如何将Google Cloud IoT Core设备状态数据同步至Stackdriver作为自定义指标？

当然可以！这是个非常实用的场景，完全不需要给每台设备部署Stackdriver代理，咱们可以借助Cloud IoT Core的现有安全连接，搭配Google Cloud的无服务器服务来实现数据流转，具体步骤如下：

1. 设备端：打包状态数据并发送到IoT Core #

让你的设备把CPU使用率、内存占用这类状态数据，打包成结构化的JSON格式（比如包含设备ID、指标值、时间戳），然后通过MQTT协议发布到Cloud IoT Core的状态主题（/devices/{device-id}/state）或者自定义主题。举个示例Payload：

{
  "device_id": "sensor-device-007",
  "cpu_usage": 38.5,
  "memory_usage": 56.2,
  "timestamp": "2024-05-20T15:45:00Z"
}

小贴士：带上精确的时间戳能让Stackdriver里的时序数据更准确，避免因网络延迟导致的数据偏移。

2. 配置IoT Core消息路由到Pub/Sub #

Cloud IoT Core本身基于Pub/Sub构建，你需要在设备注册表的设置里，把设备发送的状态消息（或自定义主题消息）路由到一个指定的Pub/Sub主题。这样所有设备的状态数据都会汇聚到这个Pub/Sub主题里，方便后续处理。

3. 用Cloud Functions处理消息并写入Stackdriver #

创建一个Cloud Function，把触发源设置为刚才的Pub/Sub主题。函数的核心逻辑是：解析Pub/Sub里的消息内容，然后调用Stackdriver Monitoring的API，将数据写入自定义指标。

这里给你一个简化的Python示例代码：

from google.cloud import monitoring_v3
import json
import base64
from datetime import datetime

# 初始化Stackdriver监控客户端
client = monitoring_v3.MetricServiceClient()
PROJECT_ID = "your-google-cloud-project-id"
REGISTRY_ID = "your-iot-core-registry-id"
project_name = client.project_path(PROJECT_ID)

def process_device_data(event, context):
    # 解码Pub/Sub消息
    pubsub_data = base64.b64decode(event['data']).decode('utf-8')
    device_metrics = json.loads(pubsub_data)
    
    # 构造CPU使用率的时序数据
    cpu_series = monitoring_v3.TimeSeries()
    # 自定义指标类型，需遵循格式：custom.googleapis.com/[命名空间]/[指标名]
    cpu_series.metric.type = "custom.googleapis.com/device/cpu_usage"
    # 指定资源类型为Cloud IoT设备，自动关联设备元数据
    cpu_series.resource.type = "cloudiot_device"
    cpu_series.resource.labels.update({
        "device_id": device_metrics["device_id"],
        "registry_id": REGISTRY_ID,
        "project_id": PROJECT_ID
    })
    
    # 设置指标值和时间戳
    cpu_point = cpu_series.points.add()
    cpu_point.value.double_value = device_metrics["cpu_usage"]
    # 解析时间戳为Stackdriver需要的格式
    timestamp = datetime.fromisoformat(device_metrics["timestamp"].replace("Z", "+00:00"))
    cpu_point.interval.end_time.seconds = int(timestamp.timestamp())
    cpu_point.interval.end_time.nanos = timestamp.microsecond * 1000
    
    # 同理可以构造内存使用率的时序数据，这里省略重复逻辑
    
    # 将时序数据写入Stackdriver
    client.create_time_series(project_name, [cpu_series])

注意：别忘了给Cloud Function的服务账号添加monitoring.metricWriter角色，这样它才有权限往Stackdriver里写指标。

4. 在Stackdriver中查看自定义指标 #

数据写入后，打开Stackdriver Monitoring的「指标资源管理器」，搜索你定义的指标类型（比如custom.googleapis.com/device/cpu_usage），就能看到按设备ID分组的时序数据了。你还可以基于这些指标创建自定义仪表盘、设置告警规则，完全和原生Stackdriver指标一样使用。

备选方案：大规模场景用Dataflow #

如果你的设备数量非常多、消息吞吐量很大，Cloud Functions的单条处理模式可能不够高效，这时候可以用Cloud Dataflow来批量处理Pub/Sub里的消息，再批量写入Stackdriver，能更好地应对高并发场景。

内容的提问来源于stack exchange，提问作者Matt Dodge