ThingsBoard架构及技术栈

前言

通过了解架构及技术栈，初步认识ThingsBoard

架构

通过官方文档可知ThingsBoard有两种架构模式

• monolithic architecture
  单体架构，将所有的内容聚合在单个应用中
  
• Microservices architecture
  微服务架构，包括Core（核心）、Transport（传输）、Rule Engine（规则引擎）、JavaScript Executor（JavaScript执行器）、Web UI（界面）等多个服务，服务之间使用消息队列通信
  

技术栈

框架相关

• Spring
  作为平台的整体框架
• Spring Boot
Spring的引导，提高了开发效率
• Maven
  提供了包的依赖关系管理

通信相关

• protobuf（Protocol Buffers）
  Google推出的一种数据描述语言，用于定义与语言无关的数据结构
  可根据具体的语言动态生成对应的数据结构，后缀为 .proto

  syntax = "proto3";
  package msgqueue;
  
  option java_package = "org.thingsboard.server.common.msg.gen";
  option java_outer_classname = "MsgProtos";
  
  // Stores message metadata as map of strings
  message TbMsgMetaDataProto {
      map data = 1;
  }
  
  // Stores stack of nested (caller) rule chains
  message TbMsgProcessingStackItemProto {
      int64 ruleChainIdMSB = 1;
      int64 ruleChainIdLSB = 2;
      int64 ruleNodeIdMSB = 3;
      int64 ruleNodeIdLSB = 4;
  }
  
  message TbMsgProcessingCtxProto {
      int32 ruleNodeExecCounter = 1;
      repeated TbMsgProcessingStackItemProto stack = 2;
  }
  
  message TbMsgProto {
      string id = 1;
      string type = 2;
      string entityType = 3;
      int64 entityIdMSB = 4;
      int64 entityIdLSB = 5;
  
      int64 ruleChainIdMSB = 6;
      int64 ruleChainIdLSB = 7;
  
      int64 ruleNodeIdMSB = 8;
      int64 ruleNodeIdLSB = 9;
      int64 clusterPartition = 10;
  
      TbMsgMetaDataProto metaData = 11;
  
      // Transaction Data (12) was removed in 2.5
  
      int32 dataType = 13;
      string data = 14;
  
      int64 ts = 15;
      // Will be removed in 3.4. Moved to processing context
      int32 ruleNodeExecCounter = 16;
  
      int64 customerIdMSB = 17;
      int64 customerIdLSB = 18;
  
      TbMsgProcessingCtxProto ctx = 19;
  }
  

  如上使用proto3协议定义了org.thingsboard.server.common.msg.gen.MsgProtos类
  用于传输数据的结构定义

• HTTP（Hyper Text Transfer Protocol）
  超文本传输协议，最常见的数据传输协议
  用于设备和ThingsBoard间的数据交互，以及用户与ThingsBoard间的操作交互等

• MQTT（Message Queuing Telemetry Transport）
  基于发布/订阅模式的协议，支持三种质量等级，广泛应用于物联网
  

  用于设备和ThingsBoard间的数据交互

• CoAP（Constrained Application Protocol）
  基于UDP的REST风格协议，相较于HTTP更加轻量级
  虽然是UDP，但通过消息类型支持消息的可靠传输
  4种消息类型如下：

  • CON
    需要被确认的请求，接收方必须响应，用以消息的可靠传输
  • NON
    无需被确认的请求，接收方不必响应
  • ACK
    确认消息，表示接收方收到了CON消息
  • RST
    复位消息，表示接收方收到的CON消息异常
    

  用于设备和ThingsBoard间的数据交互

• LwM2M（Lightweight Machine to Machine）
  是CoAP的上层协议，基于对象/资源模型进行交互，对象是资源的集合，需要实例化后使用
  主要组成部分：

  • LwM2M Server
    服务端，接收客户端的注册，与客户端进行数据交互
  • LwM2M Client
    客户端，注册至服务端后，才可通信，向服务端上报数据，响应服务端请求
  • LwM2M Bootstrap Server
    引导服务端，用于向客户端提供通信相关配置（服务端地址）， 根据引导方式可省略
  • SmartCard
    智能卡，作用同LwM2M Bootstrap Server
    

  用于设备和ThingsBoard间的数据交互

• SNMP（Simple Network Management Protocol）
  基于UDP的网络管理协议，采用特殊的客户机/服务器模式进行通信
  

  用于设备和ThingsBoard间的数据交互

• Netty
  一个基于JAVA NIO的高性能的、异步事件驱动的通信框架，可由开发者自定义传输协议
  

  主要用于实现ThingsBoard中MQTT服务端与客户端

• gRPC（google Remote Procedure Call）
  google推出的基于HTTP/2远程调用框架
  HTTP/2相较于HTTP/1.x主要有如下优势：

  • 二进制格式传输
    相较于文本格式，体积更小，性能更高
  • 多路复用
    通过将数据包分为HEADERS帧和DATA帧，实现一个连接并发多个请求
  • 服务端推送
    在客户端请求前主动发送数据，对于一个客户端请求可响应多次
    

  主要用于设备和ThingsBoard间的数据交互

• Azure Service Bus
  微软在Azure上提供的一种云消息服务，和RabbitMQ、KafKa一样作为消息通信服务

• Pubsub（Google Cloud Pub/Sub）
  一种具有传递和接受消息的事件驱动以及流分析系统，跟KafKa比较相似

• SQS（Amazon Simple Queue Service）
  一个分布式的消息队列服务
  提供了两种队列：

  • 标准
    近乎无限的吞吐量，至少传递一次消息，尽量保证顺序传递
  • FIFO（先进先出）
    高吞吐量，仅传递一次消息，严格保证消息的顺序

• Kafka
  一种高吞吐量、持久性、分布式的发布订阅的消息队列系统

• RabbitMQ
  一个由erlang开发的AMQP（Advanced Message Queue高级消息队列协议）的开源实现，性能较好

• Memory
ThingsBoard实现的基于内存的消息队列

数据存储相关

• PostgreSQL
  免费的开源关系型数据库
  相较于MySQL：

  • SQL的标准实现上更完善，功能实现更严谨
  • 优化器功能更完整，支持更多类型的索引，复杂查询能力更强
  • 数据使用堆表存放，存储量较大
  • 主备为物理复制，数据一致性更可靠，性能更高
  • 分区个数达至千万时，处理能力较差
  • MVCC（Multi-Version Concurrency Control）基于新旧数据一同管理模式，需要定期VACUUM清理旧数据，存在额外的消耗

  用于存储非遥测数据，根据存储模式也可存储遥测数据

• Cassandra
  由Facebook开发的、用于大数据的、开源分布式的NoSQL存储系统
  具有以如下特性：

  • 高可扩展性
    通过增加集群中的节点数量即可增加吞吐量
  • 灵活的数据结构
    可存储结构化、半结构化及非结构化等多种数据类型
  • 便捷的数据分发
    分布式架构支持多个数据中心间的数据复制及分发
  • 高可靠性
    不依赖外部组件（如ZooKeeper）的对等分布式架构，数据分布在集群中的所有节点间，无中心节点，无单点故障

  提供了类似SQL的COL语句
  

  用于存储遥测数据

其他

• Actor
  一种分布式并发编程模式，旨在将资源私有化在Actor模型中，Actor模型间通过消息队列通信，异步串行地处理消息，以避免多线程对于共享资源的竞争
  Actor模型由三部分组成：
  • state（状态）
    内部私有地属性，可以理解为资源
  • behavior（行为）
    处理state逻辑，可以理解为方法
  • MailBox（邮箱）
    即接收消息的队列，用于存储接收到的消息并在空闲时处理
    
• caffeine
  一款高性能的本地缓存组件，官方文档
  主要提供了4种缓存添加策略：
  • 手动加载

    Cache<Key, Graph> cache = Caffeine.newBuilder()
        .expireAfterWrite(10, TimeUnit.MINUTES)
        .maximumSize(10_000)
        .build();
    
    // 查找一个缓存元素， 没有查找到的时候返回null
    Graph graph = cache.getIfPresent(key);
    // 查找缓存，如果缓存不存在则生成缓存元素,  如果无法生成则返回null
    graph = cache.get(key, k -> createExpensiveGraph(key));
    // 添加或者更新一个缓存元素
    cache.put(key, graph);
    // 移除一个缓存元素
    cache.invalidate(key);
    

  • 自动加载

    LoadingCache<Key, Graph> cache = Caffeine.newBuilder()
        .maximumSize(10_000)
        .expireAfterWrite(10, TimeUnit.MINUTES)
        .build(key -> createExpensiveGraph(key));
    
    // 查找缓存，如果缓存不存在则生成缓存元素,  如果无法生成则返回null
    Graph graph = cache.get(key);
    // 批量查找缓存，如果缓存不存在则生成缓存元素
    Map<Key, Graph> graphs = cache.getAll(keys);
    

  • 手动异步加载

    AsyncCache<Key, Graph> cache = Caffeine.newBuilder()
        .expireAfterWrite(10, TimeUnit.MINUTES)
        .maximumSize(10_000)
        .buildAsync();
    
    // 查找一个缓存元素， 没有查找到的时候返回null
    CompletableFuture<Graph> graph = cache.getIfPresent(key);
    // 查找缓存元素，如果不存在，则异步生成
    graph = cache.get(key, k -> createExpensiveGraph(key));
    // 添加或者更新一个缓存元素
    cache.put(key, graph);
    // 移除一个缓存元素
    cache.synchronous().invalidate(key);
    

  • 自动异步加载

    AsyncLoadingCache<Key, Graph> cache = Caffeine.newBuilder()
        .maximumSize(10_000)
        .expireAfterWrite(10, TimeUnit.MINUTES)
        // 你可以选择: 去异步的封装一段同步操作来生成缓存元素
        .buildAsync(key -> createExpensiveGraph(key));
        // 你也可以选择: 构建一个异步缓存元素操作并返回一个future
        .buildAsync((key, executor) -> createExpensiveGraphAsync(key, executor));
    
    // 查找缓存元素，如果其不存在，将会异步进行生成
    CompletableFuture<Graph> graph = cache.get(key);
    // 批量查找缓存元素，如果其不存在，将会异步进行生成
    CompletableFuture<Map<Key, Graph>> graphs = cache.getAll(keys);
    

• Redis（Remote Dictionary Server）
  Key-Value存储系统，由于对数据的操作均在内存中执行，性能高效
• Node.js
  一个跨平台的JavaScript运行环境，实现了JavaScript在服务端的应用
• AntiSamy
  是OWASP的一个开源项目，分为Java和.Net版
  通过对用户输入的内容进行检查，根据策略过滤非法字符，确保输入的安全性
  被广泛应用于Web服务对存储型和反射型XSS的防御中
• Guava
  Google对JavaAPI补充的开源库，为了方便编码，并减少编码错误
  用于提供集合，缓存，支持原语句，并发性，常见注解，字符串处理，I/O和验证的实用方法
• ZooKeeper
  分布式协调服务，常用于集群管理、分布式锁等