smart gateway上命令的执行，设备消息通知都可以被记录，目前仅被记录用于做设备联动(IOT ITTT)的判断。
作为IOT，或者smart home除了简单的设备远程、无线控制，管理外，这些操作中产生的用户行为数据，
以及设备自产生数据可以存储起来，然后做进一步的机器学习，数据分析，最后反过来使得设备可以
更加智能控制，真正意义上的smart home.
数据存储：
命令的执行，设备消息通知分别为cmdlog, dev-notification。
cmdlog格式如下
|
设备类型
|
设备实例(UUID)
|
设备方法
|
状态
|
用户
|
时间
|
| hue |
xxxxxxxx-xxxx- xxxx
|
bulbOn
|
power=0
|
xxx
|
2222-2-2 22:22:22
|
即说明用户xxx在时间x对设备hue做了关灯操作。
dev-notification格式如下
|
设备类型
|
设备实例(UUID)
|
内容 |
时间
|
| zigbee | xxxxxxxx-xxxx- xxxx | xxxx |
2222-2-2 22:22:22
|
上面的用户行为数据和设备自产生数据可以存储到cloud.
数据显示（监控），分析：
1. web服务器可以从db读取显示到前端供用户查看操控情况，设备状态数据，
以数据表格形式，和曲线图，饼状图等图形化形式来展现数据，做家庭的家电设备监控；
2. 数据分析系统做机器学习，进行数据分析，然后给出设备使用建议，更进一步，让家庭的设备系统自我改变。
比如通过长时间的数据积累，发现某家庭经常深夜还在看电视，并且声音会调得很小，客厅灯光亮度也会较低，
数据分析系统会自动推送一条规则（if 晚上过了12点 then smart tv声音关小；客厅灯光亮度调低）给该家庭gateway,
gateway检查到规则生效，就给smart tv, light发送命令，让tv声音自动关小，灯亮度自动降低，规则首次生效，会提示
用户是否同意。（这样省去用户手动设置ITTT规则）
流程架构如下图所示：
a. gateway 通过 http post等方式推送操作日志，设备数据到开源系统flume（Flume is a distributed, reliable, and available service for efficiently collecting, aggregating, and moving large amounts of log data）
b. web服务器访问storage，或者flume获取cmdlog, dev-notification数据，将其以表格或者图形化形式展示给用户，
达到家庭设备监控目的。
c. 数据分析系统访问storage, 利用机器学习分析数据(使用spark开源系统做机器学习)，生成设备使用建议，规则，推送给用户，gateway.
ps: 希望大家一起交流讨论！