Demo IoT - Data Project 2 - Grupo 6

Dispositivo IoT - iCare Solutions

La salud, al momento, mejor

Arquitectura de datos:

Requisitos previos:

---

• Clonar este repositorio en Google Cloud Platform;

• Habilitar las APIs requeridas con los siguientes comandos:

gcloud services enable dataflow.googleapis.com
gcloud services enable cloudiot.googleapis.com
gcloud services enable cloudbuild.googleapis.com

• Crear entorno virtual de Python;

virtualenv -p python3 <ENVIRONTMENT_NAME>
source <ENVIRONMENT_NAME>/bin/activate

• Instalar las dependencias necesarias.

pip install -U -r setup_dependencies.txt

PubSub:

---

• Ir a Cloud Console PubSub;
• Crear un tema y añadir una subscripción por defecto.

Cloud Storage

---

• Ir a Cloud Console Cloud Storage;
• Crear un bucket con un nombre único

IoT Core

---

Para esta demostración, usaremos Cloud Shell como un dispositivo IoT generador de datos;

• Ir a Cloud Console IoT Core;

• Crear un registro IoT escogiendo el tema PubSub creado anteriormente;

• Ir a Cloud Shell y generar una clave "RSA key with-self signed X509 certificate"

• Registrar un dispositivo y actualizar la clave rsa_cert.pem en la sección de autenticación

Ahora ya hemos vinculado nuestro dispositivo con IoT Core.

Big Query

---

• Ir a Cloud Console Big Query

• Crear un BigQuery Dataset

Dataflow

---

• Ir a la carpeta 02_Dataflow para crear una Plantilla;
• Empaquetar el código python en una imagen de Docker y guardarlo en el registro de contenedores, ejecutando este comando;

gcloud builds submit --tag 'gcr.io/<YOUR_PROJECT_ID>/<YOUR_FOLDER_NAME>/<YOUR_IMAGE_NAME>:latest' .

• Crear la Plantilla Dataflow desde la imagen Docker:

gcloud dataflow flex-template build "gs://<YOUR_BUCKET_NAME>/<YOUR_TEMPLATE_NAME>.json" \
  --image "gcr.io/<YOUR_PROJECT_ID>/<YOUR_FOLDER_NAME>/<YOUR_IMAGE_NAME>:latest" \
  --sdk-language "PYTHON" 

• Para terminar, ejecutar el Dataflow job desde la Plantilla:

gcloud dataflow flex-template run "<YOUR_DATAFLOW_JOB_NAME>" \
    --template-file-gcs-location "gs://<YOUR_BUCKET_NAME>/<YOUR_TEMPLATE_NAME>.json" \
    --region "europe-west1"

Cloud Functions

---

• Crear una Google Cloud Function para pasar los datos a Firestore;
• "main.py"

import base64
import json
from google.cloud import firestore
from datetime import datetime

client = firestore.Client(project='lithe-window-342416')

def dataICareFireStore(event, context):
    message = ''
    if 'data' in event:
        message = base64.b64decode(event['data']).decode('utf-8')
        ICaredata = json.loads(message)

    doc = client.collection('device').document( str(ICaredata["id_usuario"]))
    doc.set({
    'id_usuario': ICaredata["id_usuario"],
    'id_dispositivo': ICaredata["id_dispositivo"],
    'bateria_dispositivo': ICaredata["bateria_dispositivo"],
    'timeStamp': ICaredata["timeStamp"],
    'presion_arterial': ICaredata["presion_arterial"],
    'frec_cardiaca': ICaredata["frec_cardiaca"],
    'frec_respiratoria': ICaredata["frec_respiratoria"],
    'temperatura': ICaredata["temperatura"],
    'oxigeno_sangre': ICaredata["oxigeno_sangre"],
    'alertas': ICaredata["alertas"],
    })
    print(f'message: {message}')

• "requirements.txt"

google-cloud-firestore>=2.1.3
google-cloud-iot

Enviar datos desde el dispositivo

• Ir a la carpeta 01_IoTCore y ejecutar el siguiente comando:

python edemDeviceData.py \
    --algorithm RS256 \
    --cloud_region europe-west1 \
    --device_id <YOUR_IOT_DEVICE_NAME> \
    --private_key_file rsa_private.pem \
    --project_id <YOUR_PROJECT_ID> \
    --registry_id <YOUR_IOT_REGISTRY>

Verificar que los datos se almacenen correctamente y visualizar con Data Studio

• Ir a Big Query;

• FireStore

• Vincular ICare Dashboard

Mobile App

Conoce a nuestro equipo

Compuesto por:

Jose Manuel García

Sergi Joan Sastre

Álvaro Chiquillo

Héctor García

Diego Cortes