亚马逊云科技 Build On -第二季学习心得

大家好，一次偶然机会知道了这次活动，并报名参加了。有幸参加了亚马逊云科技与CSDN联合组织的 BuildOn第二季 动手实验 —— AIoT 视频识别的专场，这次参加的目的主要是想认识一下物联网的相关操作以及扩展一些AWS的相关云服务的知识。

目录

准备工作

实验步骤

特别提醒：

实验截图

---

下面我们简单分享一下实验过程。

准备工作

首先我们打开实验手册。

 我个人第一次接触这个，感觉前面比较简单，按照实验手册操作就可以，不过，后面，我就卡住了。

我们先说说什么是AWS?

AWS 提供物联网 (IoT) 服务和解决方案来连接和管理数十亿台设备。连接、存储和分析工业、家居消费、商业和汽车业工作负载的 IoT 数据。

• 使用最为完备的 IoT 服务套组加速创新，借助 AWS IoT 不断扩展、快速行动，并节省成本。从安全设备连接到管理、存储和分析，AWS IoT 能够为您提供广泛而深入的服务，满足您构建完整解决方案之所需。
• 从云端到边缘，确保您 IoT 应用程序的安全，AWS IoT 服务能够解决您应用程序中每一层遇到的问题，并确保设备安全性。借助预防性机制保护您的设备数据，例如加密和访问权控制，以持续审计和监控您的 AWS IoT Device Defender 配置。
• 借助高级 AI 和机器学习（ML）整合构建智能 IoT 解决方案,借助高达 25 倍的性能提升以及低于 1/10 的运行时足迹，在云中创建模块并将其部署到设备中。 AWS 结合人工智能 (AI)、机器学习（ML）和 IoT，力求打造更为智能的设备。
• 便捷可靠地进行扩展，以安全、可靠和弹性的云基础设施构建创新且独特的解决方案，能够将规模扩展至数十亿台设备以及数万亿条消息。AWS IoT 能够轻松与其他 AWS 服务集成。

 

 本次实验我们学习了KVS视频流的相关操作。

Amazon Kinesis Video Streams（KVS） 是一项完全托管的亚马逊云科技服务，您可以使用 Kinesis Video Streams 捕获来自数百万种源 (包括智能手机、安全摄像头、网络摄像头、车载摄像头、无人机及其他源) 的海量实时视频数据传输到 Amazon云，或者构建应用程序以进行实时视频处理或进行面向批处理的视频。Amazon KVS 的优势包括：

• 可以为海量设备提供实时视频传输服务。
• 通过与 Amazon Rekognition 等托管服务集成可以非常方便的构建智能视觉应用。
• 使用 KVS HTTP 实时流 (HLS) 可以轻松地将 KVS 中的实时和录制媒体流式传输到您的浏览器或移动应用程序。
• KVS 让您能够使用 IAM 控制对流的访问，并且提供对静态与动态数据的安全保护。完全托管无需管理基础设施。
• KVS 使用 S3 作为底层数据存储，借助 KVS能够根据设备和服务生成的时间戳，快速搜索和检索视频片段。
  Amazon KVS 可以分为 Producer、Stream、Consumer 三个组成部分，分别提供了 Producer SDK、KVS Stream API 和 Consumer SDK 方便开发者与 KVS 做功能集成。

 

实验步骤

目前 Rekognition Streaming Video Events 这个功能支持的 AWS 的区域是：US East (Ohio), US East (N. Virginia), US West (Oregon), Asia Pacific (Mumbai), and Europe (Ireland)后续会陆续在其他的 Region 提供该功能，本次实验我们选择在 Ireland。

 4.1中操作比较简单，按提示就可以了，比如讲在 IAM 里点击用户，在点击添加用户（官方配图非常详细）我就 不细说了。

后面生成视频流，这个操作不难。

• 打开 Amazon Kinesis 视频流控制台（Kinesis Video Streams）
• 确认这个地区与您在 前面实验中选择的地区相同
• 单击左侧菜单中的 “视频流”，然后单击 “创建视频流” 按钮
• 在表格中填写以下信息，然后单击 “创建视频流” 按钮

 接下来，要在自己电脑运行cmd

 运行完之后，自己的账号能打开生成的视频就可以了。

 不过，做这个实验的最大特点就是记住一大堆id和ACCESS_KEY，要做到一一对应。

 创建 SNS 并配置邮件订阅（步骤 13）

• 在 Amazon SNS（Simple Notification Service）里创建 Topic，选型类型为：Standard类型，Topic 名称命名为：video-event-sns。
• 记录该 Topic 的 ARN，后续实验环节需要使用
• 创建完成后，需要到刚刚填写的邮箱里面点击确认，确认成功。

邮件订阅要自己在邮箱确认的。这一块也没有什么要注意的。后面就是安照提示搞策略和用户。

4.5.1可以直接跳过，4.5.2

 创建 rekognition-stream-processor（步骤 15）

• 准备好创建 rekognition-stream-processor的 json 文件在 Cloud9 的 /home/ubuntu/environment/ 目录（这里可以直接在 Cloud9 中创建，也可以在本地创建然后使用 Cloud9 的 upload 上传上来）createstreamprocessor.json

这一块就比较难了，理解了就可以。实验就基本上结束了。

特别提醒：

一定要注意本次创建的所有资源都需要创建在爱尔兰（eu-west-1），有些资源如果创建错了，有可能你要花半个小时甚至一个小时重做。
一定要在IAM里创建子账号，并且本次实验一定要用子账号登录来创建各个资源，不然最后一步会出错，实验所有步骤得重来。
SNS的Topic邮箱一定要登录邮箱订阅，并进入Topic检查，不然最后一步邮件收不到分析结果。

实验截图

 再次提醒邮箱要确认。

 还有一些细小的问题就不做过多的描述了，主要问题已陈列。