物联网架构_对AWS的Greengrass的认识与理解

一,前言:

这段时间有许多的收获,分析,还有总结,其中包括新系统的设计与开发,以及其中新技术的踩坑等等等。

但是最近真的很忙,项目的推进,面试工作等,尤其五月份还有考试。所以,赶紧趁着五一假期有些空暇,先发一些东西。之后,有机会再对自己的素材(周报,技术总结什么的),做一些整理,再发出来哈。

这篇文章,主要是在之前项目架构设计时,了解了现有的一些项目,其中就有AWS的Greengrass项目,这里简单介绍一下自己的认识。

物联网方面的介绍可以参考我回答的百度知道(@link:https://zhidao.baidu.com/question/1501072861578680979.html?entry=qb_uhome_tag)

说简单点,就是物联网会是接下来的五到十年的一个小风口吧。可以试着,去了解,去学习,去感受其中的技术的变革(并不一定非要从事专门的工作,而是从变革中看到技术演变的过程,领悟它)。

这篇文章是简单看了AWS有关物联网的项目Greengrass后,感觉其角度与之前了解的百度物联网架构有所不同,所以查阅了一些资料后,给出我的看法。

(百度物联网的资料,可以参考@link:https://blog.csdn.net/robert_tina/article/details/78979405,条理比较清晰,我就不给出自己的XMIND了)

二,XMIND:

物联网架构_对AWS的Greengrass的认识与理解-LMLPHP

(图片看不清的,请单独打开图片,或放大图片,或下载图片。图片绝对清晰,谢谢) 

三,补充:

之前@博达智联写的博客与这个结构图的关注点有较大差异,前者倾向于技术领域,后者虽然重心仍然在技术领域,但是涉及了一些业务,乃至领域性的问题。

如为什么我们需要边缘计算,或者说物联网领域为什么要采用边缘计算,边缘计算的边缘又是指什么?边缘计算的理由,可以看上图中问题及解决/源位置处理数据的价值的三个原因。

如无人驾驶中,车速假定10m/s,前方5m处出现障碍物。系统采集数据(数据清洗),上传数据(涉及网络延迟),云平台计算(可能涉及服务调用等延迟),数据下发(涉及网络延迟),本地数据解析与运用。这样的流程可能需要200ms,即0.2s。那么车子距离障碍物就只有3m了,制动距离可能就不够了。当然这些数据都是假设的,可能不符合实际场景,但是我所要表达的意思是这样的。其中数据清洗,云平台的服务调用等,你都可以通过一定的技术手段去缩减,甚至接近0耗时。但是如今的网络延迟,你是无法大幅度缩减的,因为这涉及到物理定律。你所提出的技术解决方案是不可能打破物理定律的。

那么,我们可以调整一下我们的逻辑模型,进而改变我们的架构。比如我们可以赋予边缘节点(边缘指远离计算中心)一定的计算能力,从而实现简单的处理能力。在上述例子中,我们可以在汽车的计算单元中,简单评估障碍物所带来的危险程度与现在的速度等,决定是缓慢减速,还是急刹车。在0.2s后,再根据云平台发回的精准结果,来进行调整。

当然我只是举了一个有关物理定律的例子,还有经济定律中的资源损耗。如现有阶段,你无法将无人汽车的视频24x7小时的上传,那太消耗带宽了。另外还有国家法律方面的隐私保护,如军事领域的汽车(即便只是首长回家,因为涉及首长安全),恐怕很难允许你获取无人汽车的详细行驶资料。

而这些都是技术之外的。我一直相信,技术与业务之前需要交流与权衡。因为很多问题在业务看来,只是简单地做一些调整与舍弃,却能解决技术巨大的压力。同样,很多在业务看来,很难实现的方案,也许在技术领域来看,只是多写一些服务的问题。所以,团队要注重交流,leader(当然这个leader并不是指绝对的一个人,而是指相关事件的决策者。解释起来比较麻烦,之后有机会,会在敏捷开发等文章中来解释我的这一想法)要权衡技术与业务。

四,分析:

其实简单来说,AWS的Greengrass就是将整个系统分为三个部分:底层硬件(AIOT SDK),计算核心(GGC),云平台(AWS服务)。

其中Greengrass为底层硬件,如倾斜传感器,温度传感器等提供了对应SDK,封装了与上层GGC的通讯等,提高了开发效率。这就类似于我们封装了Jedis,形成JedisUtils,来快速方便调用redis,实现我们的功能。但是底层硬件并无法实现基础计算之外的功能,所以我们需要GGC来帮我们完成边缘计算的计算部分。当然即使GGC也在对应的硬件上时,逻辑上,我们仍然拆分两者,这是为了更好地管理与实现功能。而云平台则是提供了数据的高阶应用,如数据挖掘,机器学习,并为企业决策提供支持等。另外AWS的Greengrass的云平台部分,可以直接调用AWS的数据处理服务,也就是说改云平台与AWS的其它服务是可以横向连接,调用的(其安全性是通过设备上的SigV4凭证实现的)。

五,总结:

AWS的物联网架构值得我们去参考学习,但是于此同时,我们也要根据实际业务场景的需求,进行自己架构调整与设计。

如实际场景中,我所在公司的客户中,有的要求拥有自己的中控平台,并且部分客户为了数据安全,还要求不对云平台提供数据(当然也有要求只提供部分结论数据的)。为此,我们在计算核心与云平台间,增加了企业服务器,完成了不向云平台上传数据的企业的数据处理要求(当然,我们暂时不会对这样的公司提供行业数据的横向分析业务)。

(之后有机会,我会在保密的前提下,简单介绍我负责的系统的分析与设计过程。)

05-04 15:25