㈠ python真的有那麼厲害嗎
每個編程語言都有自己不同的意圖所在，每個人需求不一樣，選擇上也是不同的，沒有什麼比較而言。
Python在目前發展情況來說，的確是挺好的，而且在人工智慧、數據分析、科學運算、web開發、爬蟲等領域都得到了很好的應用，適合初學者學習，上手快、語法簡單，當然了Python也存在一定的缺點，運行速度就比較慢了。
㈡ plc讀取bms數據
新的PLC大都開始支持乙太網（以前的串口局限性太大了），有的甚至在CPU上直接設置乙太網介面，編程，數據傳輸，都可以通過這個埠來搞定，不再需要增加一個乙太網介面卡。
下面是我整理的採集PLC數據的25種姿勢：PLC->組態軟體->OPC客戶端/Modbus客戶端2.PLC直連PLC協議轉換器3.Kepware加嵌入式工控機，上面跑iot平台的agent。4.MatlabOPC工具箱5.LabviewOPC6.Pyopc加paho加mqttbroker7.PostgresqlSPI通過plc協議讀PLC串口，將採集到的數據直接往資料庫表裡寫8.Nodejs串口plc協議解析加mqtt9.awssitewiseopcua10.PLC自帶Modbus協議支持，pymodbus加paho。11.最省硬體成本和流量的方案:WiFi晶元里跑協議解析和數據發送雲平台。12.串口plc串口轉乙太網，tcp透傳到公網伺服器，ie瀏覽器里嵌入socket控制項，用iisasp頁面發送數據給伺服器，然後返回。13.dtu透傳串口或網口到公網伺服器，公網伺服器跑plc採集數據程序。14.PLC協議轉換軟體運行在嵌入式linux上，如kuraboschiot15.單片機，上面放兩塊晶元，一塊通過網口或串口採集plc數據，一塊主控。16.stm32單片機上跑micropython，用串口自己實現plc協議解析。17.安卓手機接usb轉串口線，接plc，再把數據通過awsIoTandroidsdk發到雲端http介面。介面收到後用微信python庫發送數據到微信群里。18.給某水果公司代工的工廠，用macmini當工控機，用objective-c寫plc數據採集驅動採集數據，通過vpn發送到蘋果公司總部。讓蘋果公司總部實時掌握每天產量質量。19.pyopc或pyserial採集數據，然後用zeromq或amqp協議發送到雲端。20.nodejs模塊，然後用JS通過MQTToverwebsocket來發送數據到雲端。前端界面開發人員分分鍾變身物聯網全棧開發人員。21.不寫代碼，用node-red拖。類似的是litmus。22.給工控人員用要簡單易用，用c#開發agent，內置vbscript或lua腳本，提供幾個函數，串口打開關閉，mqtt連接發布訂閱。當然也可以java加jython。23.要是連懶得拖node-red，外包給thingworx或ignition的二次開發商。跟工廠用metasys二次開發商監控一回事。24.有錢像高鐵或公安網建專網，或者像水果公司建vpn，plc就變成區域網設備，又安全又方便。沒錢，就透傳或中繼。25.Wolfram的OPCClassic這是個Modelica庫，可以讓模擬模型通過OPC標准連接到OPC伺服器，從而連到PLC設備。
在工業的信息化、智能化，甚至工業4.0的大潮中，很多高級演算法都是由上位機、雲來實現，那麼PLC數據採集是最基本的前提條件之一。
㈢ 如何評價 AWS IoT
物聯網還是起步階段，沒有成熟的市場，在市場上也很難轉到錢。
但是，物聯網畢竟是未來，總會來的。
所以，開發市場火了起來，畢竟，都想先到先得。大量的開發者，在為未來奮斗著，而資源有限制著這大量的小開發者，使他們無法施展手腳。
大開發者又在等小開發者為他們開發市場，以便後來居上！
So！
大的公司不直接開發萬聯網產品（人家不傻），而是開發出為開發者使用的產品——物聯網伺服器。美其名曰：為開發者服務，替小開發者降低研發和經營成本，為社會做貢獻。一舉多得，山人善舉！！
But！
小開發者真的能賺到生活資本活下來嗎？
活下來是極小的偶然事件。
大公司知道，所以他不願意為偶然買單。不然你就好人做到底，免費且保證永遠免費嘛。
這就是大公司。
看看人家大公司的優勢：
1、現在可以轉小開發者的錢。
2、關鍵控制力還在人家手中。
3、一旦市場成熟，人家靠著資源瞬間碾壓市場上的小開發者。
4、如果有哪個小開發者有威脅力，要麼同意人家收購你，要麼直接關掉你。
㈣ 怎麼在AWS查看物聯網設備的收發數據
AWS IoT 控制台就提供了查看MQTT隊列中數據的方式，請參見：
使用 AWS IoT MQTT 客戶端查看設備 MQTT 消息
網頁鏈接
㈤ 為什麼說Python是大數據全棧式開發語言
就像只要會JavaScript就可以寫出完整的Web應用，只要會Python，就可以實現一個完整的大數據處理平台。
雲基礎設施
這年頭，不支持雲平台，不支持海量數據，不支持動態伸縮，根本不敢說自己是做大數據的，頂多也就敢跟人說是做商業智能（BI）。
雲平台分為私有雲和公有雲。私有雲平台如日中天的 OpenStack
，就是Python寫的。曾經的追趕者CloudStack，在剛推出時大肆強調自己是Java寫的，比Python有優勢。結果，搬石砸腳，2015年
初，CloudStack的發起人Citrix宣布加入OpenStack基金會，CloudStack眼看著就要壽終正寢。
如果嫌麻煩不想自己搭建私有雲，用公有雲，不論是AWS，GCE，Azure，還是阿里雲，青雲，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青雲只提供Python SDK。可見各家雲平台對Python的重視。
提到基礎設施搭建，不得不提Hadoop，在今天，Hadoop因為其MapRece數據處理速度不夠快，已經不再作為大數據處理的首選，但
是HDFS和Yarn——Hadoop的兩個組件——倒是越來越受歡迎。Hadoop的開發語言是Java，沒有官方提供Python支持，不過有很多第
三方庫封裝了Hadoop的API介面（pydoop，hadoopy等等）。
Hadoop MapRece的替代者，是號稱快上100倍的 Spark ，其開發語言是Scala，但是提供了Scala，Java，Python的開發介面，想要討好那麼多用Python開發的數據科學家，不支持Python，真是說不過去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++實現，除C++外，提供了Java和Python的支持包。
DevOps
DevOps有個中文名字，叫做 開發自運維 。互聯網時代，只有能夠快速試驗新想法，並在第一時間，安全、可靠的交付業務價值，才能保持競爭力。DevOps推崇的自動化構建/測試/部署，以及系統度量等技術實踐，是互聯網時代必不可少的。
自動化構建是因應用而易的，如果是Python應用，因為有setuptools, pip, virtualenv, tox,
flake8等工具的存在，自動化構建非常簡單。而且，因為幾乎所有Linux系統都內置Python解釋器，所以用Python做自動化，不需要系統預
安裝什麼軟體。
自動化測試方面，基於Python的 Robot Framework 企業級應用最喜歡的自動化測試框架，而且和語言無關。Cucumber也有很多支持者，Python對應的Lettuce可以做到完全一樣的事情。 Locust 在自動化性能測試方面也開始受到越來越多的關注。
自動化配置管理工具，老牌的如Chef和Puppet，是Ruby開發，目前仍保持著強勁的勢頭。不過，新生代 Ansible 和 SaltStack ——均為Python開發——因為較前兩者設計更為輕量化，受到越來越多開發這的歡迎，已經開始給前輩們製造了不少的壓力。
在系統監控與度量方面，傳統的Nagios逐漸沒落，新貴如 Sensu 大受好評，雲服務形式的New Relic已經成為創業公司的標配，這些都不是直接通過Python實現的，不過Python要接入這些工具，並不困難。
除了上述這些工具，基於Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，雖未成氣候，但已經得到大量關注。
網路爬蟲
大數據的數據從哪裡來？除了部分企業有能力自己產生大量的數據，大部分時候，是需要靠爬蟲來抓取互聯網數據來做分析。
網路爬蟲是Python的傳統強勢領域，最流行的爬蟲框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能夠獨當一面的類庫。
不過，網路爬蟲並不僅僅是打開網頁，解析HTML這么簡單。高效的爬蟲要能夠支持大量靈活的並發操作，常常要能夠同時幾千甚至上萬個網頁同時抓取，傳統的
線程池方式資源浪費比較大，線程數上千之後系統資源基本上就全浪費在線程調度上了。Python由於能夠很好的支持協程（ Coroutine ）操作，基於此發展起來很多並發庫，如Gevent，Eventlet，還有Celery之類的分布式任務框架。被認為是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了對高並發的支持，網路爬蟲才真正可以達到大數據規模。
抓取下來的數據，需要做分詞處理，Python在這方面也不遜色，著名的自然語言處理程序包NLTK，還有專門做中文分詞的Jieba，都是做分詞的利器。
數據處理
萬事俱備，只欠東風。這東風，就是數據處理演算法。從統計理論，到數據挖掘，機器學習，再到最近幾年提出來的深度學習理論，數據科學正處於百花齊放的時代。數據科學家們都用什麼編程？
如果是在理論研究領域，R語言也許是最受數據科學家歡迎的，但是R語言的問題也很明顯，因為是統計學家們創建了R語言，所以其語法略顯怪異。而且
R語言要想實現大規模分布式系統，還需要很長一段時間的工程之路要走。所以很多公司使用R語言做原型試驗，演算法確定之後，再翻譯成工程語言。
Python也是數據科學家最喜歡的語言之一。和R語言不同，Python本身就是一門工程性語言，數據科學家用Python實現的演算法，可以直
接用在產品中，這對於大數據初創公司節省成本是非常有幫助的。正式因為數據科學家對Python和R的熱愛，Spark為了討好數據科學家，對這兩種語言
提供了非常好的支持。
Python的數據處理相關類庫非常多。高性能的科學計算類庫NumPy和SciPy，給其他高級演算法打了非常好的基礎，matploglib讓
Python畫圖變得像Matlab一樣簡單。Scikit-learn和Milk實現了很多機器學習演算法，基於這兩個庫實現的 Pylearn2 ，是深度學習領域的重要成員。 Theano 利用GPU加速，實現了高性能數學符號計算和多維矩陣計算。當然，還有 Pandas ，一個在工程領域已經廣泛使用的大數據處理類庫，其DataFrame的設計借鑒自R語言，後來又啟發了Spark項目實現了類似機制。
對了，還有 iPython ，這個工具如此有用，以至於我差點把他當成標准庫而忘了介紹。iPython是一個互動式Python運行環境，能夠實時看到每一段Python代碼的結果。默認情況下，iPython運行在命令行，可以執行 ipython notebook 在網頁中運行。用matplotlib繪制的圖可以直接嵌入式的顯示在iPython Notebook中。
iPython Notebook的筆記本文件可以共享給其他人，這樣其他人就可以在自己的環境中重現你的工作成果；如果對方沒有運行環境，還可以直接轉換成HTML或者PDF。
為什麼是Python
正是因為應用開發工程師、運維工程師、數據科學家都喜歡Python，才使得Python成為大數據系統的全棧式開發語言。
對於開發工程師而言，Python的優雅和簡潔無疑是最大的吸引力，在Python互動式環境中，執行 import this
，讀一讀Python之禪，你就明白Python為什麼如此吸引人。Python社區一直非常有活力，和NodeJS社區軟體包爆炸式增長不
同，Python的軟體包增長速度一直比較穩定，同時軟體包的質量也相對較高。有很多人詬病Python對於空格的要求過於苛刻，但正是因為這個要求，才
使得Python在做大型項目時比其他語言有優勢。OpenStack項目總共超過200萬行代碼，證明了這一點。
對於運維工程師而言，Python的最大優勢在於，幾乎所有Linux發行版都內置了Python解釋器。Shell雖然功能強大，但畢竟語法不夠優雅，寫比較復雜的任務會很痛苦。用Python替代Shell，做一些復雜的任務，對運維人員來說，是一次解放。
對於數據科學家而言，Python簡單又不失強大。和C/C++相比，不用做很多的底層工作，可以快速進行模型驗證；和Java相比，Python語法簡
潔，表達能力強，同樣的工作只需要1/3代碼；和Matlab，Octave相比，Python的工程成熟度更高。不止一個編程大牛表達過，Python
是最適合作為大學計算機科學編程課程使用的語言——MIT的計算機入門課程就是使用的Python——因為Python能夠讓人學到編程最重要的東西——
如何解決問題。
㈥ 如何運行Python腳本這是我上傳在AWS SSH會話的應用程序的一部分
secureCRT支持運行.js和.vbs以及.py格式的腳本，無奈mac上識別前兩個格式的腳本只能寫一寫Python腳本，
舉個簡單的例子，利用腳本直接ssh連接一台機器，
在View菜單中勾選Button Bar讓這個菜單在下方顯示出來，
在下方的Default右方右鍵出現一個菜單點擊New Button按鈕，在顯示框的Function一欄選擇Run Script中間選擇編寫好的.py文件 ！
㈦ 基於AWS開發編譯的平台使用的是什麼編譯環境
開始前 先強烈建議 登錄控制台走一遍亞馬遜的引導流程，並用nodejs版 在你ubuntu上跑一邊，把策略文件生成了。並了解如何創建事物（設備）
文檔：https://docs.aws.amazon.com/iot/latest/developerguide/iot-gs.html
當前版本：
aws-iot-device-sdk-cpp： Release version 1.3.0
Openssl 版本： 1.0.2d
gcc：4.8.3（需支持c++11）
項目AWS IOT C++SDK git：
https://github.com/aws/aws-iot-device-sdk-cpp/tree/release
㈧ aws iot 服務支持哪些通信協議
對於 AWS IoT，您只需按用量付費，無最低費用。收費的依據是發布至 AWS IoT 的消息數量（發布費用），以及由 AWS IoT 向設備或應用程序傳輸的消息數量（傳輸費用）。
AWS IoT 不會針對向以下 AWS 服務傳輸的消息收費：Amazon S3、Amazon DynamoDB、AWS Lambda、Amazon Kinesis、Amazon SNS 和 Amazon SQS。
請參閱此頁面底部的定價示例。
AWS IoT 免費套餐每月包含 250000 條免費消息 (發布或傳輸)，為期 12 個月。
按區域定價
區域 價格
美國東部（弗吉尼亞北部） 每 100 萬條消息 5 USD
美國西部（俄勒岡） 每 100 萬條消息 5 USD
歐洲（愛爾蘭） 每 100 萬條消息 5 USD
歐洲（法蘭克福） 每 100 萬條消息 5 USD
亞太地區（悉尼） 每 100 萬條消息 6 USD
亞太地區（首爾） 每 100 萬條消息 6 USD
亞太區域（東京） 每 100 萬條消息 8 USD
亞太地區（新加坡） 每 100 萬條消息 8 USD
㈨ aws上cpu利用率怎麼用python採集
#!/usr/bin/python
#-*-coding:utf8-*-
__author__='chenwx'
defcpu_rate（）：
importtime
defcpu_r（）：
f=open（「/proc/stat」,「r」）
forf_lineinf:
break
f.close（）
f_line=f_line.split（「」）
f_line_a=[]
foriinf_line:
ifi.isdigit（）：
i=int（i）
f_line_a.append（i）
total=sum（f_line_a）
idle=f_line_a[3]
returntotal,idle
total_a,idle_a=cpu_r（）
time.sleep（2）
total_b,idle_b=cpu_r（）
sys_idle=idle_b-idle_a
sys_total=total_b-total_a
sys_us=sys_total-sys_idle
cpu_a=（float（sys_us）/sys_total）*100
returncpu_a
#printcpu_rate（）
㈩ aws ec2亞馬遜免費空間支持python環境嗎
支持的。免費的實例只是內存小一點，還是可以跑python。