KubeEdge 和 Kuiper“双剑合并”，轻松解决边缘流式数据处理

摘要：本篇文章主要分享基于 KubeEdge 和 Kuiper 实现边缘流式数据处理的实践经验。

引言：KubeEdge 是一个开源的边缘计算平台，它在 Kubernetes 原生的容器编排和调度能力之上，扩展实现了 云边协同、计算下沉、海量边缘设备管理、边缘自治等能力。KubeEdge 还将通过插件的形式支持 5G MEC、AI 云边协同等场景，目前在很多领域都已落地应用。

在边缘的流失处理产品 Kuiper

Kuiper 是从 2019 年初开始做的，在 2019 年 10 月份，发布了第一个版本，一直持续迭代到现在，它的整个架构是一个比较经典的流式处理架构。

产品设计目标：在云端运行的流式处理，像 Spark 与 Flink 可以运行在边缘端

Kuiper 架构图

image

整体架构可分为 3 部分，左侧为 sources,代表数据来源的位置，数据来源可能是 KubeEdge 里面有个边缘端的 MQTT macOS broker，也可能是文件、窗口、数据库；

右侧为 Sinks，代表数据处理完成后所要存储的位置，也就是目标系统，目标可以是 MQTT，可以将其存到文件、数据库里面，也可以调用 HTTP service；

中间部分分成了这几层，最上层为数据业务逻辑处理，这个层面提供了 SQL statement、Rule Parser，SQL processors 进行处理后并将其转化成 SQL plan；下面层为 Streaming runtime 和 SQL runtime, 运行最终执行出来的 plan；最底层为 storage，用来存储有些消息流出。

Kuiper 使用场景

流式处理：实现在边缘端的实时流式处理

规则引擎：灵活定义规则引擎，实现告警和消息转发

数据格式与协议转换：实现边缘与云端不同类型的数据格式与异构协议之间灵活转换，实现 IT&OT 融合

KubeEdge 与 Kuiper 集成

image

部分架构图

Kuiper 是装在 KubeEdge MQTT Broker 后面，整个都运行在边缘端，底下为不同的 Mapper，也就是接入各种各样不同的协议。边缘 MQTT Broker 用来交换消息。

数据处理的类型：

从设备模型文件定义中获取类型定义

将数据转换为 Kuiper 的数据类型

创建流时，可使用 schema-less 流定义

支持的数据类型有 int、string、bool、float

KubeEdge 模型文件和配置

下图为部分配置文件，包括设备的名称、属性、name、data type、Description 等。

image

部分配置文件

保存设备模型文件

在 ect/mqtt_source.yaml 中配置模型文件信息

1）KubeEdgeVersion:目前未使用，为适配将来不同的版本模型文件预留

2）KubeEdgeModelFile：模型文件路径

通过 config-map 下发配置，保存到相关目录下

Kuiper 使用过程

1）定义流：类似余数据库中表格的定义

DATASOURCE=”$hw/events/device/+/twin/update”为 KubeEdge 里定义好的 topic

image

2）定义并提交规则

image

用 SQL 实现业务逻辑，并将运行结果发送到指定目标

支持的 SQL

SELECT/FROM/WHERE/ORDER

JOIN/GROUP/HAVING

4 类时间窗口+1 个计数窗口

60+SQL 函数

3）运行

KubeEdge 中部署 Kuiper 规则

1）运用 Kuiper-Kubernetes-tool

2）该程序为一个工具类，单独运行在容器中，执行通过 config-map 下发的命令配置文件

配置文件中用于指定 kuiper 服务所在的地址和端口等信息

命令文件所在的目录

3）通过 config-map 下发命令执行文件，该工具定期自动扫描文件，然后执行命令

Kuiper manager-云边协同管理控制台

另外一种方式是通过管理控制台来管理很多 Kuiper 节点，因为 Kuiper 可以运行在很多节点上。

image

比如 Kuiper 可以运行在车联网的盒子里面，车联网有很多车，可以通过 Kuiper-manager 把所有的实例都接入进来，统一对其进行规则更新。

第一步是安装插件，我们提供了一些插件的知识，比如要接入不同的源，如果我们这边的源不支持，则可以自己写个插件，将插件进行安装，安装上去之后我们提供安卓插件界面，就可以使用了。

image

接下来为创建流定义

image

下图为数据存储的位置，下图所示为将数据保存到文件系统，进行路径的指定。

image

下图为可视化的编辑界面，可以进行规则的编写。

image

应用案例：国家工业互联网大数据中心

image

该案例是一个非常典型的使用场景。K8s+CloudCore 部署在云端，将规则通过管理通道下放到 Kuiper，Kuiper 的位置是放在 MQTT broker，会将数据定义，实现数据的清洗。目前通道有两条，第一条是将处理完的消息发往 Cloud MQTT broker，第二条通道比如本地要做数据持久化，可将其存到 Influxdb 这个持续数据库，我们在边缘发生的一些第三方应用可以直接去调 Influxdb 里面的数据，做一些展示可视化等。底层是通过 Mapper 把不同的数据给接上来。

Kuiper 里规则引擎的使用场景

LF EdgeX Foundry 内置规则引擎，于 2020 年 4 月 Geneva 版本中已经正式发布。

image

image

应用案例：异构系统对接数据格式转换

实现与 ERP、MES 等 IT 系统数据交换，我们提供了一个非常灵活的扩展能力，包括异构数据通过扩展插件采集后，可以利用 SQL 内置函数或者扩展函数进行快速、灵活处理；第二点是拿到数据处理结果后，通过 sink 的数据模板可以对分析结果进行转换，灵活适配各类目标系统所需的数据格式和协议，比如同样一条温度大于 30 度的规则，如果要去发送控制设备的指令，并且要发到微信上。这两个不同的目标系统，它所需要的接口和数据是不一样的，但对于这个规则是一样的，那么可以在 data 里面，根据同一条规则触发两个不同的操作，你可以指定不同的 topic，数据即可发送，不需再进行复杂的编程；第三点是利用 SAP NetWeaver RFC SDK,实现从 SAP 中读取数据，处理并转换后发送到别的异构系统。

性能数据

Kuiper 支持并发运行数千条规则

8000 规则*0.1 消息/秒/规则，共计的 TPS 为 800 条/秒

规则定义

源：MQTT

SQL:select temperature from source where temperature＞20（90%数据被过滤）

目标：日志

配置

AWS:2core*4GB

Ubuntu

资源使用

Memory:89%~72%;0.4MB/rule

GPU:25%

AWS t2.micro 配置 10k+/s 消息吞吐

image

点击关注，第一时间了解华为云新鲜技术~