ラズパイで作るWi-Fiアクセスポイントと、トラフィック計測 (NAPTパターン) - SORACOM公式ブログ
こんにちは、ソラコムの松下(ニックネーム: Max)です。 IoTはモノとクラウドをネットワークでつなげて、センサーやカメラ画像を用いて現場を共有したり、機器の制御をする技術です。昨今では、試験から本格利用へ進まれる方が多くなってきており、ネットワーク通信量(トラフィック)を把握しておきたい、というお話を伺います。トラフィックが見えてくると、以下が明確になります。 本格利用時で必要となる、通信速度や帯域 ビジネス検討における、従量型ネットワーク利用時の見積もり トラフィックはセンサーや機器の仕様を基に算出できますが、実際には暗号化やシステム連携時のオーバーヘッドも発生することから、実際のトラフィックと乖離する可能性があります。実運用に近づけるには実測が一番なのですが、センサーやカメラ側にトラフィック計測の仕組みが無い場合は実測できません。 そこで本ブログでは、IoTでもよく使われる小型コン
Tinker Board 2は産業用として強みあり、Raspberry Piの足りない点を補う
かつてシングルボードコンピューター（以下SBC）がはやり始めたころは各国からさまざまな製品が生まれ、筆者は趣味で相当な種類のSBC製品をコレクションしていた。残念ながら現在はそのほとんどの製品が市場から消えてしまった。今となれば懐かしい。 現在SBCの市場はRaspberry Piが独り勝ちの状態といってもよいだろう。シェアが大きくなるにつれ、価格面だけでなく性能面でも先頭を走っている。 そうした中、現在でもRaspberry Piと差異化を図りながら生き残っているSBC製品が存在するわけだが、今回はそのうちの1つである「ASUS Tinker Board 2」を紹介しよう。 Tinker Boardの生い立ち SBC製品にWi-FiやBluetoothが搭載され始めてから、電波法（技適）の事情により日本国内で利用可能な製品は限定されてしまった。その中で技適を通った数少ない製品として、20
おうちで「おうち Kubernetes インターン」を実施しました | CyberAgent Developers Blog
こんにちは。AI事業本部の青山（@amsy810）です。 2020年版「おうちKubernetesインターン」を実施したため、事後レポートをブログにまとめたいと思います。 コロナ禍のため、機材一式を学生とメンター宅に郵送し、フルリモートでの実施となりました。 またそれに合わせて3 Daysだったものを7 Daysに伸ばして、初日と最終日以外は夕会だけをコアタイムとしたフレックス性で実施しています。 メンターは私以外に、徳田、川部、漆田、源波、中西、岩立、長谷川が参加しています。 概要 今回のおうちKubernetesは Raspberry Pi 4 の 8GB モデル 3台 を使ってクラスタを構成しました。 単純な仕様だと、12 core + 24 GB Memory のクラスタです。もはやノートパソコンに近しい性能ですね。 また、今回 Raspberry Pi 4 になってから最低 2.
ハイパーバイザを作ってみた - Qiita
仮想マシンがどのように実現されているか気になったので、勉強がてら簡単なハイパーバイザを作ってみました。ソースコードはGitHubで公開しています。 方針 RaspberryPi3で動作するAArch64向けのType-1（ベアメタル）ハイパーバイザを作ることにしました。名前は"raspvisor"とします。 スクラッチから作り始める気力はなかったので、なるべく流用できるものは使っていくことにしました。そこで、RaspberryPiのOS開発教材であるRPi OSをハイパーバイザに改造していくことにしました。RPi OSはコード量が少なく読みやすい上、割り込み処理、プロセススケジューラ、ユーザプロセス、システムコール、仮想メモリといった機能が一通り実装されています。OSを改造することにしたのは、プロセス管理や仮想メモリ、割り込み処理といった部分を、ハイパーバイザの実装に流用できそうだと思った
Rust & Raspberry Pi で温度センサーの値を AWS IoT Core に Pub してみた | DevelopersIO
はじめに テントの中から失礼します、CX事業本部のてんとタカハシです！ タイトルを見てロマンを感じた方、是非お友達になりましょう。Rust、ラズパイ、IoT、うん、かっけー！な気分で記事を書いています。よろしくお願いします。 前々から、Python & Raspberry Pi でセンサー等をいじってお遊びすることはあったのですが、近年 Rust が色々と話題 & 組み込み関連とも相性が良いのでは？といったことから、ずーっとやってみたかったこと、ついにやってみました。 今回は、Rust を使って Raspberry Pi に接続している温度センサーから値を読み取り、AWS IoT Core に Publish する方法についてご紹介したいと思います。 尚、この記事の中では、AWS IoT Core らへんのデプロイ等については語りませんが、下記のリポジトリの方で、Publish した値が
Raspberry Piを極限まで無駄なくバックアップする | DevelopersIO
はじめに Raspberry PiのSDカードの取り扱う上で、複製したり、イメージとして保存しておきたいシーンは多いと思います。 しかし、大容量のSDカードが一般的になった今では、空き容量が大半を占めるベタイメージを作成することは、以下の点から現実的でありません。 イメージファイルの大半を空き容量が占め、時間およびストレージの効率が悪い 元より容量の小さいSDカードに書き込むことができない SDカードに書き込む際、空き領域にも書き込みが行われ、カードの寿命を縮めてしまう ファイルシステムが破損していても、コピー時に気づくことがない パーティションの構造とLinuxの操作を学びながら、SDカードのバックアップをしていきましょう。 背景 Raspberry PiのSDカードの論理構造を見ていきましょう。難しく考える必要はありません。大体こんな感じといったイメージを掴むだけでOKです。 まず、セ
Raspberry Pi 3の割込みについてまとめる - Qiita
Raspberry Pi 3の割込み仕様について Raspberry Piは、独自仕様の割込みコントローラを持っている。 ARM GICではない、かなり扱いづらい独自仕様である。 Raspberry Piの割込み仕様書は以下の2つのドキュメントに分かれている。 初期のシングルコアのRaspberry Piで定義された割込み仕様 https://www.raspberrypi.org/documentation/hardware/raspberrypi/bcm2835/BCM2835-ARM-Peripherals.pdf Raspberry Pi 2あたりから定義されたマルチコア拡張した割込み仕様 https://www.raspberrypi.org/documentation/hardware/raspberrypi/bcm2836/QA7_rev3.4.pdf シングルコアで定義され
【Part1】AWSでエッジコンピューティング環境を作る(全体像)｜imaimai
こんにちは！ 先日、AIchi勉強会という会を開催して、喋ってきました。AIについて勉強しようぜ！という会だったので、なにかを学んで、発表できたらなと考えていたのですが、私は今IoT関係の仕事をしています。 IoT × AI = エッジコンピューティング やろ！という短絡的発想により、エッジコンピューティングの仕組みを作ろうと考えました。そして、頑張って作りました。 ちなみに、エッジコンピューティングとはなにかは、以前記事で書いたので、参照ください。 ☑ エッジ/フォグ/クラウド コンピューティングの違いとメリット ☑ エッジでディープラーニングを可能にする「モデル圧縮」技術 発表資料実際の発表資料がこちらになります。エッジコンピューティングのさわりだけでも伝われば幸いです。 ※また、この会では他にも素晴らしい方々が発表してくださったので、私以外のスライドもぜひ、一読をおすすめします！下記
AWS Systems ManagerをRaspberry Piで使用してみた | DevelopersIO
こんにちはCX事業本部のさかじです。 Developers.IO CAFE、先日オープンしたDevelopers.IO CAFE 上越店では多くのRaspberry Piを使用しています。まとめて操作したいと思っていたところ以下の記事がありました。 Amazon EC2 Systems ManagerがRaspbian OSに対応したのでRaspberry Piにインストールしてみた アップデートがあり若干内容が変わっていたので、改めて手順をまとめました。 環境 MacBook Pro(macOS Mojave 10.14.6) Raspberry Pi 3 Model B+ Raspberry Piの準備 A guide to setting up your Raspberry Piに従い準備します Installing operating system imagesに従いSDカードへイ
Raspberry PiにおけるNode-REDの活用について(2018年末版) - Qiita
Raspberry PiにおけるNode-REDの活用について IoT関連のプロトタイピングにRaspberry Piを活用する場合、開発環境としてNode-REDを使うことが多いと思います。しかし、Raspberry PiやNode-REDの活発な開発ペースに追い付かず、昨今の更新で書籍やWebページに書かれた内容が古くなっており、初心者の方が初めてRaspberry PiでNode-REDを使う場合に困ってしまうこともあると思います。 本稿では、Node-RED Advent Calendar 2018向けとして、2018年末以降、最新のRaspbian/Raspberry Pi OSにおけるNode-RED導入・活用方法をできるだけていねいに紹介します。将来の更新でここに記載した内容が最適でないことになるかもしれません。内容については最新情報に合わせて、できる限り修正していきたいと思
RaspberryPi + Athena + Quicksightで可視化する＜前編＞ - Qiita
概要 本コンテンツは、JAWS DAYS 2017のIoTハンズオン向けに作成したものです。 下記のようなデータフローを構築して、温度センサーデータをQuicksightで可視化します。 温度センサー -> RaspberryPi -> Kinesis Firehose -> S3 -> Athena -> Quicksight 本格的な分析や可視化にも耐えうる構成となっており、プロダクションへの応用も可能です。また、温度センサーの組み立てでは簡単な電子工作を体験できます。 ＜前編＞の範囲 ＜前編＞では、温度センサー -> RaspberryPi -> Kinesis Firehose -> S3 の部分を説明します。成功すれば下記のようなJSONメッセージがS3バケットに格納されます。汎用的なJSONメッセージですので、後工程で様々に活用することが可能(ココ重要！)です。 {"time"
RaspberryPi + Athena + QuickSightで可視化する＜後編＞ - Qiita
概要 本コンテンツは、JAWS DAYS 2017のIoTハンズオン向けに作成したもので、前編の続きとなるコンテンツです。 前編に引き続き、構築するデータフローは以下の通りです。 温度センサー -> RaspberryPi -> Kinesis Firehose -> S3 -> Athena -> QuickSight ＜後編＞の範囲 ＜後編＞では、S3 -> Athena -> QuickSight の部分を説明します。成功すればグラフィカルな画面でセンサーデータを可視化する事ができます。 必要な機材 PC 前編で構築済みのRaspberryPi 2または3 前提条件 前編の手順が完了している事 ＜後編＞で利用するAWSサービス Amazon Athena Amazon S3内のデータをSQLを使って分析できるサービスです。サーバーレスなサービスなため、セットアップや管理は不要、すぐに
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
