A Spatial Analysis-tároló telepítése és futtatása (előzetes verzió)

A Térbeli elemzés tároló lehetővé teszi a valós idejű streamelési videók elemzését, hogy megértse az emberek közötti térbeli kapcsolatokat, azok mozgását és a fizikai környezetekben lévő objektumokkal való interakciókat. A tárolók kiválóan alkalmasak adott biztonsági és adatszabályozási követelményekhez.

Előfeltételek

• Azure-előfizetés – Ingyenes létrehozás
• Az Azure-fióknak rendelkeznie kell egy Cognitive Services Contributor hozzárendelt szerepkörrel ahhoz, hogy elfogadja a felelős AI-feltételeket, és létrehozhasson egy erőforrást. Ha hozzá szeretné rendelni ezt a szerepkört a fiókjához, kövesse a Szerepkörök hozzárendelése dokumentáció lépéseit, vagy forduljon a rendszergazdához.
• Az Azure-előfizetés létrehozása után a Standard S1 szinthez a Azure Portal a kulcs és a végpont lekéréséhez. Az üzembe helyezés után válassza az Erőforrás megnyitása lehetőséget.
  • A Spatial Analysis-tároló futtatásához szüksége lesz a létrehozott erőforrás kulcsára és végpontjára. A kulcsot és a végpontot később fogja használni.

A térinformatikai elemzés tárolókövetelményei

A térinformatikai elemzési tároló futtatásához nvidia CUDA számítási képességgel rendelkező GPU 6.0-s vagy újabb (például NVIDIA Tesla T4, A2, 1080Ti vagy 2080Ti) számítási eszközre van szükség. Javasoljuk, hogy gpu-gyorsítással használja az Azure Stack Edge-et , de a tároló bármely más asztali gépen fut, amely megfelel a minimális követelményeknek. Ezt az eszközt gazdaszámítógépként fogjuk használni.

Azure Stack Edge-eszköz

Az Azure Stack Edge egy szolgáltatásként nyújtott hardveres megoldás és egy AI-kompatibilis peremhálózati számítástechnikai eszköz, amely hálózati adatátviteli képességekkel rendelkezik. Részletes előkészítési és beállítási utasításokért tekintse meg az Azure Stack Edge dokumentációját.

Asztali gép

Minimális hardverkövetelmények

• 4 GB rendszer RAM
• 4 GB GPU RAM
• 8 magos PROCESSZOR
• Egy NVIDIA CUDA compute-kompatibilis GPU 6.0 vagy újabb (például NVIDIA Tesla T4, A2, 1080Ti vagy 2080Ti)
• 20 GB HDD-hely

Ajánlott hardver

• 32 GB rendszer RAM
• 16 GB GPU RAM
• 8 magos PROCESSZOR
• Két NVIDIA CUDA Compute-kompatibilis GPU 6.0-s vagy újabb (például NVIDIA Tesla T4, A2, 1080Ti vagy 2080Ti)
• 50 GB SSD-hely

Ebben a cikkben a következő szoftvercsomagokat fogja letölteni és telepíteni. A gazdaszámítógépnek képesnek kell lennie a következő futtatására (lásd alább az utasításokat):

• NVIDIA grafikus illesztőprogramok és NVIDIA CUDA Eszközkészlet. A GPU-illesztő minimális verziója 460 a CUDA 11.1-es verziójával.
• Az NVIDIA MPS (többfolyamatos szolgáltatás) konfigurációi.
• Docker CE és NVIDIA-Docker2
• Azure IoT Edge futtatókörnyezet.

Azure-beli virtuális gép GPU-val

A példánkban egy NCv3 sorozatú virtuális gépet fogunk használni, amely egy v100 GPU-val rendelkezik.

Követelmény	Leírás
Kamera	A Spatial Analysis tároló nincs egy adott kameramárkához kötve. A kameraeszköznek támogatnia kell a Real-Time Streaming Protocol (RTSP) és a H.264 kódolást, elérhetővé kell tennie a gazdaszámítógép számára, és képesnek kell lennie a streamelésre 15FPS és 1080p felbontásban.
Linux operációs rendszer	Az Ubuntu Desktop 18.04 LTS-t telepíteni kell a gazdaszámítógépre.

A gazdaszámítógép beállítása

Javasoljuk, hogy egy Azure Stack Edge-eszközt használjon a gazdagéphez. Válassza az Asztali gép lehetőséget, ha másik eszközt konfigurál, vagy virtuális gépet , ha virtuális gépet használ.

Azure Stack Edge-eszköz

Számítás konfigurálása az Azure Stack Edge portálon

A spatial Analysis az Azure Stack Edge számítási funkcióit használja egy AI-megoldás futtatásához. A számítási funkciók engedélyezéséhez győződjön meg arról, hogy:

• Csatlakoztatta és aktiválta az Azure Stack Edge-eszközt.
• Az eszköz eléréséhez PowerShell 5.0-s vagy újabb verziót futtató Windows-ügyfélrendszerrel rendelkezik.
• Kubernetes-fürt üzembe helyezéséhez konfigurálnia kell az Azure Stack Edge-eszközt a helyi felhasználói felületen keresztül a Azure Portal:
  1. Engedélyezze a számítási funkciót az Azure Stack Edge-eszközön. A számítás engedélyezéséhez lépjen az eszköz webes felületének Számítás lapjára.
  2. Válasszon ki egy hálózati adaptert, amelyet engedélyezni szeretne a számításhoz, majd válassza az Engedélyezés lehetőséget. Ezzel létrehoz egy virtuális kapcsolót az eszközön a hálózati adapteren.
  3. Hagyja üresen a Kubernetes tesztcsomópont IP-címeit és a Kubernetes külső szolgáltatások IP-címeit.
  4. Kattintson az Alkalmaz gombra. Ez a művelet körülbelül két percet vehet igénybe.

Azure Stack Edge-szerepkör beállítása és IoT Hub-erőforrás létrehozása

A Azure Portal keresse meg az Azure Stack Edge-erőforrást. Az Áttekintés lapon vagy a navigációs listában válassza az Edge compute – Első lépések gombot. Az Edge-számítás konfigurálása csempén válassza a Konfigurálás lehetőséget.

Az Edge-számítás konfigurálása lapon válasszon ki egy meglévő IoT Hub, vagy hozzon létre egy újat. Alapértelmezés szerint egy standard (S1) tarifacsomagot használunk egy IoT Hub erőforrás létrehozásához. Ha ingyenes szintű IoT Hub erőforrást szeretne használni, hozzon létre egyet, majd válassza ki. A IoT Hub erőforrás ugyanazt az előfizetést és erőforráscsoportot használja, amelyet az Azure Stack Edge-erőforrás használ

Válassza a Létrehozás lehetőséget. A IoT Hub erőforrás létrehozása eltarthat néhány percig. A IoT Hub erőforrás létrehozása után az Edge számítási konfigurálása csempe frissül, hogy megjelenjen az új konfiguráció. Annak ellenőrzéséhez, hogy az Edge számítási szerepkör konfigurálva van-e, válassza a Konfiguráció megtekintése lehetőséget a Számítás konfigurálása csempén.

Amikor az Edge számítási szerepkör be van állítva az Edge-eszközön, két eszközt hoz létre: egy IoT-eszközt és egy IoT Edge eszközt. Mindkét eszköz megtekinthető az IoT Hub erőforrásban. Az Azure IoT Edge Runtime már fut az IoT Edge eszközön.

Megjegyzés

• Jelenleg csak a Linux platform támogatott IoT Edge eszközökön. Az Azure Stack Edge-eszköz hibaelhárításával kapcsolatos segítségért tekintse meg a naplózással és hibaelhárítással foglalkozó cikket.
• Ha többet szeretne megtudni arról, hogyan konfigurálhat IoT Edge eszközt proxykiszolgálón keresztüli kommunikációra, tekintse meg az IoT Edge eszköz proxykiszolgálón keresztüli kommunikációra való konfigurálását ismertető cikket.

MPS engedélyezése az Azure Stack Edge-ben

Az alábbi lépéseket követve távolról csatlakozhat windowsos ügyfélről.

1. Futtasson egy Windows PowerShell-munkamenetet rendszergazdaként.

2. Győződjön meg arról, hogy a Windows távfelügyeleti szolgáltatás fut az ügyfélen. A parancssorba írja be a következőt:

   winrm quickconfig
   

   További információ: Telepítés és konfigurálás a Windows távfelügyelethez.

3. Rendeljen hozzá egy változót a fájlban hosts használt kapcsolati sztring.

   $Name = "<Node serial number>.<DNS domain of the device>"
   

   Cserélje le <Node serial number> a és <DNS domain of the device> a elemet az eszköz csomópont-sorozatszámára és DNS-tartományára. A csomópont sorozatszámának értékeit a Tanúsítványok lapról és a DNS-tartományból szerezheti be az eszköz helyi webes felhasználói felületén található Eszköz lapról.

4. Ha hozzá szeretné adni ezt a kapcsolati sztring az eszközhöz az ügyfél megbízható gazdagépeinek listájához, írja be a következő parancsot:

   Set-Item WSMan:\localhost\Client\TrustedHosts $Name -Concatenate -Force
   

5. Windows PowerShell munkamenet indítása az eszközön:

   Enter-PSSession -ComputerName $Name -Credential ~\EdgeUser -ConfigurationName Minishell -UseSSL
   

   Ha a megbízhatósági kapcsolattal kapcsolatos hibát lát, ellenőrizze, hogy az eszközre feltöltött csomóponttanúsítvány aláíró lánca is telepítve van-e az eszközhöz hozzáférő ügyfélre.

6. Adja meg a jelszót, amikor a rendszer kéri. Használja ugyanazt a jelszót, amelyet a helyi webes felhasználói felületre való bejelentkezéshez használ. A helyi webes felhasználói felület alapértelmezett jelszava a Jelszó1. Ha sikeresen csatlakozik az eszközhöz távoli PowerShell-lel, a következő mintakimenet jelenik meg:

   Windows PowerShell
   Copyright (C) Microsoft Corporation. All rights reserved.
   
   PS C:\WINDOWS\system32> winrm quickconfig
   WinRM service is already running on this machine.
   PS C:\WINDOWS\system32> $Name = "1HXQG13.wdshcsso.com"
   PS C:\WINDOWS\system32> Set-Item WSMan:\localhost\Client\TrustedHosts $Name -Concatenate -Force
   PS C:\WINDOWS\system32> Enter-PSSession -ComputerName $Name -Credential ~\EdgeUser -ConfigurationName Minishell -UseSSL
   
   WARNING: The Windows PowerShell interface of your device is intended to be used only for the initial network configuration. Please engage Microsoft Support if you need to access this interface to troubleshoot any potential issues you may be experiencing. Changes made through this interface without involving Microsoft Support could result in an unsupported configuration.
   [1HXQG13.wdshcsso.com]: PS>
   

Asztali gép

Kövesse ezeket az utasításokat, ha a gazdaszámítógép nem Azure Stack Edge-eszköz.

Az NVIDIA CUDA Eszközkészlet és az Nvidia grafikus illesztőprogramok telepítése a gazdaszámítógépre

Az alábbi Bash-szkripttel telepítheti a szükséges Nvidia grafikus illesztőprogramokat és a CUDA-eszközkészletet.

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/3bf863cc.pub
sudo add-apt-repository "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda

Indítsa újra a gépet, és futtassa a következő parancsot.

nvidia-smi

A következő kimenetnek kell megjelennie.

A Docker CE és az nvidia-docker2 telepítése a gazdagépen

Telepítse a Docker CE-t a gazdagépen.

sudo apt-get update
sudo apt-get install -y apt-transport-https ca-certificates curl gnupg-agent software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
sudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io

Telepítse az nvidia-docker-2 szoftvercsomagot.

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install -y docker-ce nvidia-docker2
sudo systemctl restart docker

NVIDIA MPS engedélyezése a gazdagépen

Tipp

• Ne telepítse az MPS-t, ha a GPU számítási képessége kisebb, mint 7,x (volta előtti). Tekintse meg a CUDA kompatibilitását ismertető cikket.
• Futtassa az MPS-utasításokat egy terminálablakból a gazdagépen. A Docker-tárolópéldányban nem.

A legjobb teljesítmény és kihasználtság érdekében konfigurálja a gazdagép GPU-jait az NVIDIA többprocesszoros szolgáltatásához (MPS). Futtassa az MPS-utasításokat egy terminálablakból a gazdagépen.

# Set GPU(s) compute mode to EXCLUSIVE_PROCESS
sudo nvidia-smi --compute-mode=EXCLUSIVE_PROCESS

# Cronjob for setting GPU(s) compute mode to EXCLUSIVE_PROCESS on boot
echo "SHELL=/bin/bash" > /tmp/nvidia-mps-cronjob
echo "PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin" >> /tmp/nvidia-mps-cronjob
echo "@reboot   root    nvidia-smi --compute-mode=EXCLUSIVE_PROCESS" >> /tmp/nvidia-mps-cronjob

sudo chown root:root /tmp/nvidia-mps-cronjob
sudo mv /tmp/nvidia-mps-cronjob /etc/cron.d/

# Service entry for automatically starting MPS control daemon
echo "[Unit]" > /tmp/nvidia-mps.service
echo "Description=NVIDIA MPS control service" >> /tmp/nvidia-mps.service
echo "After=cron.service" >> /tmp/nvidia-mps.service
echo "" >> /tmp/nvidia-mps.service
echo "[Service]" >> /tmp/nvidia-mps.service
echo "Restart=on-failure" >> /tmp/nvidia-mps.service
echo "ExecStart=/usr/bin/nvidia-cuda-mps-control -f" >> /tmp/nvidia-mps.service
echo "" >> /tmp/nvidia-mps.service
echo "[Install]" >> /tmp/nvidia-mps.service
echo "WantedBy=multi-user.target" >> /tmp/nvidia-mps.service

sudo chown root:root /tmp/nvidia-mps.service
sudo mv /tmp/nvidia-mps.service /etc/systemd/system/

sudo systemctl --now enable nvidia-mps.service

Az Azure IoT Edge konfigurálása a gazdagépen

A térinformatikai tároló gazdaszámítógépen való üzembe helyezéséhez hozzon létre egy Azure IoT Hub szolgáltatáspéldányt a Standard (S1) vagy az Ingyenes (F0) tarifacsomag használatával.

Az Azure CLI használatával hozzon létre egy példányt a Azure IoT Hub. Szükség esetén cserélje le a paramétereket. Másik lehetőségként létrehozhatja a Azure IoT Hub a Azure Portal.

curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bash

sudo az login

sudo az account set --subscription "<name or ID of Azure Subscription>"

sudo az group create --name "<resource-group-name>" --location "<your-region>"

Lásd: Az elérhető régiók régiótámogatása .

sudo az iot hub create --name "<iothub-group-name>" --sku S1 --resource-group "<resource-group-name>"

sudo az iot hub device-identity create --hub-name "<iothub-name>" --device-id "<device-name>" --edge-enabled

Telepítenie kell az Azure IoT Edge 1.0.9-es verzióját. A megfelelő verzió letöltéséhez kövesse az alábbi lépéseket:

Ubuntu Server 18.04:

curl https://packages.microsoft.com/config/ubuntu/18.04/multiarch/prod.list > ./microsoft-prod.list

Másolja ki a létrehozott listát.

sudo cp ./microsoft-prod.list /etc/apt/sources.list.d/

Telepítse a Microsoft GPG nyilvános kulcsát.

curl https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > microsoft.gpg

sudo cp ./microsoft.gpg /etc/apt/trusted.gpg.d/

Frissítse a csomaglistákat az eszközön.

sudo apt-get update

Telepítse az 1.0.9-es kiadást:

sudo apt-get install iotedge=1.1* libiothsm-std=1.1*

Ezután regisztrálja a gazdaszámítógépet IoT Edge eszközként a IoT Hub-példányban egy kapcsolati sztring használatával.

Csatlakoztatnia kell a IoT Edge eszközt a Azure IoT Hub. A kapcsolati sztring a korábban létrehozott IoT Edge eszközről kell másolnia. Másik lehetőségként futtathatja az alábbi parancsot az Azure CLI-ben.

sudo az iot hub device-identity connection-string show --device-id my-edge-device --hub-name test-iot-hub-123

Nyissa meg /etc/iotedge/config.yaml a gazdaszámítógépet szerkesztésre. Cserélje le ADD DEVICE CONNECTION STRING HERE a kapcsolati sztring. Mentse és zárja be a fájlt. Futtassa ezt a parancsot a IoT Edge szolgáltatás újraindításához a gazdagépen.

sudo systemctl restart iotedge

Helyezze üzembe a térinformatikai tárolót IoT-modulként a gazdaszámítógépen, akár a Azure Portal, akár az Azure CLI-ről. Ha a portált használja, állítsa a kép URI-ját a Azure Container Registry helyére.

Az alábbi lépésekkel üzembe helyezheti a tárolót az Azure CLI használatával.

Azure-beli virtuális gép GPU-val

A GPU-val rendelkező Azure-beli virtuális gépek térbeli elemzés futtatására is használhatók. Az alábbi példa egy NCv3 sorozatú virtuális gépet fog használni, amely egy v100 GPU-val rendelkezik.

A virtuális gép létrehozása

Nyissa meg a Virtuális gép létrehozása varázslót a Azure Portal.

Adjon nevet a virtuális gépnek, és válassza ki az USA 2. nyugati régiójának megfelelő régiót.

Fontos

Győződjön meg arról, hogy Availability Options "Nincs szükség infrastruktúra-redundanciára". Tekintse meg az alábbi ábrát a teljes konfigurációról és a következő lépésről a megfelelő virtuálisgép-méret megtalálásához.

A virtuális gép méretének megkereséséhez válassza a "Minden méret megtekintése" lehetőséget, majd tekintse meg az "N sorozat" listát, majd válassza az alább látható NC6s_v3.

Ezután hozza létre a virtuális gépet. A létrehozás után lépjen a virtuálisgép-erőforrásra a Azure Portal, és válassza Extensions ki a bal oldali panelen. Válassza az "Add" (Hozzáadás) lehetőséget a bővítmények ablakának az összes elérhető bővítményt tartalmazó megjelenítéséhez. Keresse meg és válassza a lehetőséget NVIDIA GPU Driver Extension, válassza a létrehozás lehetőséget, és fejezze be a varázslót.

A bővítmény sikeres alkalmazása után lépjen a virtuális gép főlapjára a Azure Portal, és válassza a lehetőségetConnect. A virtuális gép SSH-val vagy RDP-vel érhető el. Az RDP hasznos lesz, mivel lehetővé teszi a vizualizáció ablakának megtekintését (ezt később ismertetjük). Konfigurálja az RDP-hozzáférést az alábbi lépésekkel , és nyissa meg a távoli asztali kapcsolatot a virtuális géppel.

A grafikus illesztőprogramok telepítésének ellenőrzése

Futtassa a következő parancsot annak ellenőrzéséhez, hogy a grafikus illesztőprogramok telepítése sikeresen megtörtént-e.

nvidia-smi

A következő kimenetnek kell megjelennie.

A Docker CE és az nvidia-docker2 telepítése a virtuális gépre

Futtassa egyenként az alábbi parancsokat a Docker CE és az nvidia-docker2 virtuális gépen való telepítéséhez.

Telepítse a Docker CE-t a gazdagépen.

sudo apt-get update

sudo apt-get install -y apt-transport-https ca-certificates curl gnupg-agent software-properties-common

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

sudo apt-get update

sudo apt-get install -y docker-ce docker-ce-cli containerd.io

Telepítse az nvidia-docker-2 szoftvercsomagot.

DISTRIBUTION=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

curl -s -L https://nvidia.github.io/nvidia-docker/$DISTRIBUTION/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update

sudo apt-get install -y docker-ce nvidia-docker2

sudo systemctl restart docker

Most, hogy beállította és konfigurálta a virtuális gépet, kövesse az alábbi lépéseket az Azure IoT Edge konfigurálásához.

Az Azure IoT Edge konfigurálása a virtuális gépen

A térinformatikai tároló virtuális gépen való üzembe helyezéséhez hozzon létre egy Azure IoT Hub szolgáltatáspéldányt a Standard (S1) vagy az Ingyenes (F0) tarifacsomag használatával.

Az Azure CLI használatával hozzon létre egy példányt a Azure IoT Hub. Szükség esetén cserélje le a paramétereket. Másik lehetőségként létrehozhatja a Azure IoT Hub a Azure Portal.

curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bash

sudo az login

sudo az account set --subscription "<name or ID of Azure Subscription>"

sudo az group create --name "<resource-group-name>" --location "<your-region>"

Lásd: Az elérhető régiók régiótámogatása .

sudo az iot hub create --name "<iothub-name>" --sku S1 --resource-group "<resource-group-name>"

sudo az iot hub device-identity create --hub-name "<iothub-name>" --device-id "<device-name>" --edge-enabled

Telepítenie kell az Azure IoT Edge 1.0.9-es verzióját. A megfelelő verzió letöltéséhez kövesse az alábbi lépéseket:

Ubuntu Server 18.04:

curl https://packages.microsoft.com/config/ubuntu/18.04/multiarch/prod.list > ./microsoft-prod.list

Másolja ki a létrehozott listát.

sudo cp ./microsoft-prod.list /etc/apt/sources.list.d/

Telepítse a Microsoft GPG nyilvános kulcsát.

curl https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > microsoft.gpg

sudo cp ./microsoft.gpg /etc/apt/trusted.gpg.d/

Frissítse a csomaglistákat az eszközön.

sudo apt-get update

Telepítse az 1.0.9-es kiadást:

sudo apt-get install iotedge=1.1* libiothsm-std=1.1*

Ezután regisztrálja a virtuális gépet IoT Edge eszközként a IoT Hub-példányban egy kapcsolati sztring használatával.

Csatlakoztatnia kell a IoT Edge eszközt a Azure IoT Hub. A kapcsolati sztring a korábban létrehozott IoT Edge eszközről kell másolnia. Másik lehetőségként futtathatja az alábbi parancsot az Azure CLI-ben.

sudo az iot hub device-identity connection-string show --device-id my-edge-device --hub-name test-iot-hub-123

Nyissa meg /etc/iotedge/config.yaml a virtuális gépen szerkesztésre. Cserélje le ADD DEVICE CONNECTION STRING HERE a kapcsolati sztring. Mentse és zárja be a fájlt. Futtassa ezt a parancsot a IoT Edge szolgáltatás újraindításához a virtuális gépen.

sudo systemctl restart iotedge

Helyezze üzembe a térinformatikai tárolót IoT-modulként a virtuális gépen a Azure Portal vagy az Azure CLI-ből. Ha a portált használja, állítsa a kép URI-ját a Azure Container Registry helyére.

Az alábbi lépésekkel üzembe helyezheti a tárolót az Azure CLI használatával.

IoT-üzembehelyezési jegyzék

A tárolók több gazdagépen való üzembe helyezésének egyszerűsítése érdekében létrehozhat egy üzembehelyezési jegyzékfájlt a tárolólétrehozás beállításainak és környezeti változóinak megadásához. A GitHubon talál egy példát az Azure Stack Edge, más asztali gépek és GPU-val rendelkező Azure-beli virtuális gépek üzembehelyezési jegyzékére.

Az alábbi táblázat a IoT Edge modul által használt különböző környezeti változókat mutatja be. Ezeket a fent hivatkozott üzembehelyezési jegyzékfájlban is beállíthatja a env következő spatialanalysisattribútummal:

Beállítás neve	Érték	Leírás
ARCHON_LOG_LEVEL	Info; Részletes	Naplózási szint, válassza ki a két érték egyikét
ARCHON_SHARED_BUFFER_LIMIT	377487360	Ne módosítsa
ARCHON_PERF_MARKER	hamis	Állítsa ezt true értékre a teljesítménynaplózáshoz, ellenkező esetben ennek hamisnak kell lennie
ARCHON_NODES_LOG_LEVEL	Info; Részletes	Naplózási szint, válassza ki a két érték egyikét
OMP_WAIT_POLICY	PASSZÍV	Ne módosítsa
QT_X11_NO_MITSHM	1	Ne módosítsa
APIKEY	az API-kulcs	Gyűjtse össze ezt az értéket Azure Portal a Vision-erőforrásból. Ezt az erőforrás Kulcs és végpont szakaszában találja.
SZÁMLÁZÁS	a végpont URI-ja	Gyűjtse össze ezt az értéket Azure Portal a Vision-erőforrásból. Ezt az erőforrás Kulcs és végpont szakaszában találja.
EULA	Elfogadja	Ezt az értéket úgy kell beállítani, hogy fogadja el a tároló futtatását
KIJELZŐ	:1	Ennek az értéknek meg kell egyeznie a gazdaszámítógép kimenetével echo $DISPLAY . Az Azure Stack Edge-eszközök nem rendelkeznek kijelzővel. Ez a beállítás nem alkalmazható
KEY_ENV	ASE titkosítási kulcs	Adja hozzá ezt a környezeti változót, ha Video_URL egy rejtjelezett sztring
IV_ENV	Inicializálási vektor	Adja hozzá ezt a környezeti változót, ha Video_URL egy rejtjelezett sztring

Fontos

A Eulatároló futtatásához meg kell adni a , Billinga és ApiKey a beállítást, ellenkező esetben a tároló nem indul el. További információ: Számlázás.

Miután frissítette az Azure Stack Edge-eszközök, asztali gépek vagy GPU-val rendelkező Azure-beli virtuális gépek üzembehelyezési jegyzékfájlját a saját beállításaival és a műveletek kiválasztásával, az alábbi Azure CLI-paranccsal helyezheti üzembe a tárolót a gazdaszámítógépen, IoT Edge modulként.

sudo az login
sudo az extension add --name azure-iot
sudo az iot edge set-modules --hub-name "<iothub-name>" --device-id "<device-name>" --content DeploymentManifest.json --subscription "<name or ID of Azure Subscription>"

Paraméter	Leírás
--hub-name	A Azure IoT Hub neve.
--content	Az üzembehelyezési fájl neve.
--target-condition	A gazdaszámítógép IoT Edge eszközneve.
-–subscription	Előfizetés azonosítója vagy neve.

Ez a parancs elindítja az üzembe helyezést. Lépjen a Azure IoT Hub példány lapjára a Azure Portal az üzembe helyezés állapotának megtekintéséhez. Az állapot 417 -ként jelenhet meg – Az eszköz üzembehelyezési konfigurációja nincs beállítva , amíg az eszköz le nem tölti a tárolólemezképeket, és el nem indul a futás.

Az üzembe helyezés sikerességének ellenőrzése

A tároló futásának ellenőrzésére többféleképpen is lehetőség van. Keresse meg a futtatókörnyezet állapotát a Azure Portal Azure IoT Hub példányának Térbeli elemzés moduljának IoT Edge modulbeállításaiban. Ellenőrizze, hogy a Futtatókörnyezet állapotakívánt értéke és Jelentett értékeFut-e.

Miután az üzembe helyezés befejeződött, és a tároló fut, a gazdaszámítógép megkezdi az események küldését a Azure IoT Hub. Ha a .debug műveletek verzióját használta, megjelenik egy vizualizációs ablak az üzembehelyezési jegyzékben konfigurált összes kamerához. Most már meghatározhatja a figyelni kívánt vonalakat és zónákat az üzembehelyezési jegyzékben, és kövesse az utasításokat az újbóli üzembe helyezéshez.

A térbeli elemzés által végrehajtott műveletek konfigurálása

A tároló konfigurálásához térbeli elemzési műveleteket kell használnia a csatlakoztatott kamerák használatára, a műveletek konfigurálására és egyebekre. A térinformatikai elemzés műveletei minden konfigurált kameraeszközhöz létrehoznak egy JSON-üzenetek kimeneti adatfolyamát, amelyet a Azure IoT Hub példányának küldenek.

A tároló által létrehozott kimenet használata

Ha el szeretné kezdeni használni a tároló által létrehozott kimenetet, tekintse meg a következő cikkeket:

• A választott programozási nyelvhez tartozó Azure Event Hubs SDK-val csatlakozzon a Azure IoT Hub végponthoz, és fogadja az eseményeket. További információ: Eszközről felhőbe irányuló üzenetek olvasása a beépített végpontról.
• Állítsa be az üzenetirányítást a Azure IoT Hub, hogy az eseményeket más végpontokra küldje, vagy mentse az eseményeket Azure Blob Storage stb. További információt az IoT Hub Üzenetirányítás című témakörben talál.

Hibaelhárítás

Ha problémákba ütközik a tároló indításakor vagy futtatásakor, a gyakori problémák megoldásához tekintse meg a telemetriai és hibaelhárítási lépéseket. Ez a cikk a naplók létrehozásával és gyűjtésével, valamint a rendszerállapot gyűjtésével kapcsolatos információkat is tartalmaz.

Ha problémába ütközik egy Azure AI-szolgáltatások tárolójának futtatásakor, próbálja meg használni a Microsoft diagnosztikai tárolóját. Ezzel a tárolóval diagnosztizálhatja az üzembehelyezési környezetben előforduló gyakori hibákat, amelyek megakadályozhatják, hogy az Azure AI-tárolók a várt módon működjenek.

A tároló lekéréséhez használja a következő docker pull parancsot:

docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic

Ezután futtassa a tárolót. Cserélje le {ENDPOINT_URI} a elemet a végpontra, és cserélje le a elemet {API_KEY} az erőforrás kulcsára:

docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

A tároló teszteli a számlázási végponthoz való hálózati kapcsolatot.

Számlázás

A Spatial Analysis-tároló számlázási adatokat küld az Azure-nak egy Vision-erőforrás használatával az Azure-fiókjában. A térbeli elemzés nyilvános előzetes verzióban való használata jelenleg ingyenes.

Az Azure AI-tárolók nem futtathatók anélkül, hogy a mérési/számlázási végponthoz csatlakozna. Mindig engedélyeznie kell a tárolók számára, hogy a számlázási adatokat a számlázási végponttal közöljék. Az Azure AI-tárolók nem küldenek ügyféladatokat, például az elemezni kívánt videót vagy képet a Microsoftnak.

Összefoglalás

Ebben a cikkben megismerkedett a Spatial Analysis-tároló letöltésével, telepítésével és futtatásával kapcsolatos fogalmakkal és munkafolyamatokkal. Összegezve:

• A Spatial Analysis egy Linux-tároló a Dockerhez.
• A tárolórendszerképek a Microsoft Container Registryből töltődnek le.
• A tárolórendszerképek IoT-modulként futnak az Azure IoT Edge.
• Konfigurálja a tárolót, és helyezze üzembe egy gazdagépen.

Következő lépések

• Kapcsolatok Számláló webalkalmazás üzembe helyezése
• Térbeli elemzési műveletek konfigurálása
• Naplózás és hibaelhárítás
• Útmutató a kamera elhelyezéséhez
• Zóna- és vonalelhelyezési útmutató