et enlever la fonctionnalité

pendant le temps d'exécution sans arrêter le service. Voici une vue d'ensemble des paquets

principaux et comment ils dépendent l'un de l'autre :

- Communication:

OpenHAB a deux chaînes de communication interne différentes, un événement asynchrone

transporte en autobus un dépôt « stateful », qui peut être requêté.

- Le bus d‘événement

Le bus d'événement est le service de base d'openHAB, tous les paquets qui n'exigent pas le

comportement « stateful », il devraient l'utiliser pour informer d'autres paquets d'événements et être

mis à jour par d'autres paquets sur des événements externes.

Il y a principalement deux types d'événements :

Les commandes que déclenchent une action ou un changement d'état d'un certain article ou

dispositif.

Page 64: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

64

openHAB Framework – Architecture (2)

Les mises à jour de statut qui informent d'un changement d’un statut d'un certain article ou objet est

souvent comme une réponse à une commande.

Toutes les attaches de protocole devraient communiquer via le bus-event. Ceci s'assure qu'il y a un

accouplement très bas entre les paquets, qui facilite la nature dynamique d'openHAB.

Comme une base technique, l'OSGI EventAdmin est utilisé par openHAB. Ceci est une mise en œuvre

sous de pub légère, qui remplit parfaitement les exigences.

Il est important de noter qu'openHAB ne doit pas résider sur les objets ou des matériel réels et qui

devraient être alors à distance pour communiquer avec beaucoup d'autres instance d’openHAB

distribués. Au lieu de cela, openHAB sert d'un centre d'intégration entre de tels dispositifs et comme

un médiateur entre les protocoles différents que l'on parle entre ces dispositifs. Dans une installation

typique il y aura donc d'habitude juste un cas d'openHAB exécutant sur un certain serveur central.

Néanmoins, comme l'OSGI EventAdmin, le service peut aussi être utilisé comme un service à distance,

il est possible de connecter plusieurs instance distribuée d’openHAB via le bus-event.

Pas toutes les fonctionnalités peuvent être couvertes purement par des services ou extensions. Donc

openHAB offre aussi un système de « Item Repository », qui est connecté au bus-event et garde la

trace du statut actuel de tous les articles. « Item Repository » peut être utilisé quand nécessaire pour

avoir accès à l'état actuel d'articles. Par exemple une interface utilisateur doit afficher l'état actuel

d'articles dans le moment de l'accès d'utilisateur. Aussi le moteur d'exécution de logique

d'automatisation doit toujours être informé des états actuels. « Item Repository » exige que chaque

paquet soit mis en cache pour assurer une réutilisation interne en cas de besoin.

Page 65: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

65

openHAB Framework – Architecture (3)

Il s'assure aussi que l'état est en parfaite harmonie pour tous ces paquets et il fournit la possibilité de

persister des états dans un système de fichiers ou une base de données, pour qu'ils soient même

gardés partout pendant une reprise de système.

OpenHAB vient avec une configuration textuelle générique pour ses interfaces utilisateur :

Le Plan de site est une arborescence des gadgets, qui définissent les pages différentes d'un UI et leur

contenu. Les gadgets peuvent être associés aux objets, pour lesquels ils devraient montrer les

éléments de contrôle et le statut.

La définition du plan de site est faite selon le design, il est censé être un modèle d'UI approprié pour

les sortes différentes d'interfaces utilisateur, pour que l'utilisateur ne doit pas configurer chacun d'entre

eux dans le cas où il installe des UIs multiples. Si un UI a de nouvelles exigences en plus du plan de site,

il est toujours possible de présenter les options de configuration supplémentaires qui sont alors

spécifiques pour l'UI en question.

L'article des fournisseurs d'UI offrent une façon dynamique de configurer l'UI, pour que tout ne doit

être stocké statiquement dans le plan de site. Un article que le fournisseur d'UI peut par exemple

définir, quel gadget devrait être utilisé pour un objet, si aucun est spécifié et peut dynamiquement

définir des icônes et des étiquettes et qui pourrait dépendre de l'état actuel de l'article.

Un cas d'utilisation important pour cette caractéristique est l'affichage dynamique de groupes

d'article et de tout ce qui est là stocké dans le plan de site est les informations qu'un certain groupe

devrait être montré; la page est alors dynamiquement assemblée au temps d'exécution avec

n'importe quels articles sont disponible à ce moment-là.

Page 66: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

66

openHAB Framework – Commandes (1)

Page 67: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

67

openHAB Framework – Commandes (2)

Page 68: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

68

openHAB Framework – Commandes (3)

Page 69: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

69

openHAB Framework – Commandes (4)

Page 70: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

70

openHAB Framework – Webservices (1)

Page 71: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

71

openHAB Framework – Webservices (2)

Page 72: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

72

openHAB Framework – Webservices (3)

Page 73: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

73

openHAB Framework – Webservices (4)

OpenHAB est conçu pour fournir un webservice où les composants peuvent être connectés et

conduits via une interface utilisateur, en permettant à un mécanisme général de contrôler tous les

composants. Bien que beaucoup de ces dispositifs puissent avoir leurs propres applications mobile,

contrôlant chacun d'entre. En utilisant OpenHAB comme le centre principal, les dispositifs peuvent

tous être contrôlés avec une seule application mobile ou le site Web et les scénarios peuvent être

installés et configurés pour conduire des composants individuels.

Page 74: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

74

openHAB Designer - IDE

Page 75: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

75

openHAB Designer – Geent Template UI

openHAB Designer permet de configurer openHAB Runtime. Il fournit avec un éditeur pour des fichiers

ou dossiers, permet la configuration du plan de site. Son avantage sur des éditeurs de texte simples

est le support d'IDE complet, comme la vérification de syntaxe, auto-completion, support et

documentation…

Page 76: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Plutôt que réinventer la roue, Sitewhere dépend de beaucoup de

technologies libre. La plupart des technologies utilisées ont été testées

pendant des années dans des environnements de production et ont été

continuellement mises à jour grâce à beaucoup d'itérations et

d'améliorations.

Les composants open source suivants sont utilisés par Sitewhere :

Apache Tomcat: Le serveur principal dans Sitewhere.

Sitewhere est déployé comme des archives Web (.war) qui fonctionne

quand le serveur démarre.

Spring Framework: livre le cadre de configuration principal de Sitewhere

et cela lui permet d'être configurable et étendu. Plutôt qu'utiliser un

ensemble durement codé de composants, Sitewhere a un ensemble

principal d'interfaces de prestataire de services et les mises en œuvre

par défaut des interfaces. En utilisant les mêmes interfaces dans des

classes personnalisées et les branchant via spring, les tiers peuvent

étendre Sitewhere sans toucher le code principal.

MongoDB : MongoDB est une base de données NoSQL qui est utilisée

pour stocker des données Sitewhere. C'est très rapide et facile d'installer,

avec des grandes performances…

76

Software M2M - Sitewhere

http://docs.sitewhere.org/1.0.4/overview.html#what-is-sitewhere

Page 77: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

77

Sitewhere - Software M2M (1)

Sitewhere est libre, c’est une plateforme d’intégration M2M. Il fournit les fonctionnalités suivantes :

- Un serveur basé sur les technologies prouvées qui agissent comme un contrôleur pour le traitement

de données de dispositif. Le serveur peut être installé sur une machine locale ou dans le cloud, et est

construit sur les technologies qui sont conçues pour traiter des milliards d'événements de dispositif par

jour.

- La persistance à long terme de données envoyées par des objets. Des données d'événement de

dispositif temps réel, Sitewhere offre une plate-forme où les données ne sont jamais supprimées, peu

importe le volume d'événements.

- Offre des interfaces de prestataire de services, qui fournit un modèle d'objet principal pour la plate-

forme et permet aux tiers d'étendre et personnaliser le système pour interfacer avec de nouvelles

technologies.

- Livre un système de ravitaillement de dispositif avancé, qui permet le contrôle du cycle de vie

complet de dispositifs se faisant inscrire, envoyant des commandes basées sur le type de matériel,

recevant des réponses de données et les agrégeant. Le système est basé sur un ensemble principal

des interfaces qui permettent des nouveaux protocoles.

- Un modèle pour les types standard de données produites par des dispositifs. Par exemple, les

données d'emplacement sont stockées tel qu'il peut être géo-spatialement indexé et eu accès selon

des questions comme ' quels événements de dispositif sont arrivés près de cet emplacement donné

dans la période de temps donnée '. Les données de mesure de dispositif sont stockées tel qu'il peut

être analysé, à facettes et graphique…

Page 78: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

78

Sitewhere - Software M2M (2)

Sitewhere offre les informations via un cadre de gestion d'actifs qui permet aux systèmes externes de

conduire les informations. Par exemple, la liste des gens associée à une assignation peut venir d'un

magasin, LDAP existant. Sitewhere suit à la trace l'attribution de dispositifs au fil du temps et lie des

événements à la mission, si à une date ultérieure vous pouvez trouvez les emplacements d’un objet et

quand il a été assigné à une personne particulière.

Sitewhere s’intègre avec des Framework d'intégration tiers comme Mule ESB, permettant aux données

d'événement de déclencher des interactions complexes comme des données ajoutantes à

Salesforce ou notifiant des conditions alertes utilisant des SMS produits par Twilio.

Sitewhere est une application administrative HTML5 qui permet à toutes les données de système d'être

vue et manipulé dans une façon qui le rend facile à comprendre les données. L'application

d'administration utilise des webservices REST, fournis par la plate-forme principale pour interagir avec

les données. Les applications tierces peuvent utiliser les mêmes webservices REST pour interagir avec

des données Sitewhere sans avoir pour utiliser l'application d'administration.

Sitewhere offre un client Java qui peut interagir avec la majeure partie des webservices REST. Pour

des systèmes externes avec le code Java existant, l’interfaçage avec Sitewhere est aussi simple par

quelques lignes de code.

Il protège les informations en limitant l'accès aux données basées sur un système de gestion

d'utilisateur prouvé.

Le système peut être configuré pour utiliser les sources externes de données d'identité comme des

magasins ou LDAP.

Page 79: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

79

Sitewhere - MongoDB DataBase

Page 80: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

80

Sitewhere – WebServices (1)

Page 81: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

81

Sitewhere – WebServices (2)

Page 82: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Les objets doivent communiquer les uns avec les l'autre (D2D). Les

données de dispositif doivent alors être rassemblées et envoyées à

l'infrastructure de serveur (D2S). Cette infrastructure de serveur doit

partager des données de dispositif (S2S), fournissant un soutient aux

dispositifs, aux programmes d'analyse, ou aux gens, parmis les protocoles

qui peuvent décrire ce système il y a : MQTT · XMPP · DDS · AMQP

Chacun de ces protocoles est largement adopté. Il y a au moins 10

mises en œuvre de chacun. La confusion est compréhensible, parce

que le positionnement de haut niveau est semblable. En fait, toute la

quatre réclamation d'être en temps réel publisher – subscriver. Les

protocoles IoT qui peuvent connecter des milliers de dispositifs. Et c'est

vrai, comment vous définissez "temps réel," "des objets," et "des

dispositifs." Néanmoins, ils sont très différents, en effet internet

d'aujourd'hui supporte des centaines de protocoles. L'IoT supportera des

centaines.

82

Protocoles & Positioning Systems

Page 83: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

83

Protocle MQTT

MQTT (MQ Telemetry Transport) est un protocole basé sur un système "light weight“ qui utilize le mode

publish-subscribe pour échanger des messages et TCP/IP comme protocole de communication et

transport. Il est conçu pour établir des connexions avec des emplacements à distance où “small

code footprint” est exigée et la bande passante de réseau est limitée. Le Publish-Subscribe est un

modèle de messagerie exigeant un broker. Le broker est responsable de distribuer des messages aux

clients intéressés basés sur le sujet d'un message. Andy Stanford-Clark et Arlen Nipper of Cirrus Link

Solutions ont conçu la première version du protocole en 1999. La spécification ne spécifie pas la

signification "small code foot print“ ou la signification "de la bande passante de réseau limitée".

Ainsi, la disponibilité du protocole à l'utilisation dépend du contexte. En 2013 IBM a soumis MQTT v3.1

au corps de spécification d'OASIS. MQTT-SN est une variation du protocole principal a visé des

dispositifs incorporés sur des réseaux non TCP/IP, comme ZigBee.

Historiquement, le 'MQ' dans 'MQTT' est venue de chez “IBM's MQ message queuing product line”.

Cependant, la formation d'une queue en soi n'est pas exigée pour être soutenu comme une

caractéristique standard dans toutes les situations.

Des protocoles alternatifs incluent le « Advanced Message Queuing Protocol”, “IETF Constrained

Application Protocol” et “XMPP” sont nés ultérieurement.

MQTT Broker: Il y a plusieurs brokers de MQTT disponibles comme “IBM Message Sight”. Ils varient dans

leur ensemble de caractéristiques et certains d'entre eux mettent en œuvre des fonctions

supplémentaires en plus de la norme MQTT. Dans le monde réel, il y a un certain nombre de projets

basés sur le MQTT comme Facebook Messenger. https://en.wikipedia.org/wiki/MQTT

Page 84: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

84

Protocle GSM

GSM (Global System for Mobile Communications), d’oringine conçu par Group Special Mobile, est un

standard développée par European Telecommunications Standards Institute (ETSI) pour décrire des

protocoles pour la deuxième génération (2G) des réseaux cellulaires numériques utilisés par des

téléphones portables, d'abord déployés en Finlande en juillet 1992. À partir de 2014 c'est devenu la le

standard mondiale par défaut pour des communications mobiles, avec une part de marché de plus

de 90 %, fonctionnant dans plus de 219 pays dans le monde.

La 2G est développé comme un remplaçant pour la première génération (1G) des réseaux cellulaires

analogues et le standard GSM ont à l'origine décrit un réseau numérique. Ceci étendu au fil du temps

pour inclure des transmissions de données, d'abord par le transport commuté de circuit, ensuite par

des données de paquet transporte via GPRS (General Packet Radio Services) et EDGE (Enhanced

Data rates for GSM Evolution or EGPRS).

Par la suite, le 3G++ a développé la troisième génération (3G) UMTS suivies par la quatrième

génération (4G) LTE, qui ne font pas partie de l'ETSI GSM.

"GSM" est une marque déposée appartenant à l'Association GSM. Il peut aussi renvoyer au codec de

voix, Full Rate. Basée sur:

GSM Layer 1: FDMA/TDMA est l'interface radio, aussi appelée Um l'interface.

GSM Layer 2 : est la couche de liaison de transmission, qui fait trois fonctions principales suivantes:

- Établir

- Maintenir

- Démolir le lien, le contrôle de flux et la détection d‘erreur. https://en.wikipedia.org/wiki/GSM

Page 85: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

85

GPS - Global Positioning System

Le Système de navigation par satellites (GPS) est un système satellite à base d'espace de navigation

qui fournit l'emplacement et des informations de temps dans toutes les conditions météorologiques,

n'importe où sur la terre où il y a une ligne dégagée de vue à quatre ou plus satellites GPS. Le système

fournit plusieurs capacités critiques aux militaires, des utilisateurs civils et commerciaux dans le monde

entier. Le gouvernement des États-Unis a créé le système, il assure son entretient et le rend librement

accessible à quelqu'un avec un récepteur GPS.

Les EU ont commencé le projet GPS en 1973 pour surmonter les limitations de systèmes précédents de

navigation, intégrant des idées de plusieurs prédécesseurs, y compris un certain nombre d'études de

conceptions classifiées et confidentielles d'ingénierie des années 1960. Le Ministère de la Défense

américain (DoD) a développé le système, qui a à l'origine utilisé 24 satellites.

C'est devenu entièrement opérationnel en 1995.

Les avances dans la technologie et de nouvelles demandes sur le système existant ont maintenant

mené aux efforts de moderniser le système GPS et mettent en œuvre la génération suivante de Bloc

GPS III, et le Système de commande opérationnel de nouvelle génération (OCX).

En 2000, le Congrès américain a autorisé l'effort de modernisation, le GPS III.

En plus du GPS, d'autres systèmes sont dans l'utilisation ou dans le développement. Le Système

Satellite Global russe de navigation (GLONASS) a été développé à la même époque avec le GPS,

mais subi de la couverture incomplète du globe jusqu'au milieu des années 2000. Il y a aussi l‘union

européenne planifiée le système de positionnement de Galileo, le système satellite régional indien de

navigation de l'Inde et le chinois BeiDou… https://en.wikipedia.org/wiki/Global_Positioning_System

Page 86: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Raspberry PI – Mobile - SIM CARD –

GPS TRACKER – LG SMART TV –

GOOGLE MAPS – LED LIGHTING –

CARS TRACKER – OPENHAB

FRAMEWORK – OSGI MODULE –

SITEWHERE - THERMOMETER

86

Plateforme IoT

Page 87: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

87

Application : matériels

Page 88: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

88

YOUTUBE CHANNEL : INNOVAIOT

Application : Movie Demonstration

INNOVA_IOT

INNOVAIOT

INNOVAIOT

Page 89: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Big data analytics est le processus d'examiner des grands ensembles de

données contenant une variété de types de données. Les données de

masse, des corrélations inconnues, commercialisent des tendances, des

préférences clients et d'autres informations utiles d'affaires. Les

découvertes analytiques peuvent mener au marketing plus efficace,

des nouvelles occasions de revenu, le meilleur service client…

Pour analyser un si grand volume de données, big data analytics est

typiquement exécutée utilisant des outils logiciels spécialisés et des

applications pour l'analytique prophétique, l'extraction de données,

l'extraction de texte, la prédiction et l'optimisation de données.

Collectivement ces processus sont les fonctions séparées mais fortement

intégrées d'analytique très performante. L'utilisation de grands outils de

données et le logiciel permet à une organisation de traiter les grands

volumes de données pour déterminer quelles sont les données

pertinentes et peuvent être analysées…

89

Big Data et Analyse

Page 90: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

90

Big Data Analytics – Cas d’utilisations

Big Data analytics est plus que l'analytique de comportementale des gens. C'est aussi de la

compréhension des interactions et de la dynamique entre des processus, des machines , des

équipements, des tendances même macro-économiques, qui peuvent rapporter du nouveau

apprentissage dans des risques opérationnels et des occasions. Quand combiné avec des

perspicacité riches du comportement du grand public et des consommateurs, les entreprises

gagnent une image plus nuancée, détaillée et précise d'où les marchés sont été à la tête. Et cela leur

donne un avantage énorme dans la direction aux investissements proactifs pour saisir les meilleures

occasions.

Le plus grand de ces occasions peut-être l'affrontement du marché ou focalisé sur le client, mais des

améliorations de chaîne d'approvisionnement ou d'autres améliorations opérationnelles d'abord

découvertes par l'analytique comportementale peut aussi mener aux gains de performance dignes

d'intérêt. L'analytique comportementale a des applications réelles au-delà du royaume de marketing

et l'intelligence client. Il y a les données de capteur qui peuvent suivre à la trace des modèles de

trafic, par exemple, menant "aux villes plus intelligentes. Il est possible de savoir si les chaînes de

chambre froide ont été cassées ou les médicaments ont été compromises pendant des expéditions.

Ainsi les suivis à la seconde de marchandises traversant des chaînes d'approvisionnement mondiales

sont en fin de compte une autre saveur d'analytique comportementale. Comme avec des données

de masse plus généralement, la question n'est pas si les entreprises ont les données ils doivent faire

l'analytique comportementale. Il est plus qu'ils doivent déterminer les stratégies optimales pour les

rassemblées, gérées et analysées. http://bigdata.teradata.com/US/Big-Ideas/Behavioral-Analytics

Page 91: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Jaspersoft Studio est un logiciel libre commercial concentré sur la veille

économique, y compris la visualisation de données, le rapport et l'analytique.

Jaspersoft fournit la publicité et le logiciel libre, le support, des services et

accordant une licence autour du JasperReports, JasperReports Server, Jaspersoft

Studio, iReport et Jaspersoft products ETL. Le produit principal de Jaspersoft est le

JasperReports Server, une application web Java qui fournit des capacités de

serveur de rapport avancées comme la planification de rapport, des permissions,

ad hoc, des tableaux de bord et la multi-location.

Il est offert dans une édition open source communautaire aussi bien que sous

plusieurs éditions commerciales avec un large support pour des bases de données

diverses et des sources de données, y compris NoSQL et d'autres grandes sources

de données: datasources.

Jaspersoft a été à l'origine appelé Panscopic et a été fondé par Al Campa, Al

Campa, CEO, et Raj Bhargava.

En 2004 Panscopic s'est associé avec Teodor Danciu, a acquis la propriété

intellectuelle de JasperReports et a changé le nom de l'entreprise à Jaspersoft.

Brian Gentile est devenu le PDG en 2007. Teodor Danciu a commencé le travail

sur JasperReports en juin 2001, le projet de sf.net a été enregistré en septembre

2001 et JasperReports 0.1.5 a été sorti le 3 novembre 2001. L'entreprise a sorti la

Version 1.0 JasperReports, le 21 juillet 2005.

91

JasperSoft – Analyse et Reporting

https://en.wikipedia.org/wiki/Jaspersoft

Page 92: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

92

JasperSoft – MongoDB Analytics

Page 93: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

93

JasperSoft – Data Sources

Page 94: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

94

JasperSoft – MongoDB Query Langage

Page 95: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

95

Elasticsearch

Elasticsearch est une application de recherche en texte intégral open source

fortement évolutive et un moteur d'analytique. Il vous permet de stocker,

rechercher et analyser des grands volumes de données rapidement et en temps

quasi réel. Il est généralement utilisé comme le sous-jacent de moteur et

technologie que les applications de pouvoirs qui ont des caractéristiques de

recherche complexes et des exigences.

Ainsi Elasticsearch vous permet:

- Dirigez une boutique en ligne où vous permettez à vos clients de chercher des

produits que vous vendez. Dans ce cas, vous pouvez utiliser Elasticsearch pour

stocker votre catalogue de produit entier et inventorier et fournir la recherche et

auto compléter des suggestions pour eux.

- Rassembler le journal des données de transaction et analyser ces données pour

chercher des tendances, la statistique, des résumés, ou des anomalies. Dans ce

cas, vous pouvez utiliser Logstash pour agréger et faire l'analyse syntaxique de vos

données et avoir ensuite Logstash alimentent ces données dans Elasticsearch. Une

fois que les données sont dans Elasticsearch, vous pouvez exécuter des

recherches et des accumulations de n'importe quelles informations qui vous sont

intéressantes. Ainsi Elasticsearch utilise sa recherche et inverse la capacité de

correspondre aux mouvements et des choix technologiques d’analyse syntaxique

ou d’analytique comportementale des clients. https://www.elastic.co

Page 96: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

96

Elasticsearch - Fonctionnalités

Real-Time Data: combien de temps vous pouvez attendre des aperçus sur vos données rapides. Avec

Elasticsearch, toutes les données sont immédiatement rendues disponible pour la recherche et

l'analytique.

Real-Time Analytics: l‘union de la vitesse de recherche se joint à la puissance d'analytique change

votre relation avec vos données. En mode interactif la recherche, découvrez et analysez pour gagner

les aperçus qui améliorent vos produits ou rationalisent votre activité.

Distributed: Elasticsearch vous permet de commencer avec une petite architecture et augmenter les

capacités à l'échelle horizontalement. Ajoutez simplement plus de nœuds et laissez le groupe profiter

automatiquement du matériel supplémentaire.

High Availability: Elasticsearch est résistant, il détectera des nouveaux nœuds, réorganisera et

rééquilibra des données automatiquement, assura que vos données sont sûres et accessibles.

Multitenancy: le groupe peut contenir les indices multiples qui peuvent être questionnés

indépendamment ou comme un groupe. Les pseudonymes d'index permettent les vues filtrées d'un

index et peuvent être mis à jour d'une manière transparente à votre application.

Full-Text Search: Elasticsearch construit des capacités distribuées au-dessus d'Apache Lucene pour

fournir le texte intégral le plus puissant des capacités de recherche disponibles dans n'importe quel

produit open source. L'API est puissante, favorable aux développeurs, supporte la recherche

multilingue, la géolocalisation, des suggestions contextuelles, auto-completion…

Document-Oriented: Elasticsearch stock des entités complexes dans des structure JSON des

documents.

Page 97: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

97

Elasticsearch – Exemple d’indexation

Page 98: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

98

Elasticsearch – MongoDB River Indexation

Page 99: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

99

Elasticsearch – MongoDB Replication

Page 100: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

100

Elasticsearch – MongoDB Index Status

Page 101: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

101

Elasticsearch – MongoDB Collection

Page 102: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

102

Elasticsearch – recherche dans une collection MongoDB

Page 103: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

103

Elasticsearch – Statistiques des index

Page 104: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

104

Elasticsearch – Statistiques des clusters

Page 105: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

105

Apache Hadoop

Apache Hadoop est un Framework open source écrit en Java pour le stockage et

traitement distribué de très grands ensembles de données sur des groupes

informatiques. Tous les modules dans Apache Hadoop sont conçus avec une

supposition fondamentale que les échecs de matériel (de machines individuelles,

ou les supports de machines) sont banals et devraient ainsi être automatiquement

traités dans le Framework. Le cœur d'Apache Hadoop consiste en partie de

stockage (Le Système de fichiers Distribué de Hadoop « HDFS ») et une partie de

traitement (MapReduce).

Apache Hadoop divise des fichiers et dossiers dans de grands blocs et les distribue

parmi des nœuds dans le groupe. Pour traiter les données, MapReduce permet le

transfert du code empaqueté pour des nœuds pour un traitement en parallèle,

basé sur les données chaque nœud. Cette approche profite de nœuds de

localité de données manipulant les données qu'ils doivent admettre que les

données à être traitées plus rapidement et plus efficacement que cela soient

dans une architecture super informatique plus conventionnelle qui compte sur un

système de fichiers parallèle où le calcul et des données sont connectés via la

gestion de réseau haut débit(à grande vitesse).

La base d'Apache Hadoop est composée des modules suivant: Hadoop

Commun, système de fichiers distribué qui stocke des données sur des machines

de marchandises, MapReduce… https://en.wikipedia.org/wiki/Apache_Hadoop

Page 106: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

106

Apache Hadoop – User Interface

Page 107: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

107

Apache Hadoop – Exemple HDFS

Le système de fichiers distribué d’Hadoop (HDFS) est un système de fichiers distribué conçu pour

fonctionner sur du matériel ordinaire. Il a beaucoup de ressemblances avec des systèmes de fichiers

distribués existants ou Raid de Unix. Cependant, les différences d'autres systèmes de fichiers distribués

sont significatives. HDFS est fortement insensible aux défaillances et est conçu pour être déployé sur

du matériel bon marché. HDFS fournit un haut accès de sortie aux données d'application et est

approprié pour les applications qui ont des grands ensembles de données. HDFS implémente

quelques exigences POSIX pour permettre l'accès en continu aux données de système de fichiers.

Page 108: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

108

Apache Hadoop – Exemple « Log File » pour requêter

Page 109: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

109

Apache Hadoop – exportation de « Log Files » dans un format HDFS

Page 110: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

110

Apache Hadoop – Status de « Log Files » dans Hadoop

Page 111: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

111

Apache Hadoop – Apache Hive: la combinaison

Apache Hive facilite la gestion de grands ensembles de données résidant dans le stockage distribué.

Ainsi Hive fournit un mécanisme pour projeter la structure sur ces données et questionner les données

utilisant une langue semblable au SQL appelée HiveQL. En même temps cette langue permet aussi

aux programmeurs de mapper leurs données selon une représentation structurées ou semi-structurées

Pour pouvoir les stocker dans des tables intermédiaires spécifiques au HiveQL.

Page 112: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

112

Apache Hive – Hive Query Langage

DROP TABLE: supprimez la table de données, si elle existe déjà .

CREATE EXTERNAL TABLE: créez une nouvelle table externe dans Hive. Les tables externes stockent

seulement la définition de table. Les données restent dans leur emplacement d'origine et dans leur

taille d'origine.

ROW FORMAT: indiquez au Hive le mode de formatage des données.

STORED AS TEXTFILE LOCATION: indiquez l'emplacement des données (répertoire des données) et

spécifie qu'ils sont stockés sous la forme de texte. Les données peuvent être en file indienne ou des

reparties sur plusieurs fichiers ou dossiers dans le répertoire.

SELECT: choisissez et comptez toutes les lignes dont la colonne ‘t10’ contient la valeur 'host=chaker'

Page 113: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

113

Apache Hive– Résultats des requêtes (1)

Page 114: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

114

Apache Hive – Résultats des requêtes (2)

Page 115: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

115

Apache Hive – Résultats des requêtes (3)

Page 116: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

116

Apache Hadoop, Apache Hive et le Big Data

Apache Hive est un système de centralisation de données construisent au-dessus d’Apahce Hadoop

pour questionner des données de masse. Hive produite par Facebook en août 2008. Le défi que

Facebook a dû aborder est celui confronté par beaucoup d'entreprises depuis lors. Finalement la

croissance de données dans une entreprise défie les capacités de RDBMS déployé ou des systèmes

NoSQL. Les rapports et l'analytique commencent à prendre du valeur, alors des heures et se

chevaucher finalement avec d'autres questions et le système entier s'immobilise. D'autres entreprises

commencent à traiter des données de masse avec Hadoop découvre la valeur de faire les données

accessibles au-delà de l'équipe de développement capable d'écrire des spécifications des données

complexes.

Le terme des données de masse est librement utilisé dans ce contexte. Le point sous-jacent consiste

en ce que les données de masse sont un point de vue et peuvent être généralisées comme le point

où des solutions simples et déployées par la technologie échoue.

Des solutions de centralisation de données à grande échelle commerciales sont très chères. En outre,

certaines des données rassemblées aujourd'hui, par exemple mal structuré ou dé-normalisent

fortement des données, peuvent être peu pratiques pour se débrouiller avec ces systèmes.

L'écosystème Hadoop est régulièrement utilisé pour peser le traitement de données dans une façon

faisable. Hadoop devient en remplacement ou un complément de traitement par lots à

l'infrastructure existante pour l'analyse de données, l'extraction, le chargement, la transformation, le

rapport et l'apprentissage automatique.

Page 117: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Green Internet of Things

The term "Internet of Things" emanated to describe a number of technologies and

research disciplines that enable global connectivity over the world-wide physical

objects. Enabling technologies like RFID, sensor networks, biometrics, and

nanotechnologies are now becoming very common, bringing the Internet of Things

into real implementations addressing varying applications, including smart grid, e-

health, intelligent transportation, etc. They foreshadow an exciting future that closely

interconnects our physical world via green networks. Green networks in IoT will

contribute to reduce emissions and pollutions, exploit environmental conservation and

surveillance, and minimize operational costs and power consumption. The Green

Internet of Things (G-IoT) is predicted to introduce significant changes in our daily life

and would help realizing the vision of “green ambient intelligence”. Within a few years

we will be surrounded by a massive amount of sensors, devices and “things”, which

will be able to communicate via IP, act “intelligently”, and provide green support for

users in managing their tasks. These new smart objects will also be context-aware and

able to perform certain functions autonomously, calling for new forms of green

communication between people and things and between things themselves, where

power consumption is optimized and bandwidth utilization is maximized. This

development would not only be relevant to researchers, but also to corporations and

individuals alike. It is hence the aim of our workshop to focus on both design and

implementation aspects in green networks, or networks that can be utilized in

providing green systems through IoT enabling technologies. At the same time, our

workshop call is open for topics relevant to IoT in general.http://research.cs.queensu.ca/G-IoT12

Page 118: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Mots clés

IoT – M2M Big Data Analyses

Internet of Things, Machine 2 Machine, MQTT, Broker, Message

Elasticsearch, Apache Hadoop, Apache Hive, MongoDB

JasperSoft Studio, MongoDB, Apache Cassandra, MySQL, JSON

Node-Red, nodeJS, Webservices, Maps, google maps, GPS Tracker, cars trafic, thermostat connecté, adresse MAC, Device registration

Elasticsearch index, MongoDB river, Marvel sense, Elasticsearch HQ

Kibana analytic, Logs analytics

HiveMQ, Apache Tomcat, MQTT Spy, Cylon.JS, Cloud-foundry Clicommands, openHAB, openHABDesigner, Greent Template, Sitewhere

MapReduce, Apache Hive, Hive Query Langage, MongoDB river, HDFS, MongoDB Query Langage, Replication, Collection, elasticsearchindex, cluster

Hadoop UI, Monitoring, Protocol, Data access, Monitor poll, Hybrid mode

Node-Red Flow, API Keys, API Token, Collect Data, Data source, Twitter, Mail, Webservices, Maps, google maps, GPS Tracker, cars trafic, thermostat connecté, adresse MAC, Device registration, MQTT Publisher, MQTT Subscriber

Mqtt Broker, Publisher, Subscriber, GET Request, PUT Request, JSON, YAML

HiveMQ, Apache Tomcat, MQTT Spy, Cylon.JS, Cloud-foundry Clicommands, openHAB, openHABDesigner, Greent Template, Sitewhere

Page 119: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Liens utiles

Apache Haddop : https://hadoop.apache.org

IBM Bluemix : https://console.ng.bluemix.net

Elasticsearch : https://www.elastic.co

openHab : http://www.openhab.org

Sitewhere : http://www.sitewhere.org

Jaspersoft : http://www.jaspersoft.com

Node-red : http://nodered.org

MongoDB : https://www.mongodb.org

Apache Tomcat : http://tomcat.apache.org

Apache Hive : https://hive.apache.org

nodeJS : https://nodejs.org

Page 120: IoT (M2M) - Big Data - Analyses : Simulation et Démonstration

Visitez mon profil LinkedIn

Visitez mon site web

http://tn.linkedin.com/in/chakerallaoui

http://allaoui-chaker.github.io

Contact

Idea Create Refine