本文由 StreamNative 组织 Apache Pulsar 中文社区志愿者翻译。原文来自 StreamNative 英文博客《Building Edge Applications With Apache Pulsar》，作者 Tim Spann，StreamNative 布道师。 译者：YOLO，就职于 BSC BOMC ORP 的 bomc 团队。原文链接：https://streamnative.io/blog/...
近年来，远程连接设备的爆炸性增长为集中式计算范式带来了挑战。受到网络和基础设施的限制，企业越来越难以在不出现延迟或性能问题的情况下，在数据中心或云中移动和处理所有设备生成的数据。因此，边缘应用程序逐渐兴起。据 Gartner估计，到 2025 年，企业将在数据中心或云之外创建和处理 75% 的数据。
那么什么是边缘应用程序？边缘应用程序运行在数据源上或其附近，如物联网设备、本地边缘服务器、边缘执行。边缘计算使计算、存储、缓存、管理、告警、机器学习和路由都能够在数据中心和云之外进行。零售、农业、制造、运输、医疗和电信等行业通过采用边缘应用程序，从而实现更低的延迟、更好的带宽、更低的基础设施成本和更高效的决策。
本文将为大家介绍开发边缘应用程序所面临的一些挑战，以及 Apache Pulsar 应用于边缘应用程序的解决方案。本文还将分享一个示例，逐步展示如何使用 Pulsar 构建边缘应用程序。
关键挑战
边缘计算的分散性在带来许多好处的同时也带来了挑战，其中主要包括：
- 边缘应用程序通常需要支持各种设备、协议、语言和数据格式。
- 来自边缘应用程序的通信需要与来自传感器、日志和应用程序的事件流以快速但不均匀的速度进行异步。
- 数据的边缘生产者根据设计要求需要部署不同的消息传递集群。
- 从设计上看，边缘应用程序在地理上具有分散性和多样性的特点。
解决办法
需要一个适应性强、混合、支持地理复制且可扩展的开源解决方案，以能够解决构建边缘应用程序所面临的问题。拥有众多用户的开源项目可以提供广泛的社区支持，以及边缘应用程序所需的丰富生态系统，包括适配器、连接器和扩展等。在过去二十年中，基于我与不同技术和开源项目的合作经验，我相信 Apache Pulsar 满足了边缘应用程序的需求。
Apache Pulsar 是一个开源、云原生、分布式消息流平台。自 2018 年 Pulsar 成为 Apache 软件基金会顶级项目以来，它的社区参与、周边生态增长和全球使用率都飞速增长。Pulsar 之所以能够解决边缘计算中存在的诸多挑战，归功于以下几点：
- Apache Pulsar 支持多种 Schema 下的快速消息传递、元数据和多种数据格式。
- Pulsar 支持 Go、C++、Java、Node.js、Websockets 和 Python 等多语言客户端。此外，还有社区开发者提供的 Haskell、Scala、Rust 和.Net 开源客户端，以及 Apache Flink 和 Apache Spark 的流处理库。
- Pulsar 支持多种消息协议，包括 MQTT、Kafka、AMQP 和 JMS。
- Pulsar 的跨地域复制功能解决了分布式设备的位置问题。
- Pulsar 云原生的架构让其可以在多云、本地或 Kubernetes 环境中运行。它还可以适配小型边缘网关，以及像 NVIDIA Jetson Xavier NX 这样强大的设备。
在本示例中，我们在 NVIDIA Jetson Xavier NX 上构建边缘应用程序，它为我们运行边缘 Apache Pulsar 单机 broker、多个 web 摄像头和深度学习边缘应用程序提供了足够的能力。我的边缘设备包含 384 个 NVIDIA CUDA® 内核和 48 个 Tensor 内核、6 个 64 位 ARM 内核和 8 GB 128 位 LPDDR4x RAM。在后续博客中，我将向大家展示，即使在 Raspberry PI 4s 和 NVIDIA Jetson Nano 等更为简单的设备上运行 Pulsar，仍然可以满足快速边缘事件流的需要。
架构
上文介绍了解决方案的物理结构，那么现在的问题是如何对传入数据有逻辑地搭建应用架构。对于不熟悉 Pulsar 的人，首先需要了解到每个主题都属于租户和命名空间，如下图所示。
这些逻辑结构支持我们根据各种标准（如数据的原始来源和不同的业务）将数据进行分组。一旦我们决定了租户、命名空间和主题，我们就需要确定收集分析所需的额外数据所需字段。
接下来，我们需要确定数据的格式。根据不同的架构，它可以与原始格式相同，也可以根据传输、处理或存储的具体要求进行转换。此外，在许多情况下，我们的设备、设施、传感器、操作系统或传输模式会要求我们选择特定的数据格式。
在本文中，我们将使用 JSON 数据格式，它可以满足几乎任何语言和多数人的可读性需求。此外，Apache Avro 作为一种二进制格式，也不失为一个不错的选择，但我的系列博客会选择最简单的格式。
选定数据格式之后，我们可能需要在传感器、机器学习分类、日志或其他来源之外添加额外字段来丰富原始数据。我喜欢添加 IP 地址、mac 地址、主机名、创建时间戳、执行时间，以及一些关于设备运行状况的字段，如磁盘空间、内存和 CPU。如果您认为没有必要，或者您的设备已经广播设备运行状况，则可以适当增减。尤其是当拥有数千台设备时，这些字段可以帮助我们调试程序。因此，我习惯在带宽允许的情况下添加这些数据。
我们需要为事件记录找到主键或唯一标识符，物联网数据通常没有自带。我们可以在创建记录时用 UUID 生成器合成一个。
拥有个字段列表后，我们需要为数据设置一个 schema，并确定字段名、类型、默认值和是否为空。一旦定义了一个 schema，我们就可以使用 JSON schema 或使用字段构建一个类，进而使用 Pulsar SQL 查询主题中的数据。对于物联网应用程序而言，通常会用到此类事件的时间序列主数据存储。我推荐 Aerospike、InfluxDB 或 ScyllaDB。我们可以根据场景和需求使用 Pulsar IO Sink 连接器或其他机制。必要时，我们还可以使用 Spark 连接器、Flink 连接器或 NiFi 连接器。
我们的最终事件会和如下所示的 JSON 示例类似。
{"uuid": "xav_uuid_video0_lmj_20211027011044", "camera": "/dev/video0", "ipaddress": "192.168.1.70", "networktime": 4.284832000732422, "top1pct": 47.265625, "top1": "spotlight, spot", "cputemp": "29.0", "gputemp": "28.5", "gputempf": "83", "cputempf": "84", "runtime": "4", "host": "nvidia-desktop", "filename": "/home/nvidia/nvme/images/out_video0_tje_20211027011044.jpg", "imageinput": "/home/nvidia/nvme/images/img_video0_eqi_20211027011044.jpg", "host_name": "nvidia-desktop", "macaddress": "70:66:55:15:b4:a5", "te": "4.1648781299591064", "systemtime": "10/26/2021 21:10:48", "cpu": 11.7, "diskusage": "32367.5 MB", "memory": 82.1}边缘生产者
接下来我们在 NVIDIA Jetson Xavier NX 上测试一些库、语言和客户端，看看哪个最适合我们的场景。在 NVIDIA Jetson Xavier NX 版本 ARM 安装 Ubuntu 系统运行多个库进行原型设计之后，我发现了如下技术选项，它们可以生成符合我的应用程序所需的消息。对于这个边缘平台来说，这些虽然不是唯一路径，但不失为非常好的选择。
- Go Lang Pulsar Producer
- Python 3.x Websocket Producer
- Python 3.x MQTT Producer
- Java 8 Pulsar Producer
- Go Lang Pulsar Producer
Go 语言 Pulsar 生产者
package main
import (
"context"
"fmt"
"log"
"github.com/apache/pulsar-client-go/pulsar"
"github.com/streamnative/pulsar-examples/cloud/go/ccloud"
"github.com/hpcloud/tail"
)
func main() {
client := ccloud.CreateClient()
producer, err := client.CreateProducer(pulsar.ProducerOptions{
Topic: "jetson-iot",
})
if err != nil {
log.Fatal(err)
}
defer producer.Close()
t, err := tail.TailFile("demo1.log", tail.Config{Follow:true})
for line := range t.Lines {
if msgId, err := producer.Send(context.Background(),
&pulsar.ProducerMessage{
Payload: []byte(line.Text),
}); err != nil {
log.Fatal(err)
} else {
fmt.Printf("jetson:Published message: %v-%s \n",
msgId,line.Text)
}
}
}Python3 Websocket 生产者
import requests, uuid, websocket, base64, json
uuid2 = uuid.uuid4()
row = {}
row['host'] = 'nvidia-desktop'
ws = websocket.create_connection( 'ws://server:8080/ws/v2/producer/persistent/public/default/energy')
message = str(json.dumps(row) )
message_bytes = message.encode('ascii')
base64_bytes = base64.b64encode(message_bytes)
base64_message = base64_bytes.decode('ascii')
ws.send(json.dumps({ 'payload' : base64_message, 'properties': { 'device' : 'jetson2gb', 'protocol' : 'websockets' },'key': str(uuid2), 'context' : 5 }))
response = json.loads(ws.recv())
if response['result'] == 'ok':
print ('Message published successfully')
else:
print ('Failed to publish message:', response)
ws.close()带有 Schema 的 Java Pulsar 生产者
public static void main(String[] args) throws Exception {
JCommanderPulsar jct = new JCommanderPulsar();
JCommander jCommander = new JCommander(jct, args);
if (jct.help) {
jCommander.usage();
return;
}
PulsarClient client = null;
if ( jct.issuerUrl != null && jct.issuerUrl.trim().length() >
0 ) {
try {
client = PulsarClient.builder()
.serviceUrl(jct.serviceUrl.toString())
.authentication(
AuthenticationFactoryOAuth2.clientCredentials(new URL(jct.issuerUrl.toString()),new URL(jct.credentialsUrl.toString()), jct.audience.toString())).build();
} catch (PulsarClientException e) {
e.printStackTrace();
} catch (MalformedURLException e) {
e.printStackTrace();
}
}
else {
try {
client = PulsarClient.builder().serviceUrl(jct.serviceUrl.toString()).build();
} catch (PulsarClientException e) {
e.printStackTrace();
}
}
UUID uuidKey = UUID.randomUUID();
String pulsarKey = uuidKey.toString();
String OS = System.getProperty("os.name").toLowerCase();
String message = "" + jct.message;
IoTMessage iotMessage = parseMessage("" + jct.message);
String topic = DEFAULT_TOPIC;
if ( jct.topic != null && jct.topic.trim().length()>0) {
topic = jct.topic.trim();
}
ProducerBuilder producerBuilder = client.newProducer(JSONSchema.of(IoTMessage.class))
.topic(topic)
.producerName("jetson").
sendTimeout(5, TimeUnit.SECONDS);
Producer producer = producerBuilder.create();
MessageId msgID = producer.newMessage()
.key(iotMessage.getUuid())
.value(iotMessage)
.property("device", OS)
.property("uuid2", pulsarKey)
.send();
producer.close();
client.close();
producer = null;
client = null;
}
private static IoTMessage parseMessage(String message) {
IoTMessage iotMessage = null;
try {
if ( message != null && message.trim().length() > 0) {
ObjectMapper mapper = new ObjectMapper();
iotMessage = mapper.readValue(message, IoTMessage.class);
mapper = null;
}
}
catch(Throwable t) {
t.printStackTrace();
}
if (iotMessage == null) {
iotMessage = new IoTMessage();
}
return iotMessage;
}
java -jar target/IoTProducer-1.0-jar-with-dependencies.jar --serviceUrl pulsar://nvidia-desktop:6650 --topic 'iotjetsonjson' --message "...JSON…" 你可以在这里找到所有的源代码。
现在，我们决定如何在设备上执行应用程序。可以使用系统附带的调度器，如 cron 或一些附加组件。作为参考，我经常使用 cron、MiNiFi 代理、Shell 脚本，或者将应用程序作为服务连续运行。您需要自行配置您的设备和传感器以获得最佳调度。
验证数据并进行监控
现在，我们有了源源不断的事件流进入我们的 Pulsar 集群，我们可以验证数据并监控进展。以 StreamNative Cloud Manager 界面为例，如下图所示。我们还可以选择查看此处记录的 Pulsar 指标端点。
通过 REST 检查统计数据
通过 Admin CLI 检查统计信息
bin/pulsar-admin topics stats-internal persistent://public/default/mqtt-2查找主题所在的订阅
http://nvidia-desktop:8080/ad...
通过 REST 从订阅中消费
http://nvidia-desktop:8080/ad...
通过 CLI 消费消息
bin/pulsar-client consume "persistent://public/default/mqtt-2" -s "mqtt2" -n 5通过 Pulsar SQL 查询主题
select * from pulsar."public/default".iotjetsonjson;
后续步骤
现在，我们已经构建了一个边缘应用程序，它可以以事件速度传输数据，并将数千个其他应用程序的流数据连接到 Apache Pulsar 集群中。接下来，我们可以使用 Flink SQL 添加丰富的实时分析。由此我们可以进行高级流处理、整合事件流以及进行大规模数据处理。
延伸阅读
如果您有兴趣了解有关边缘应用的更多信息并构建自己的连接器，请参阅以下资源：
- Using the FLiPN Stack for Edge AI (Flink, NiFi, Pulsar)
- PPT 下载地址
- Pulsar 客户端库
- 示例源数据
- InfluxDB Pulsar IO sink connector
关注公众号「Apache Pulsar」，获取更多技术干货
加入 Apache Pulsar 中文交流群
