邢照慶, 崔允賀,2, 呂曉丹,2, 錢 清, 申國偉,2, 趙建朋

1(貴州大學(xué) 計算機科學(xué)與技術(shù)學(xué)院, 貴陽 550025)

2(貴州大學(xué) 省部共建公共大數(shù)據(jù)國家重點實驗室(籌), 貴陽 550025)

3(貴州財經(jīng)大學(xué) 信息學(xué)院, 貴陽 550025)

4(國家電網(wǎng)浙江省電力有限公司, 杭州 310007)

隨著越來越多的企業(yè)和個人從傳統(tǒng)的IT 系統(tǒng)向基于云的服務(wù)遷移, 近年來云數(shù)據(jù)中心數(shù)量不斷增加.為提供高可用的計算能力, 云數(shù)據(jù)中心大多運行在專用的基礎(chǔ)設(shè)施硬件上, 如高性能處理器、內(nèi)存模塊和大規(guī)模存儲陣列[1]. 此外, 云數(shù)據(jù)中心通過集中式數(shù)據(jù)庫[2]或基于分布式計算框架(如MapReduce[3])處理提供海量的數(shù)據(jù)處理分析服務(wù). 盡管云計算能夠提供動態(tài)的資源管理方法, 基于云的運營模式能夠優(yōu)化成本以提高其競爭力, 但在物聯(lián)網(wǎng)(Internet of Things, IoT)、自動駕駛、智能家居等許多場景中, 云計算模式也存在一些缺點. 例如, 在IoT 中, 基于云計算的數(shù)據(jù)處理需要將終端設(shè)備產(chǎn)生的大量數(shù)據(jù)傳輸至云端, 占用大量網(wǎng)絡(luò)帶寬. 此外, 云數(shù)據(jù)中心與物聯(lián)網(wǎng)終端設(shè)備之間的傳輸時延降低了終端業(yè)務(wù)響應(yīng)速度[4]. 因此, 云計算模式無法為海量物聯(lián)網(wǎng)設(shè)備提供快速業(yè)務(wù)響應(yīng), 例如自動駕駛、智能家居等對實時性要求較高的場景. 此外, 在一些首先考慮數(shù)據(jù)隱私和安全的場景中, 例如終端設(shè)備接入場景, 對于終端設(shè)備身份認(rèn)證的不足可能導(dǎo)致數(shù)據(jù)的泄露, 此外在智能制造場景中, 不同設(shè)備之間各種通信協(xié)議混雜, 邊緣側(cè)無法對數(shù)據(jù)做統(tǒng)一安全處理, 數(shù)據(jù)長距離傳輸可能使基于云數(shù)據(jù)中心的數(shù)據(jù)分析存在安全風(fēng)險[5].

為解決數(shù)據(jù)長距離傳輸導(dǎo)致的成本上升、業(yè)務(wù)響應(yīng)時間長以及安全性差的問題, 邊緣計算應(yīng)運而生. 邊緣計算[6]是指在靠近邊緣設(shè)備的一側(cè), 開發(fā)部署集網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力為一體的平臺, 就近提供邊緣側(cè)數(shù)據(jù)處理服務(wù). 這種計算模式將原先在數(shù)據(jù)中心處理的數(shù)據(jù)轉(zhuǎn)移至邊緣側(cè)進行處理, 減輕了數(shù)據(jù)中心的處理壓力的同時也提高了數(shù)據(jù)處理的速度,保證了數(shù)據(jù)的安全性并且提高了服務(wù)質(zhì)量.

目前針對邊緣節(jié)點平臺架構(gòu), 國內(nèi)外眾多學(xué)者展開了研究. 例如: 2018 年ONF 發(fā)布了CORD—專注于提供邊緣計算服務(wù)的平臺[7]. CORD 能夠在蜂窩基站、邊緣小型數(shù)據(jù)中心等用戶接入網(wǎng)絡(luò)的地方提供類似于云端的服務(wù). 微軟在2017 年發(fā)布了Azure IoT Edge[8].Azure IoT Edge 通過在邊緣設(shè)備上部署應(yīng)用程序提供邊緣計算服務(wù), 用戶可以通過物聯(lián)網(wǎng)邊緣云接口自主部署邊緣應(yīng)用程序. 2018 年Apache 基金會發(fā)布了開源項目Apache Edgent[9], 專注于邊緣IoT 數(shù)據(jù)的分析, 旨在加速數(shù)據(jù)分析平臺的開發(fā). Apache Edgent 使用連接器獲取外界數(shù)據(jù)流, 經(jīng)過過濾、分割、轉(zhuǎn)換進行數(shù)據(jù)流的處理, 最后將初步處理的數(shù)據(jù)流發(fā)送到云端進行進一步處理.

上述邊緣節(jié)點平臺架構(gòu)或自主開發(fā), 或利用已有軟件進行二次開發(fā), 但具有以下缺點: (1)體系結(jié)構(gòu)中的模塊功能設(shè)計混亂, 缺乏一些功能模塊. 例如在Apache Edgent 中缺乏安全管理模塊, 使其缺乏邊緣IoT 設(shè)備的認(rèn)證功能, 無法保證接入邊緣IoT 設(shè)備的合法性, 使得邊緣端向云端的數(shù)據(jù)傳輸缺乏保護機制, 容易造成邊緣數(shù)據(jù)丟失、泄露等問題. (2)處理的數(shù)據(jù)種類單一. 例如Apache Edgent 只能處理邊緣IoT 設(shè)備的結(jié)構(gòu)化ZigBee 協(xié)議數(shù)據(jù), 無法檢測邊緣節(jié)點CPU、內(nèi)存、磁盤使用率以及空閑率等邊緣節(jié)點自身數(shù)據(jù). 同時, Apache Edgent 只能簡單判斷數(shù)據(jù)是否損壞、驗證數(shù)據(jù)格式的正確性, 無法對邊緣損壞數(shù)據(jù)做擬合修復(fù)等細粒度的處理.

當(dāng)前面向IoT 的邊緣節(jié)點平臺架構(gòu)存在功能模塊設(shè)計混亂、數(shù)據(jù)處理方式單一等問題. 針對這些問題,本文在設(shè)計邊緣節(jié)點過程中面臨如下挑戰(zhàn): (1)邊緣節(jié)點功能模塊劃分及模塊交互; (2)邊緣IoT 數(shù)據(jù)處理流程編排. 為解決上述挑戰(zhàn), 本文按照平臺功能對模塊進行劃分, 設(shè)計模塊交互過程, 設(shè)計了包含數(shù)據(jù)過濾、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量、數(shù)據(jù)統(tǒng)計、數(shù)據(jù)存儲等過程的數(shù)據(jù)處理流程, 保證數(shù)據(jù)處理的合理性. 總之, 本文主要貢獻總結(jié)如下: (1)本文設(shè)計開發(fā)了面向IoT 的邊緣節(jié)點平臺架構(gòu), 包含設(shè)備管理、數(shù)據(jù)管理、應(yīng)用管理、資源管理、導(dǎo)出服務(wù)5 大模塊, 具有較強的通用性, 不受特定IoT 場景的限制. (2)本文設(shè)計的邊緣節(jié)點平臺架構(gòu)對數(shù)據(jù)處理流程進行了合理編排, 使得邊緣節(jié)點可以處理各種場景的IoT 數(shù)據(jù), 實現(xiàn)了對邊緣側(cè)各種場景IoT 數(shù)據(jù)預(yù)處理.

1 面向IoT 的邊緣節(jié)點平臺架構(gòu)

1.1 邊緣節(jié)點平臺架構(gòu)功能設(shè)計

為使邊緣節(jié)點能夠滿足不同IoT 場景下不同硬件設(shè)備的功能需求, 本文采用了模塊化、集成化的設(shè)計思路, 以增強邊緣節(jié)點的功能擴展性和可靠性. 本文所設(shè)計的邊緣節(jié)點平臺架構(gòu)包括設(shè)備管理模塊, 數(shù)據(jù)管理模塊, 安全管理模塊, 資源管理模塊, 導(dǎo)出服務(wù)模塊5 個模塊, 平臺功能模塊設(shè)計如圖1 所示.

圖1 平臺功能模塊設(shè)計圖

該架構(gòu)中, 南側(cè)設(shè)備由各種IoT 設(shè)備(傳感器等)組成, 負(fù)責(zé)采集環(huán)境數(shù)據(jù), 并且通過RS485、WiFi 以及ZigBee 通信協(xié)議將IoT 設(shè)備數(shù)據(jù)傳輸?shù)竭吘壒?jié)點.

設(shè)備管理模塊用于對IoT 設(shè)備進行身份認(rèn)證, 對接入平臺的IoT 設(shè)備工作狀態(tài)進行監(jiān)測, 統(tǒng)計IoT 設(shè)備的各項信息并生成設(shè)備臺賬.

數(shù)據(jù)管理模塊將邊緣節(jié)點接收的不同數(shù)據(jù)幀格式轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)幀格式; 通過數(shù)據(jù)清洗重復(fù)、缺失、異常的數(shù)據(jù)進行刪除、補全以及修復(fù), 保證數(shù)據(jù)安全以及檢索方便對數(shù)據(jù)進行分類統(tǒng)計, 將數(shù)據(jù)進行處理維護, 進行存儲分類, 保證數(shù)據(jù)的安全以及完整性.

應(yīng)用管理模塊包括系統(tǒng)應(yīng)用、數(shù)據(jù)應(yīng)用以及用戶應(yīng)用: 系統(tǒng)應(yīng)用記錄平臺運行日志, 對平臺消息對用戶進行消息推送, 根據(jù)具體用途對應(yīng)用進行部署; 數(shù)據(jù)應(yīng)用分析設(shè)備管理模塊以及數(shù)據(jù)管理模塊傳輸?shù)臄?shù)據(jù),發(fā)現(xiàn)并解決其中存在的問題; 用戶應(yīng)用對平臺用戶賬號以及權(quán)限進行管理, 記錄用戶信息并保障平臺內(nèi)部數(shù)據(jù)安全.

導(dǎo)出服務(wù)模塊在邊緣節(jié)點出口處設(shè)置包過濾防火墻, 對出口數(shù)據(jù)進行分析, 并通過非對稱數(shù)據(jù)加密算法保障輸出數(shù)據(jù)的安全性, 隨后將邊緣節(jié)點過濾、分析后的有價值數(shù)據(jù)發(fā)送到云端.

資源管理模塊負(fù)責(zé)對邊緣節(jié)點計算、網(wǎng)絡(luò)、存儲資源信息進行監(jiān)測, 通過監(jiān)測邊緣節(jié)點的CPU 空閑率、內(nèi)存使用率、網(wǎng)絡(luò)狀態(tài)以及磁盤使用狀態(tài), 對邊緣節(jié)點運行的負(fù)載情況進行可視化展示, 幫助運維人員快速做出決策, 保證邊緣節(jié)點正常運轉(zhuǎn).

1.2 數(shù)據(jù)流設(shè)計

IoT 環(huán)境數(shù)據(jù)是本系統(tǒng)的數(shù)據(jù)主體, 系統(tǒng)依靠數(shù)據(jù)傳輸和處理連接各個功能模塊. 數(shù)據(jù)流圖如圖2 所示,本文將邊緣設(shè)備監(jiān)測的IoT 環(huán)境信息轉(zhuǎn)換為stream 數(shù)據(jù)流形式, 將監(jiān)測數(shù)據(jù)以數(shù)據(jù)流的形式在系統(tǒng)中傳輸處理, 依此設(shè)計了數(shù)據(jù)流圖. 邊緣傳感器收集到IoT 環(huán)境數(shù)據(jù)后, 首先使用設(shè)備管理模塊、數(shù)據(jù)管理模塊、資源管理模塊、應(yīng)用管理模塊處理收到的數(shù)據(jù), 最后使用導(dǎo)出服務(wù)模塊將處理過的數(shù)據(jù)傳輸?shù)狡渌吘壒?jié)點或者云端. 數(shù)據(jù)流傳輸過程中使用安全管理模塊保障數(shù)據(jù)安全. 具體步驟如步驟1-步驟6 所示.

圖2 數(shù)據(jù)流向圖

步驟1. IoT 設(shè)備將采集到的數(shù)據(jù)傳輸?shù)缴矸菡J(rèn)證子模塊, 由身份認(rèn)證子模塊進行身份認(rèn)證, 認(rèn)證通過后將采集的數(shù)據(jù)傳輸至設(shè)備管理模塊;

步驟2. 設(shè)備管理模塊將IoT 設(shè)備傳輸?shù)臄?shù)據(jù)傳輸?shù)皆L問控制子模塊, 設(shè)備類型、設(shè)備ID 等設(shè)備相關(guān)數(shù)據(jù)傳輸?shù)綄?dǎo)出服務(wù)模塊;

步驟3. 訪問控制子模塊對訪問用戶以及傳輸數(shù)據(jù)分析之后將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)管理模塊;

步驟4. 數(shù)據(jù)管理模塊通過執(zhí)行數(shù)據(jù)過濾、數(shù)據(jù)清洗、數(shù)據(jù)統(tǒng)計、數(shù)據(jù)存儲等操作, 隨后將數(shù)據(jù)分別傳輸至應(yīng)用管理模塊、資源管理模塊及導(dǎo)出服務(wù)模塊;

步驟5. 應(yīng)用管理模塊和資源管理模塊雙向傳輸數(shù)據(jù), 應(yīng)用管理模塊對數(shù)據(jù)做進一步深層次的數(shù)學(xué)分析,資源管理模塊負(fù)責(zé)監(jiān)測邊緣節(jié)點內(nèi)部計算、網(wǎng)絡(luò)、存儲資源, 隨后應(yīng)用管理模塊和資源管理模塊將處理后的數(shù)據(jù)傳輸至導(dǎo)出服務(wù)模塊;

步驟6. 導(dǎo)出服務(wù)模塊將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)加密子模塊以及防火墻子模塊, 隨后通過數(shù)據(jù)分發(fā)子模塊將數(shù)據(jù)傳輸?shù)皆贫?

2 邊緣節(jié)點平臺架構(gòu)模塊設(shè)計

2.1 設(shè)備管理模塊設(shè)計

設(shè)備管理模塊主要包括數(shù)據(jù)獲取、設(shè)備臺賬、身份認(rèn)證、狀態(tài)監(jiān)測等功能. 南側(cè)設(shè)備以及傳感器收集到的數(shù)據(jù)經(jīng)過身份認(rèn)證進入節(jié)點, 確保數(shù)據(jù)來源正常.為了保證設(shè)備正常運行, 對設(shè)備進行狀態(tài)監(jiān)測、巡點檢管理等, 最后將監(jiān)測信息寫入設(shè)備臺賬, 對邊緣設(shè)備做全面管理. 該模塊具體實現(xiàn)邏輯如圖3 所示.

圖3 設(shè)備管理模塊邏輯圖

為全面收集工業(yè)現(xiàn)場的各種環(huán)境信息, 本文布置了各種低功耗溫濕度傳感器, 并且以此構(gòu)建無線傳感器網(wǎng)絡(luò)用于環(huán)境數(shù)據(jù)的采集傳輸, 另外在靠近數(shù)據(jù)源的地方建立了邊緣節(jié)點, 用于環(huán)境數(shù)據(jù)的就近處理和實時監(jiān)控.

圖4 所示為本文使用的無線傳感器網(wǎng)絡(luò)拓?fù)? 其以自組織的方式部署微節(jié)點形成傳感器網(wǎng)絡(luò), 通過配置協(xié)調(diào)器節(jié)點和終端節(jié)點實現(xiàn)身份認(rèn)證, 協(xié)調(diào)器和終端通過協(xié)調(diào)PIN ID、發(fā)射信道、發(fā)射功率等參數(shù)建立安全連接, 完成傳感器網(wǎng)絡(luò)的組網(wǎng)過程. 上述微節(jié)點集成了傳感器和通信模塊, 通過部署傳感器, 這些微節(jié)點可以直接監(jiān)測周圍的環(huán)境.

圖4 無線傳感器網(wǎng)絡(luò)拓?fù)?/p>

本文使用RS485 溫濕度傳感器采集溫濕度數(shù)據(jù),使用EBYTE 公司的E180-DTU (ZG250-485)無線數(shù)傳電臺作為傳感器網(wǎng)絡(luò)通信模塊. 同時, 使用ZigBee 協(xié)議將傳感器收集到的數(shù)據(jù)發(fā)送到傳感器網(wǎng)絡(luò)中的路由節(jié)點, 隨后通過路由節(jié)點將數(shù)據(jù)發(fā)送到邊緣節(jié)點. 此外,本文采用工控機作為邊緣節(jié)點, 通過在工控機中部署Web 服務(wù)器和數(shù)據(jù)庫, 為運維人員提供可視化的監(jiān)控服務(wù)并對數(shù)據(jù)進行存儲.

2.2 數(shù)據(jù)管理模塊設(shè)計

數(shù)據(jù)管理模塊包括數(shù)據(jù)過濾、數(shù)據(jù)清洗、數(shù)據(jù)存儲等功能. 邊緣節(jié)點通過串口通信程序接收到IoT 傳感器發(fā)送的數(shù)據(jù)幀后, 首先判斷采集到的IoT 傳感器的數(shù)據(jù)是否為標(biāo)準(zhǔn)數(shù)據(jù)幀的格式. 對于不合法的數(shù)據(jù)幀, 數(shù)據(jù)管理模塊通過數(shù)據(jù)質(zhì)量子模塊取出應(yīng)答幀中有效數(shù)據(jù)位, 并將十六進制的原始數(shù)據(jù)轉(zhuǎn)換為十進制的環(huán)境信息數(shù)據(jù). 之后通過數(shù)據(jù)清洗、數(shù)據(jù)過濾功能篩選出異常數(shù)據(jù), 建立數(shù)據(jù)統(tǒng)計表并存入MySQL 數(shù)據(jù)庫進行持久化存儲. 該模塊具體實現(xiàn)邏輯如圖5 所示.

圖5 數(shù)據(jù)管理模塊邏輯圖

由于外界環(huán)境的干擾, 容易造成IoT 設(shè)備數(shù)據(jù)值存在缺失或者數(shù)據(jù)幀格式錯誤, 對數(shù)據(jù)統(tǒng)計影響較大.因此本文在數(shù)據(jù)清洗功能中通過對數(shù)據(jù)幀解碼, 觀察數(shù)據(jù)變化的規(guī)律建立了最小二乘法[10]的數(shù)學(xué)模型, 對數(shù)據(jù)進行預(yù)處理. 接收到的數(shù)據(jù)幀包括地址碼、功能碼、有效數(shù)據(jù)以及校驗碼, 首先將數(shù)據(jù)幀轉(zhuǎn)化為字符串類型數(shù)據(jù), 并將其中有效數(shù)據(jù)提取出來, 通過數(shù)據(jù)解碼將十六進制數(shù)據(jù)轉(zhuǎn)換為十進制數(shù)據(jù), 并對數(shù)據(jù)建立擬合曲線.

擬合曲線中有較多的值存在誤差, 為使擬合數(shù)據(jù)和真實數(shù)據(jù)離差平方達到最小, 本文使用了最小二乘法進行數(shù)據(jù)擬合. 在擬合過程中, 首先在坐標(biāo)系中描出數(shù)據(jù)對應(yīng)的點, 根據(jù)數(shù)據(jù)點的分布擬定回歸曲線, 使得回歸曲線上的點與對應(yīng)數(shù)據(jù)點的縱坐標(biāo)的離差平方和達到最小即為誤差最小, 最終得出傳感器數(shù)據(jù)點的最優(yōu)的匹配函數(shù), 如式(1)所示:

2.3 應(yīng)用管理模塊設(shè)計

應(yīng)用管理模塊管理對象主要包括數(shù)據(jù)應(yīng)用、用戶應(yīng)用以及系統(tǒng)應(yīng)用. 用戶應(yīng)用通過基于角色的訪問控制策略對平臺中不同用戶權(quán)限進行劃分, 劃分不同用戶能夠訪問的數(shù)據(jù)域, 并由管理員統(tǒng)一進行管理; 數(shù)據(jù)應(yīng)用通過設(shè)置定時器任務(wù)實現(xiàn)環(huán)境監(jiān)控功能, 顯示工業(yè)現(xiàn)場當(dāng)前環(huán)境信息, 包括當(dāng)前周圍環(huán)境的溫度、濕度等信息, 并根據(jù)時間以及異常數(shù)據(jù)產(chǎn)生個數(shù)得到異常數(shù)據(jù)信息產(chǎn)生的速率對數(shù)據(jù)做指標(biāo)分析; 系統(tǒng)應(yīng)用使用日志服務(wù)記錄平臺所有用戶操作, 為之后問題回溯提供支持, 管理員通過消息推送將平臺信息告知平臺用戶并且可以根據(jù)實際需求對應(yīng)用進行部署, 提高平臺的可用性. 該模塊具體設(shè)計如圖6 所示.

圖6 應(yīng)用管理模塊設(shè)計圖

為在邊緣側(cè)對數(shù)據(jù)進行預(yù)處理, 提取出有價值的數(shù)據(jù)信息, 本邊緣節(jié)點平臺架構(gòu)設(shè)計了指標(biāo)分析以及趨勢分析功能. 指標(biāo)分析通過統(tǒng)計一個定時器任務(wù)時間T內(nèi)的異常數(shù)據(jù)產(chǎn)生個數(shù)N得出異常數(shù)據(jù)產(chǎn)生速率θ, 并對數(shù)據(jù)做可視化展示. 通過對數(shù)據(jù)規(guī)律觀察總結(jié)設(shè)定T為180 min. 其表達式為:

趨勢分析功能通過計算一個定時器任務(wù)時間內(nèi)的數(shù)據(jù)最大值、最小值、平均數(shù)以及中位數(shù)對數(shù)據(jù)趨勢進行分析, 并以可視化圖表的方式進行展示, 幫助運維人員做出正確決策.

2.4 資源管理模塊設(shè)計

資源管理模塊主要實現(xiàn)對于邊緣節(jié)點計算、存儲等資源的監(jiān)控管理管理功能. 通過資源管理模塊將邊緣節(jié)點資源虛擬化, 平臺管理員可以獲得當(dāng)前邊緣節(jié)點的CPU、內(nèi)存、服務(wù)器以及磁盤狀態(tài)等信息. 通過這些信息, 平臺管理員可以對當(dāng)前邊緣節(jié)點負(fù)載情況做出快速決策, 并及時對資源進行合理調(diào)度, 調(diào)整邊緣節(jié)點負(fù)載情況, 保證平臺總體高可用性. 該模塊具體設(shè)計如圖7 所示.

圖7 資源管理模塊邏輯圖

資源管理模塊通過Java 虛擬機(Java virtual machine,JVM)對邊緣節(jié)點的計算、存儲資源進行虛擬化, 屏蔽掉與具體平臺相關(guān)的信息, 使得本平臺可以在多種平臺上運行. 監(jiān)測的計算資源包括CPU 核心數(shù)、用戶使用率、系統(tǒng)使用率以及當(dāng)前空閑率; 存儲資源包括磁盤的類型、大小以及使用率等; 網(wǎng)絡(luò)資源包括服務(wù)器名稱、IP 地址、網(wǎng)絡(luò)連接狀態(tài)等信息.

2.5 導(dǎo)出服務(wù)模塊設(shè)計

導(dǎo)出服務(wù)模塊主要用于向云端傳輸邊緣節(jié)點處理分析之后的數(shù)據(jù), 在云端進行大規(guī)模、長周期的分析優(yōu)化. 通過防火墻、數(shù)據(jù)分發(fā)、數(shù)據(jù)加密3 個功能, 對出口數(shù)據(jù)進行判斷、過濾、加密, 將邊側(cè)數(shù)據(jù)中的無效值、缺失值進行過濾, 將異常數(shù)據(jù)篩選并加密. 實現(xiàn)數(shù)據(jù)傳輸?shù)陌踩? 減少邊緣側(cè)到云端的數(shù)據(jù)傳輸量,降低帶寬開銷. 該模塊具體實現(xiàn)邏輯如圖8 所示.

圖8 導(dǎo)出服務(wù)模塊邏輯圖

邊緣IoT 設(shè)備數(shù)據(jù)在邊緣節(jié)點處理之后通過導(dǎo)出服務(wù)模塊發(fā)送到云端, 首先根據(jù)IoT 設(shè)備類型、設(shè)備ID 對數(shù)據(jù)類型進行劃分, 隨后使用集合函數(shù)將數(shù)據(jù)流聚合, 隨后將數(shù)據(jù)轉(zhuǎn)換為JSON 格式, 在傳輸層通過TLS 進行加密, 最后將數(shù)據(jù)傳輸?shù)皆贫?

3 面向IoT 的邊緣節(jié)點平臺架構(gòu)實現(xiàn)

本文開發(fā)的邊緣節(jié)點平臺架構(gòu)采用了B/S 架構(gòu),Web 端基于Bootstrap 框架進行頁面的自適應(yīng)設(shè)計. 圖表使用基于JavaScript 實現(xiàn)的開源可視化庫ECharts[12]生成. ECharts 用于可視化傳感器數(shù)據(jù), 可以輕松地向網(wǎng)站或Web 應(yīng)用程序添加交互式圖表, 并可以快速處理20 萬個數(shù)據(jù).

圖9 展示了應(yīng)用管理模塊中的用戶管理功能. 為避免邊緣節(jié)點數(shù)據(jù)泄露, 邊緣節(jié)點平臺架構(gòu)的用戶分為管理員和普通用戶. 管理員擁有對系統(tǒng)中所有數(shù)據(jù)進行增刪改查的權(quán)限, 可以進入數(shù)據(jù)監(jiān)控以及系統(tǒng)監(jiān)控等界面查看IoT 環(huán)境實時數(shù)據(jù)信息, 快速做出決策.普通用戶具有有限制的權(quán)限, 進行操作需要得到管理員授權(quán), 對于沒有授權(quán)的功能則會進行訪問控制, 確保數(shù)據(jù)信息不被泄露.

圖9 角色管理

數(shù)據(jù)管理模塊通過數(shù)據(jù)解碼取出有效數(shù)據(jù)位, 并將十六進制的原始數(shù)據(jù)轉(zhuǎn)換為十進制的溫數(shù)據(jù), 通過最小二乘法等數(shù)據(jù)處理算法對傳感器數(shù)據(jù)中存在的無效數(shù)據(jù)值、缺失數(shù)據(jù)值進行線性回歸擬合處理, 得出更加符合實際情況的數(shù)據(jù)值. 最后結(jié)合IoT 環(huán)境實際情況設(shè)置相對應(yīng)的過濾規(guī)則, 過濾出IoT 環(huán)境信息的異常數(shù)據(jù)并將數(shù)據(jù)進行展示. 數(shù)據(jù)處理過程如圖10.

圖10 數(shù)據(jù)處理過程

為方便管理員管理系統(tǒng)中相關(guān)硬件設(shè)備, 設(shè)計了設(shè)備臺賬模塊, 管理員可以查看系統(tǒng)中所有設(shè)備的運行狀態(tài), 設(shè)備編號, 設(shè)備編碼, 設(shè)備名稱以及運狀態(tài), 此外管理員還可以根據(jù)實際情況對設(shè)備臺賬進行增加、刪除、修改操作. 設(shè)備臺賬如圖11 所示.為保證邊緣節(jié)點平臺架構(gòu)的穩(wěn)定性及可靠性, 本文設(shè)計了資源監(jiān)控模塊, 通過監(jiān)測邊緣節(jié)點本身的CPU占用率、內(nèi)存使用率PC 主機信息, 運維人員可以對邊緣節(jié)點的計算、存儲、網(wǎng)絡(luò)資源做統(tǒng)一調(diào)度, 保證邊緣節(jié)點運行的穩(wěn)定性. 資源監(jiān)控如圖12 所示.

圖11 設(shè)備臺賬

圖12 資源管理

本文使用折線圖和柱狀圖將傳感數(shù)據(jù)可視化. 運維人員選擇不同的溫濕度傳感器, 可以快速生成溫濕度折線圖. 如圖13、圖14 所示, 溫濕度圖可以自動顯示最大值、最小值和平均值. 為對數(shù)據(jù)做更進一步的分析, 本文還設(shè)計了指標(biāo)分析模塊, 統(tǒng)計一定時間序列內(nèi)的異常數(shù)據(jù)數(shù)量和產(chǎn)生速率, 并以柱狀圖的形式表示, 方便運維人員確定不同時間段的環(huán)境信息.

圖13 溫度監(jiān)控

圖14 溫度指標(biāo)分析

本文使用IBM Watson Platform 作為云端, 如圖15所示, 通過身份認(rèn)證登錄到IBM Watson Platform, IBM Watson Platform 接收IoT 數(shù)據(jù)信息, 并且顯示異常數(shù)據(jù)接收的時間、數(shù)據(jù)、數(shù)據(jù)類型, 將這些數(shù)據(jù)做長期的、大規(guī)模的分析處理, 并且做出決策.

圖15 導(dǎo)出服務(wù)

4 平臺功能測試與分析

4.1 平臺功能分析

與Apache Edgent、Azure、CORD 等現(xiàn)有邊緣節(jié)點平臺相比, 本文根據(jù)IoT 場景的功能需求, 清晰地對平臺功能模塊進行了劃分, 設(shè)計了面向IoT 的邊緣節(jié)點平臺架構(gòu). 如表1 所示, 該邊緣節(jié)點平臺架構(gòu)具有設(shè)備管理、數(shù)據(jù)管理、應(yīng)用管理、資源管理以及導(dǎo)出服務(wù)功能, 比上述現(xiàn)有邊緣節(jié)點平臺功能更全面, 更能夠適用于不同的IoT 場景.

表1 邊緣節(jié)點平臺功能模塊分析

4.2 平臺環(huán)境搭建

根據(jù)系統(tǒng)的功能需求, 本文對系統(tǒng)環(huán)境進行了部署, 如圖16 所示, 通過溫濕度傳感器終端設(shè)備收集周圍環(huán)境信息, 將終端設(shè)備接入ZigBee 無線傳感器網(wǎng)絡(luò)中, 通過協(xié)議轉(zhuǎn)換等過程將數(shù)據(jù)流傳輸?shù)焦た貦C中, 通過邊緣節(jié)點系統(tǒng)的數(shù)據(jù)分析處理等過程, 在PC 終端將監(jiān)控信息進行顯示.

圖16 邊緣節(jié)點系統(tǒng)環(huán)境

4.3 實驗測試

圖17 邊緣節(jié)點監(jiān)測數(shù)據(jù)

圖18、圖19 分別為對傳感器的溫度、濕度監(jiān)測數(shù)據(jù)的數(shù)學(xué)分析. 本文收集數(shù)據(jù)的時間為2021 年4 月12 日09:21:32-2021 年4 月12 日11:03:12, 在此期間對某數(shù)據(jù)中心機房的溫濕度進行了監(jiān)測, 監(jiān)測期間共記錄了298 條數(shù)據(jù).

圖18 數(shù)據(jù)中心濕度數(shù)據(jù)分析

本文對數(shù)據(jù)進行了更進一步的數(shù)學(xué)分析, 結(jié)果表明: 溫度基本穩(wěn)定在23-25℃之間, 濕度基本穩(wěn)定在44%-46%之間, 標(biāo)準(zhǔn)差分別為0.612 5 和0.139 0, 因此數(shù)據(jù)中心機房溫濕度處于比較穩(wěn)定的狀態(tài), 因溫濕度而造成的設(shè)備損壞以及短路風(fēng)險較低, 有利于服務(wù)器的正常運轉(zhuǎn).

5 結(jié)語

本文設(shè)計了面向IoT 的邊緣節(jié)點平臺架構(gòu), 通過構(gòu)建無線傳感器網(wǎng)絡(luò)對工業(yè)現(xiàn)場周圍的環(huán)境信息進行實時獲取, 并在邊緣工控機中進行數(shù)據(jù)處理分析, 最終通過可視化的方法在邊緣PC 終端進行顯示. 不僅增強了數(shù)據(jù)的安全性, 保障數(shù)據(jù)不丟失, 而且在邊緣側(cè)處理大量的數(shù)據(jù), 降低了云端的數(shù)據(jù)處理量和傳輸時延.

在未來的工作中, 將在邊緣節(jié)點中設(shè)計用于任務(wù)調(diào)度的模塊, 從而提高數(shù)據(jù)分發(fā)的服務(wù)質(zhì)量, 減少資源開銷, 并在真實環(huán)境中驗證其有效性.