KubeEdge和Kuiper“双剑合并”，轻松解决边缘流式数据处理
摘要：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
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
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。
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
- KubeEdgeVersion:目前未使用，为适配将来不同的版本模型文件预留
- 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
2）定义并提交规则
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。
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。
接下来为创建流定义
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。
下图为可视化的编辑界面，可以进行规则的编写。
应用案例：国家工业互联网大数据中心
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。
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
点击关注，第一时间了解华为云新鲜技术~