Predix Asset Service深度分析

前言

在IioT领域，面临着保存海量数据的挑战，具体到Asset层面，则要保存物理对象，逻辑对象，复杂的关系，并支持对象间的组合，分类，标签和高效查询。总结来说，可以归纳为如下几种需求：

1. 灵活的建模风格：支持不同业务领域业务对象

2. 支持自定义属性：可以是简单的字符串，也可以是对象

3. 支持对象间关系：层次或图关系

4. 支持对象间组合：如电机由线圈和转子组成

5. 支持分类：对对象做宏观分类并保存公共属性

6. 支持标签：方便用户查询

7. 支持灵活和高性能查询：支持针对属性，针对关系，层次等查询。

8. 操作历史：操作日志和审计

9. 业务能力扩展：脚本

架构

Predix架构如下所示：

• REST api layer

Client应用可以通过REST API服务获取asset数据。这些接口提供了JSON形式的接口，用户可以通过POST形式传递这些数据。为了使用这些API，应用程序发送https请求并解析响应。可以使用任何WEB端开发语言解析。

• Representation layer

Representation Layer将数据由jsON转换为内部图形式表示，也负责完成相反的过程。

• Query engine

Query engine允许开发者使用JSON AND Graph Expression(GEL)来获取Asset Data Store中保存的任意对象或对象属性的数据。

• Audit History Service

提供API用来获取Asset Service库中REST请求的历史信息。

• Script engine

使用户能够将定制的业务逻辑绑定到Asset Service的REST API上。

• Cassandra graph database

Assert Service将数据保存于Apache Cassandra NoSQL数据库中

数据模型

asset

Asset模型可以理解为物理设备在虚拟世界的映射，Asset不但包含设备本身，也包含该设备如何组织和关联的信息。

classification

对asset进行分类，并保存其公共信息。

custom modeling object

自定义的模型，用来进一步进行描述，如生产商等。

模型示例

Fleets Sample JSON

{

"uri":"/fleets/up-1",

"name":"UNIOn Pacific Fleet 1",

"customer":"/customers/union-pacific"

},

Manufacturers Sample JSON

{ 

"uri":"/manufacturers/GE",

"name":"General Electric Transportation",

"year_founded":"1892",

"hqLatLng":{

        "lat":41.881138, 

        "lng":-87.640666}

}

Engines Sample Data

{

"uri":"/engines/v12-1",

"type":"7FDL",

"horsepower":"4400",

"stroke":"230",

"bore":"220",

"RPM":"2400",

"manufacturer":"/manufacturers/GE"

}

Locomotives Sample JSON

{

"uri":"/locomotives/1",

"type":"Diesel-electric",

"model":"ES44AC",

"serial_no":"001",

"emission_tier":"0+",

"fleet":"/fleets/up-1",

"manufacturer":"/manufacturers/GE",

"engine":"/engines/v12-1",

"installedOn":"01/12/2005",

"dateIso":"2005-12-01T13:15:31Z",

"hqLatLng":{

"lat":33.914605,

"lng":-117.253374

}

}

从上面的例子可以看出模型是如何组织的。

存储分析

Asset的存储要考虑两个部分，json-schema和json。json-schema是json的校验标准，任何对存储系统的修改都需要使用json-schema校验。更加抽象的思考，json-schema类似于面向对象的类，而json则是类的实现：对象。只是这种实例化是由RESTAPI触发的，且合法性由json-schema保证。

由于工业领域需要面对海量对象，海量关系及多种结构的数据对象（blob value,,picture, log)等，传统的sql数据库必然无法满足这些需求，且对于JSON来说，最适合应用key-value数据库类型，当然该数据库需要提供良好的性能及可扩展性。

经过近些年的发展，cassandra与HBase在不同领域内的应用出现了分化，hbase纪玉hadoop，支持mapReduce，更加适合于大数据计算的场景；而cassandra除了在范围查询性能落后与hbase之外，在易用性，可扩展性，健壮性（无管理节点），以及在大多数的性能应用场景上对hbase存在优势，因此考虑使用cassandra作为asset的存储。

具体的，使用cassandra要满足如下的要求：

• 良好的横向扩展性

• 良好的可维护性

• 高性能

• 支持历史记录存储

• 能够扩展关系存储及查询

可扩展性

Predix提供了javascript语言支持更多的自定义应用。

JS支持是jdk自带的功能，而Predix将此功能应用在REST API上，能够在REST API的执行前后运行JS脚本，实现功能的扩展。其中REST API既可以是资源的CRUD API，也可以是自定义API。其执行逻辑为：开始--->(JS代码)--->REST API--->(JS代码）-->系统通知

也即JS代码可以选择在REST API执行前后执行，如果JS代码在REST API执行前，则可用于输入数据校验等，如果在REST API执行后，则可进行通知发送等应用。为了更加灵活的使用JS代码，JS代码中可以引用已经定义的工具方法（Predix提供），也可以调用其他REST API接口。

JS代码执行时工业云应用必备的部分，如SCADA系统和Thingwrox均提供了JS代码执行功能。但Thingwrox的JS执行依附于Thing本身（自定义方法）及订阅，而Predix则基于对已有REST API的封装（当然也支持自定义的REST API），总的来说Thingwrox实现的功能，predix也能实现。

例如：

        1. 调用系统方法（predix和thingwrox均提供了系统方法）

        2. 调用asset的属性（均可，thingwrox可以在脚本中通过this.引用）

        3. 调用asset的方法（thingwrox可以，predix不明）

        4. 调用其他asset的属性(predix通过restapi查询）

        5. 调用其他asset的方法（可以实现，只要是REST API形式暴露）

        6. 执行结果返回（predix可以通过消息队列返回数据）

关键技术

JSON-SCHEMA

Http://json-schema.org/，

用以描述JSON的数据结构并做验证，JSON-SCHEMA是静态JSON描述，本身不具有任何约束力，需要在实现中加以限制：如执行新增操作时必须验证SCHEMA。

CASSANDRA

CASSANDRA是一个key-value数据库，具有高性能，高可靠性，去中心化等特性，并支持GRAPH扩展。

http://www.cnblogs.com/loveis715/p/5299495.html 

GEL

如果数据只能存储而不能查询，那就没有任何意义。predix定义了GEL语言用于查询Asset数据，该查询语言是灵活的，支持分页，过滤，正则表达式及关系查询。Asset服务就是要存储所有的模型数据，因此不能针对具体需求做针对性的开发。

在Asset  Service中，专门存在查询引擎（Graph Expression Lanauge Query Engine）完成这一功能，这也是工业云平台开发中所必须的。

业界比对

这里主要与Thingwrox做比对，Thingworx更是一个物联网平台，而Predix是工业云平台，定位不同，决定了这两个平台在设计上的取舍不同。

从建模进行比较，Thingworx弱化了多租户概念，并且基于对类-对象的抽象，给出了Thing-ThingTemplate-ThingShape的模型，能够对每一物理/逻辑实体进行建模。如一个泵，或者是以datasource；而Predix更偏重与处理工业领域的物理实体映射，并不试图建立一个包含一切的建模环境，这种取舍，在工业领域是可以理解的。