Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
Tetsutaro Watanabe
PPTX, PDF
3,237 views
IoTデバイスデータ収集の難しい点
Mobility Technologiesではタクシーに取り付けたデバイスのデータを収集していますが、Webとは違うIoTならではの問題や障害を経験しました。それを紹介します。
Technology
◦
Read more
2
Save
Share
Embed
Embed presentation
Download
Downloaded 30 times
1
/ 17
2
/ 17
3
/ 17
4
/ 17
5
/ 17
6
/ 17
7
/ 17
8
/ 17
9
/ 17
10
/ 17
11
/ 17
12
/ 17
13
/ 17
14
/ 17
15
/ 17
16
/ 17
17
/ 17
More Related Content
PPTX
MLOpsはバズワード
by
Tetsutaro Watanabe
PDF
人間の視覚的注意を予測するモデル - 動的ベイジアンネットワークに基づく 最新のアプローチ -
by
Akisato Kimura
PDF
Attentionの基礎からTransformerの入門まで
by
AGIRobots
PDF
AWSではじめるMLOps
by
MariOhbuchi
PDF
モデルではなく、データセットを蒸留する
by
Takahiro Kubo
PDF
Ques12「AIのテスト~誤検知と検出漏れ~」
by
hirokazuoishi
PPTX
[DL輪読会]The Neuro-Symbolic Concept Learner: Interpreting Scenes, Words, and Se...
by
Deep Learning JP
PPTX
Graph U-Nets
by
Shion Honda
MLOpsはバズワード
by
Tetsutaro Watanabe
人間の視覚的注意を予測するモデル - 動的ベイジアンネットワークに基づく 最新のアプローチ -
by
Akisato Kimura
Attentionの基礎からTransformerの入門まで
by
AGIRobots
AWSではじめるMLOps
by
MariOhbuchi
モデルではなく、データセットを蒸留する
by
Takahiro Kubo
Ques12「AIのテスト~誤検知と検出漏れ~」
by
hirokazuoishi
[DL輪読会]The Neuro-Symbolic Concept Learner: Interpreting Scenes, Words, and Se...
by
Deep Learning JP
Graph U-Nets
by
Shion Honda
What's hot
PPTX
ドライブレコーダの動画を使った道路情報の自動差分抽出
by
Tetsutaro Watanabe
PPTX
DRIVE CHARTを支えるAI技術
by
Yusuke Uchida
PDF
Data-Centric AIの紹介
by
Kazuyuki Miyazawa
PPTX
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
by
harmonylab
PPTX
データサイエンティスト向け性能問題対応の基礎
by
Tetsutaro Watanabe
PPTX
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
by
Deep Learning JP
PPTX
【DL輪読会】Flow Matching for Generative Modeling
by
Deep Learning JP
PPTX
畳み込みニューラルネットワークの高精度化と高速化
by
Yusuke Uchida
PDF
ドラレコ + CV = 地図@Mobility Technologies
by
Kazuyuki Miyazawa
PPTX
これからの Vision & Language ~ Acadexit した4つの理由
by
Yoshitaka Ushiku
PDF
【メタサーベイ】数式ドリブン教師あり学習
by
cvpaper. challenge
PPTX
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
by
SSII
PPTX
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
by
Deep Learning JP
PDF
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
by
cvpaper. challenge
PDF
ブレインパッドにおける機械学習プロジェクトの進め方
by
BrainPad Inc.
PDF
20190619 オートエンコーダーと異常検知入門
by
Kazuki Motohashi
PDF
SSII2012 2D&3Dレジストレーション ~画像と3次元点群の合わせ方~ 第1部
by
Toru Tamaki
PDF
開発者が語る NVIDIA cuQuantum SDK
by
NVIDIA Japan
PDF
確率モデルを用いた3D点群レジストレーション
by
Kenta Tanaka
PPTX
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
by
Yusuke Nakata
ドライブレコーダの動画を使った道路情報の自動差分抽出
by
Tetsutaro Watanabe
DRIVE CHARTを支えるAI技術
by
Yusuke Uchida
Data-Centric AIの紹介
by
Kazuyuki Miyazawa
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
by
harmonylab
データサイエンティスト向け性能問題対応の基礎
by
Tetsutaro Watanabe
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
by
Deep Learning JP
【DL輪読会】Flow Matching for Generative Modeling
by
Deep Learning JP
畳み込みニューラルネットワークの高精度化と高速化
by
Yusuke Uchida
ドラレコ + CV = 地図@Mobility Technologies
by
Kazuyuki Miyazawa
これからの Vision & Language ~ Acadexit した4つの理由
by
Yoshitaka Ushiku
【メタサーベイ】数式ドリブン教師あり学習
by
cvpaper. challenge
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
by
SSII
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
by
Deep Learning JP
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
by
cvpaper. challenge
ブレインパッドにおける機械学習プロジェクトの進め方
by
BrainPad Inc.
20190619 オートエンコーダーと異常検知入門
by
Kazuki Motohashi
SSII2012 2D&3Dレジストレーション ~画像と3次元点群の合わせ方~ 第1部
by
Toru Tamaki
開発者が語る NVIDIA cuQuantum SDK
by
NVIDIA Japan
確率モデルを用いた3D点群レジストレーション
by
Kenta Tanaka
Multi-agent actor-critic for mixed cooperative-competitive environmentsの紹介
by
Yusuke Nakata
Similar to IoTデバイスデータ収集の難しい点
PPTX
データ収集の基本と「JapanTaxi」アプリにおける実践例
by
Tetsutaro Watanabe
PDF
Teslaにおけるコンピュータビジョン技術の調査 (2)
by
Kazuyuki Miyazawa
PDF
Mobilitydev2019 10 31_slideshare
by
Tier_IV
PPTX
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた
by
Tetsutaro Watanabe
PDF
≪インテル x ブロケード 特別対談≫ 2020年。どうなる?車とデータセンタの関係 ~SDxの、その先へ~
by
Brocade
PPTX
Implementing an IoT System on a Smartphone
by
Atomu Hidaka
PPTX
if-up 2019 | A3.「ユーザーが望むハードウェアプロダクトを作る」
by
SORACOM,INC
PDF
スマートデバイス またはモバイルOS / Web OS / スマート何とか
by
Yasuhiro Mawarimichi
PDF
OSC 2012 Hokkaido でのプレゼン資料
by
Shin-ya Koga
PDF
OSC 2012 Microsoft Session [マイクロソフトの魅せるセンサー×クラウド技術]
by
Aya Tokura
PPTX
【日商USA】webinar 2023.10.6 クラウドだけじゃない!Edge AIの進化とは?
by
Sojitz Tech-Innovation USA
PDF
Io t,ai時代のソフトウェア
by
Toshiaki Kurokawa
PDF
デバイス WebAPI設計の進め方
by
Device WebAPI Consortium
KEY
組込み技術とモバイル技術
by
Tomo Watanabe
KEY
Androidロボットサミットin名古屋
by
Kenichi Yoshida
PDF
2015 0710 東京鯱光会月例会_公開用.pptx
by
Osamu Sugiura
PDF
IoTで何をやったか
by
エンジニア勉強会 エスキュービズム
PDF
de:code 2015
by
エンジニア勉強会 エスキュービズム
PDF
No Moreハードウェア!?エッジ・ルータが仮想化されると何が変わる?
by
Brocade
PDF
異能vationの研究計画概要
by
Yousuke Saki
データ収集の基本と「JapanTaxi」アプリにおける実践例
by
Tetsutaro Watanabe
Teslaにおけるコンピュータビジョン技術の調査 (2)
by
Kazuyuki Miyazawa
Mobilitydev2019 10 31_slideshare
by
Tier_IV
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた
by
Tetsutaro Watanabe
≪インテル x ブロケード 特別対談≫ 2020年。どうなる?車とデータセンタの関係 ~SDxの、その先へ~
by
Brocade
Implementing an IoT System on a Smartphone
by
Atomu Hidaka
if-up 2019 | A3.「ユーザーが望むハードウェアプロダクトを作る」
by
SORACOM,INC
スマートデバイス またはモバイルOS / Web OS / スマート何とか
by
Yasuhiro Mawarimichi
OSC 2012 Hokkaido でのプレゼン資料
by
Shin-ya Koga
OSC 2012 Microsoft Session [マイクロソフトの魅せるセンサー×クラウド技術]
by
Aya Tokura
【日商USA】webinar 2023.10.6 クラウドだけじゃない!Edge AIの進化とは?
by
Sojitz Tech-Innovation USA
Io t,ai時代のソフトウェア
by
Toshiaki Kurokawa
デバイス WebAPI設計の進め方
by
Device WebAPI Consortium
組込み技術とモバイル技術
by
Tomo Watanabe
Androidロボットサミットin名古屋
by
Kenichi Yoshida
2015 0710 東京鯱光会月例会_公開用.pptx
by
Osamu Sugiura
IoTで何をやったか
by
エンジニア勉強会 エスキュービズム
de:code 2015
by
エンジニア勉強会 エスキュービズム
No Moreハードウェア!?エッジ・ルータが仮想化されると何が変わる?
by
Brocade
異能vationの研究計画概要
by
Yousuke Saki
More from Tetsutaro Watanabe
PPTX
先駆者に学ぶ MLOpsの実際
by
Tetsutaro Watanabe
PPTX
ビッグデータ処理データベースの全体像と使い分け 2018年version
by
Tetsutaro Watanabe
PPTX
ドライブレコーダの画像認識による道路情報の自動差分抽出
by
Tetsutaro Watanabe
PPTX
リクルートを支える横断データ基盤と機械学習の適用事例
by
Tetsutaro Watanabe
PPTX
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
by
Tetsutaro Watanabe
PPTX
MongoDBが遅いときの切り分け方法
by
Tetsutaro Watanabe
PPTX
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
by
Tetsutaro Watanabe
PPTX
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
by
Tetsutaro Watanabe
PPTX
初心者向けMongoDBのキホン!
by
Tetsutaro Watanabe
PPTX
WiredTigerを詳しく説明
by
Tetsutaro Watanabe
PPTX
がっつりMongoDB事例紹介
by
Tetsutaro Watanabe
PPTX
MongoDBの監視
by
Tetsutaro Watanabe
PPTX
ビックデータ処理技術の全体像とリクルートでの使い分け
by
Tetsutaro Watanabe
PPTX
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ
by
Tetsutaro Watanabe
PPTX
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用
by
Tetsutaro Watanabe
PPTX
Google Cloud Next '18 Recap/報告会 機械学習関連
by
Tetsutaro Watanabe
PPTX
巨大なサービスと膨大なデータを支えるプラットフォーム
by
Tetsutaro Watanabe
PPTX
MongoDB3.2の紹介
by
Tetsutaro Watanabe
PPTX
MongoDB World 2014に行ってきた!
by
Tetsutaro Watanabe
先駆者に学ぶ MLOpsの実際
by
Tetsutaro Watanabe
ビッグデータ処理データベースの全体像と使い分け 2018年version
by
Tetsutaro Watanabe
ドライブレコーダの画像認識による道路情報の自動差分抽出
by
Tetsutaro Watanabe
リクルートを支える横断データ基盤と機械学習の適用事例
by
Tetsutaro Watanabe
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
by
Tetsutaro Watanabe
MongoDBが遅いときの切り分け方法
by
Tetsutaro Watanabe
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
by
Tetsutaro Watanabe
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
by
Tetsutaro Watanabe
初心者向けMongoDBのキホン!
by
Tetsutaro Watanabe
WiredTigerを詳しく説明
by
Tetsutaro Watanabe
がっつりMongoDB事例紹介
by
Tetsutaro Watanabe
MongoDBの監視
by
Tetsutaro Watanabe
ビックデータ処理技術の全体像とリクルートでの使い分け
by
Tetsutaro Watanabe
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ
by
Tetsutaro Watanabe
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用
by
Tetsutaro Watanabe
Google Cloud Next '18 Recap/報告会 機械学習関連
by
Tetsutaro Watanabe
巨大なサービスと膨大なデータを支えるプラットフォーム
by
Tetsutaro Watanabe
MongoDB3.2の紹介
by
Tetsutaro Watanabe
MongoDB World 2014に行ってきた!
by
Tetsutaro Watanabe
Recently uploaded
PPTX
2025年11月24日情報ネットワーク法学会大井哲也発表「API利用のシステム情報」
by
Tetsuya Oi
PPTX
ChatGPTのコネクタ開発から学ぶ、外部サービスをつなぐMCPサーバーの仕組み
by
Ryuji Egashira
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):コアマイクロシステムズ株式会社 テーマ 「AI HPC時代のトータルソリューションプロバイダ」
by
PC Cluster Consortium
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):日本ヒューレット・パッカード合同会社 テーマ1「大規模AIの能力を最大限に活用するHPE Comp...
by
PC Cluster Consortium
PDF
論文紹介:DiffusionRet: Generative Text-Video Retrieval with Diffusion Model
by
Toru Tamaki
PDF
論文紹介:HiLoRA: Adaptive Hierarchical LoRA Routing for Training-Free Domain Gene...
by
Toru Tamaki
PDF
論文紹介:MotionMatcher: Cinematic Motion Customizationof Text-to-Video Diffusion ...
by
Toru Tamaki
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):日本ヒューレット・パッカード合同会社 テーマ3「IT運用とデータサイエンティストを強力に支援するH...
by
PC Cluster Consortium
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):Pacific Teck Japan テーマ2「『Slinky』 SlurmとクラウドのKuber...
by
PC Cluster Consortium
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):エヌビディア合同会社 テーマ1「NVIDIA 最新発表製品等のご案内」
by
PC Cluster Consortium
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):Pacific Teck Japan テーマ3「『TrinityX』 AI時代のクラスターマネジメ...
by
PC Cluster Consortium
PDF
AI開発の最前線を変えるニューラルネットワークプロセッサと、未来社会における応用可能性
by
Data Source
PDF
PCCC25(設立25年記念PCクラスタシンポジウム):富士通株式会社 テーマ1「HPC&AI: Accelerating material develo...
by
PC Cluster Consortium
PDF
ニューラルプロセッサによるAI処理の高速化と、未知の可能性を切り拓く未来の人工知能
by
Data Source
PDF
膨大なデータ時代を制する鍵、セグメンテーションAIが切り拓く解析精度と効率の革新
by
Data Source
2025年11月24日情報ネットワーク法学会大井哲也発表「API利用のシステム情報」
by
Tetsuya Oi
ChatGPTのコネクタ開発から学ぶ、外部サービスをつなぐMCPサーバーの仕組み
by
Ryuji Egashira
PCCC25(設立25年記念PCクラスタシンポジウム):コアマイクロシステムズ株式会社 テーマ 「AI HPC時代のトータルソリューションプロバイダ」
by
PC Cluster Consortium
PCCC25(設立25年記念PCクラスタシンポジウム):日本ヒューレット・パッカード合同会社 テーマ1「大規模AIの能力を最大限に活用するHPE Comp...
by
PC Cluster Consortium
論文紹介:DiffusionRet: Generative Text-Video Retrieval with Diffusion Model
by
Toru Tamaki
論文紹介:HiLoRA: Adaptive Hierarchical LoRA Routing for Training-Free Domain Gene...
by
Toru Tamaki
論文紹介:MotionMatcher: Cinematic Motion Customizationof Text-to-Video Diffusion ...
by
Toru Tamaki
PCCC25(設立25年記念PCクラスタシンポジウム):日本ヒューレット・パッカード合同会社 テーマ3「IT運用とデータサイエンティストを強力に支援するH...
by
PC Cluster Consortium
PCCC25(設立25年記念PCクラスタシンポジウム):Pacific Teck Japan テーマ2「『Slinky』 SlurmとクラウドのKuber...
by
PC Cluster Consortium
PCCC25(設立25年記念PCクラスタシンポジウム):エヌビディア合同会社 テーマ1「NVIDIA 最新発表製品等のご案内」
by
PC Cluster Consortium
PCCC25(設立25年記念PCクラスタシンポジウム):Pacific Teck Japan テーマ3「『TrinityX』 AI時代のクラスターマネジメ...
by
PC Cluster Consortium
AI開発の最前線を変えるニューラルネットワークプロセッサと、未来社会における応用可能性
by
Data Source
PCCC25(設立25年記念PCクラスタシンポジウム):富士通株式会社 テーマ1「HPC&AI: Accelerating material develo...
by
PC Cluster Consortium
ニューラルプロセッサによるAI処理の高速化と、未知の可能性を切り拓く未来の人工知能
by
Data Source
膨大なデータ時代を制する鍵、セグメンテーションAIが切り拓く解析精度と効率の革新
by
Data Source
IoTデバイスデータ収集の難しい点
1.
Mobility Technologies Co.,
Ltd. Data Engineering Study #4 IoTデバイスデータ収集の難しい点 株式会社 Mobility Technologies 渡部 徹太郎 2020/11/04
2.
Mobility Technologies Co.,
Ltd. 自己紹介 2 ID :fetaro 名前:渡部 徹太郎 学生:東京工業大学でデータベースと情報検索の研究 (@日本データベース学会) 職歴: * 野村総合研究所(NRI) - オンライントレードシステム基盤 - オープンソース技術部隊 * リクルートテクノロジーズ - ビッグデータ分析基盤 * MobilityTechnologies - データエンジニア エディタ:emacs派→ InteliJ派 趣味:麻雀、自宅サーバ 日本AWSユーザ会(JAWS) ビッグデータ支部長 やってました 著書
3.
Mobility Technologies Co.,
Ltd. Mobility Technologiesの紹介 3 配車関連事業 広告決済事業 乗務員向けソリューション事業 DRIVE CHART・ドラレコ事業 次世代向けR&D事業
4.
Mobility Technologies Co.,
Ltd. ドライブレコーダ システム概要 ドライブレコーダのデータを収集している 4 アップロード プログラム インター ネット Wifi LB 収集 処理 アクセス ポイント ルータドラ レコ ドラ レコ ドラ レコ 速度 センサ GPS センサ カメラ 分散キュー Wifi タクシー JapanTaxiドライブレコーダv4の写真
5.
Mobility Technologies Co.,
Ltd. IoTデバイスからのデータ収集はWebのデータ収集とは違う! 1. バイナリデータを扱う 2. CPUアーキテクチャはx86/x64とは限らない 3. プログラムのサイズに容量制限がある 4. ネットワークは切れることがある 5. ネットワーク帯域は無限ではない 6. 電源は落ちることがある 7. 電力は有限である 8. ログは見ることができない 9. アップデートは一大イベント 10. 時間は正しいとは限らない 「エンジニアの総合格闘技」と呼ばれるほど、多種多様な知識が必要となる IoTデバイスからのデータ収集は一味違う 5
6.
Mobility Technologies Co.,
Ltd. バイナリファイルとは 01の配列 どのように読むか規定されていない パースが必要 プログラミング言語のビット演算をつかう 論理積 (&) 論理和 (|) ビット反転 (~) 右シフト(>>) 左シフト (<<) ハマった箇所 Floatが変な値になる →リトルエンディアンとビッグエンディアン のとり違い! -z方向加速度が常に一定の値を示してしまう →重力加速度だった! バイナリデータを扱う 6 1 1 0 1 0 0 1 1 0 1 0 0 1 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 0 1 1 1 0 0 1 0 1 0 0 0 1 1 0 1 0 0 1 0 1 1 Webの場合 IoTデバイスの場合 データ形式 JSON, CSV, DBのテーブル バイナリファイル タイムスタンプ GPS緯度 GPS経度 各種フラグ X方向加速度 -X方向加速度 y方向加速度 -y方向加速度 空き パース
7.
Mobility Technologies Co.,
Ltd. CPUのアーキテクチャはx86/x64とは限らない 7 Webの場合 IoTデバイスの場合 CPU アーキテクチャ x86/x64 ARM (が多い) CPUアーキテクチャとは主に2種類ある x86/x64 : サーバ、パソコン ARM : IoTデバイス、スマートフォン 難しい箇所 MacOSやクラウドの仮想マシンでコンパイルしたバイナリは動かない →クロスコンパイルが必要 どうやってクロスコンパイルするか Go言語やRustが開発しやすい →JapanTaxiドライブレコーダではメモリ管理に厳格なRust言語を採用
8.
Mobility Technologies Co.,
Ltd. プログラムのサイズに制限がある 8 Webの場合 IoTデバイスの場合 プログラムの サイズ 気にしたこと無い。 磁気ディスクやSSDの容量は 100 Gbyte以上ある。 フラッシュディスクは16Gbyte〜 64Gbyte程度 難しい箇所 プログラムのコンパイル後のサイズを気にする必要がある ライブラリは潤沢には使えない →他のモジュールと同じライブラリを使う 開発言語は複数使えない →Rust言語のみ
9.
Mobility Technologies Co.,
Ltd. 難しい箇所 ネットワークは常に切れる想定で開発する必要がある リトライを仕込む サーバ側でどこまで処理したかを管理し、再接続時にレジュームできるようにする ハマった箇所 無線通信が干渉する Wifiの2.4GHz帯の電波は、他のwifi機器やbluetooth機器と干渉する →デバイス間のチャンネル調整が必要 無線電波が弱い →天井がないと電波が反射が少ない ネットワークは切れることがある 9 Webの場合 IoTデバイスの場合 通信品質 安定 たまにパケットが落ちるぐらい 不安定 場所によって切れる
10.
Mobility Technologies Co.,
Ltd. 難しい箇所 通信帯域的&コスト的に、 全てのドライブレコーダの動画をアップロードすることはできない →業務要件を加味して必要最小限な動画だけアップロードするようにする →全てのデータが取れない前提でアプリケーションを組む 同時に全台のデバイスのデータを全力でアップロードできない →アップロードタイミングを制御することは難しいため、タイムアウト指数的に増やしていきで きるだけ救うようにする ネットワーク帯域は有限である 10 Webの場合 IoTデバイスの場合 通信帯域 1Gbps〜10Gbps Wifi: 50Mbps〜500Mbps (SIM: 10Mbps〜100Mpbs) 料金 固定料金 (従量課金だとしても安い) 従量課金でしかも高い
11.
Mobility Technologies Co.,
Ltd. 電源は落ちることがある 11 難しい箇所 電源が落ちたときを想定して開発する 電源が供給されなくなると、完全停止する前にデバイス側からシグナルを受信するので、 それをTRAPして適切な終了処理を書く(ファイルを閉じる等) Webの場合 IoTデバイスの場合 電源の有無 ほとんど気にしない。 インフラ側で吸収してくれる 常に電源が落ちることを想定す る
12.
Mobility Technologies Co.,
Ltd. 電力は有限である 12 難しい箇所 消費電力を抑える エンジンがオンの場合はよいが、オフの場合はバッテリーの電力を用いた動作になる 長時間の起動はバッテリーあがりを引き起こす可能性がある 車との調整が必要 最大起動時間を決めて、それ以内に処理を終わらせるようにする Webの場合 IoTデバイスの場合 消費電力 え?なんですかそれ? 省電力を心がける。 起動時間を気にする。
13.
Mobility Technologies Co.,
Ltd. 難しい箇所 エラー内容をサーバに返す前に死なれると何が起きていたかわからない ログにしかエラー内容は出力されない デバイスに接続してログを確認するしかない SSHサーバは入っていないため、SSH接続はできない タクシー車両に行きコンソールケーブルを接続して参照する必要あり ログは見ることができない 13 Webの場合 IoTデバイスの場合 ログの参照 Cloud watch ポチー ssh ポチー 現地にいってデバイスに物理接 続
14.
Mobility Technologies Co.,
Ltd. 難しい箇所 OTA(Over The Air)による自己アップデートシステムの整備が必須 デバイス側がオンラインになったときに、アップロードプログラムを確認し、あれば自 身を更新する仕組み すべてのモジュール更新がOTAでできるわけではない インストールメディアをいれたSDカードを持ってタクシー車両に行き、SDカードをド ライブレコーダに指してインストール作業が必要 数百台の作業になることもあり、人海戦術となる アップデートは一大イベント 14 Webの場合 IoTデバイスの場合 デプロイの方法 git pull ポチー OTA (Over The Air) or 人海戦術
15.
Mobility Technologies Co.,
Ltd. ハマった箇所 2000年のログが送られてくる IoTデバイスのマザーボードには時計が内蔵されていないため、起動直後は2000年1月1 日になる GPS等を介して時刻を取得すると、正しい時刻になる 時間が正しいとは限らない 15 Webの場合 IoTデバイスの場合 時刻同期 マザーボードに時計がある。 NTPで常に同期。 デバイスに時計があるとは限ら ない
16.
Mobility Technologies Co.,
Ltd. Webのデータ収集とIoTデバイスのデータ収集は必要なスキルセットが違う! バイナリデータの扱い クロスコンパイル・組み込みプログラミング ハードウェアの知識 ネットワークの知識 電源への配慮 ログ参照やアップデートへの考慮 時計への配慮 まとめ 16
17.
文章·画像等の内容の無断転載及び複製等の行為はご遠慮ください。 Mobility Technologies Co.,
Ltd. 17 仲間募集中!
Editor's Notes
#3
1:00
#4
~3:00 60sec
Download