文摘
有成千上万的基站分布在中国,每一个包含许多支持设备和监测传感器。传统基站管理系统往往是在云中托管,但基于云的系统难以重新编程和实时执行任务有时是有问题的,例如,发出警报或执行相关任务的组合。为了克服这些缺点,我们提出了一个混合edge-cloud物联网基站系统,称为bsi。本文包括一个理论数学模型,演示了bsi的动态特性以及在实践中实现bsi的配方。嵌入式可编程逻辑控制器作为边缘节点;创建一个动态规划方法的云节点和边缘之间的无缝集成。本文总结了一系列综合分析可伸缩性、响应能力和可靠性。这些分析表明可能的警报的数量减少60%,优势响应时间小于0.1秒,和平均停机时间的比例0.66%。
1。介绍
基站是一种信息交换中心智能手机在其覆盖范围。这些网络的基站是移动网络的支柱,对许多人来说,这意味着工作的支柱,生活,或社会领域。一个缺陷在其中任何一个基站可能意味着巨大的不便为成千上万的用户。通常情况下,基站由众多设备,配合确保基站的可靠性,而无数的传感器与这些设备不断评估周围的环境。如果连一个参数值超过阈值,警报声音。事件被上传到云服务器维护请求,一旦确认报警的有效性,维护人员被称为响应请求。
基于云计算和存储方面的进展促成了繁荣的集中式系统的成功。然而,无论多么先进,管理数以百万计的基站和监控的现实数以百计的每一个参数带来了一些鲜明的实际问题。(1)超出任何维护团队的能力应对每一个报警,甚至回应所有优先级的警报。事实上,许多警报只是忽略。(2)由于固有的低响应时间基于云计算平台,一些紧急和实时任务必须由边缘节点。执行一个动作在瞬间警报声音就是这样一个例子。(3)边缘节点和中央平台无缝集成。进一步,即使edge节点软件可以远程更新在一些平台上,此类更新只能发生集体,和基本程序只能更新不完全替代。然而,需要重新编程边缘节点可以执行的任务越来越多,和每条边节点不一定需要执行相同的任务。结合警报基于几个相关的参数是一个很好的例子,这些信号可以被监控网络的一小部分节点。
要解决这些问题,我们提出一个新的基站管理架构和云计算相结合的优势,称为建筑师,在本文提出。建筑师(1)减少不必要的警报的发病率,提高整个系统的可靠性(2)加强边缘节点形成一个无缝edge-cloud系统能力(3)提高系统的可伸缩性和活力的边缘节点的功能
边缘计算的优势减少了延迟,减少和降低交通高峰,并延长节点寿命(1,2]。因此,edge-cloud计算系统,更多的功能可以从云转向边缘节点,特别是实时任务,这些节点可以动态重新编程。此外,云计算和边缘之间的交互可以优化。
因此,我们研究的贡献总结如下。(1)介绍了物联网的理论与动态特性数学模型基站管理系统。为云提供抽象定义和边缘组件,云之间的交互和边缘节点,和边缘节点和设备之间的交互。(2)我们解释bsi如何在实践中实现。在本文中,我们使用嵌入式可编程逻辑控制器(ePLCs)边缘节点的三层软件结构和本地数据库。ePLCs符合IEC 61131 - 3标准(3]。在云计算的支持下,边缘节点可以动态编程,可以重新编程,和可以执行实时任务,如相关任务,响了警报,警报或过滤。因此,边缘节点是可伸缩的和不同的边缘节点可以运行不同数量和类型的任务。(3)建筑师综合分析验证其可伸缩性、响应时间、可靠性和演示进展edge-cloud系统可以在基站管理。
本文的其余部分的结构如下:部分2介绍了相关工作;部分3介绍了bsi的架构;部分4提供了可伸缩性、响应时间和可靠性分析;最后部分总结我们的工作。
2。相关的工作
与物联网平台,良好的应用程序的性能严重依赖于系统架构。考虑到数以百万计的边缘节点基站网络,必须选择合适的系统架构认真和仔细。在我们的情况下,这种考虑是更关键的如果bsi发表回应,可靠和可伸缩的系统相关研究的三个关键方面bsi下面的说明。
2.1。系统结构
云平台已成为支柱之一计算由于其提供弹性计算能力和存储能力来满足需求的资源受限用户设备(4]。然而,边缘计算都有自己的优势,如降低延迟,避开交通高峰和延长生命的边缘节点(1,2]。因此,结合边缘计算与云平台是不可避免的,引发了一个新的典范5]。自从研究者寻求方法来有效地分配计算密集型任务利用各自的优势,许多研究提出了一个资源管理方法,聚焦于一个特定的功能,例如,允许控制,计算资源分配和功率控制(6- - - - - -8]。傅et al。9]说明安全数据存储和搜索方法来提高数据存储和检索的效率和安全。Chekired et al。10)提出了一个两个优先排队模型调度和分析工业数据。菅沼et al。11)提出了一个灵活的和先进的系统模型。
此外,edge-based云平台在各种领域得到了应用。例如,贾庆林等。12]介绍了井盖管理系统,拥有良好的响应时间。徐et al。13)概述了智能电网系统有效地整合能源资源和存储设备。速度等的研究(14)关注新兴医疗行业。智能交通系统是另一个热门领域15,16]。
然而,应用各种解决方案在上述研究发现基站管理是有问题的几个考虑相关的复杂性可伸缩性、可靠性和响应能力。
一些软件的方法来实现物联网系统也被开发出来,例如,可替换主体系统和面向服务的体系结构(SOA)。在可替换主体系统,每个函数或实体可以被描述为一个代理和任务完成在云中通过积极或消极的这些代理之间的交互17- - - - - -19]。这种方法提供了一种方法来描述复杂系统包含许多功能和实体通过复杂的关系有关。也许方便地,bsi不能受益于一个可替换主体的方法,因为它的功能和类型的实体都是有限的,明确的。
SOA是一个离散的功能,应用程序依赖于标准化的接口形式。SOA范式提供松耦合、重构性和灵活性,它允许服务实体组成或策划在运行时创建不同的系统组成(20.]。因此,SOA的两个主要特征是自主性和互操作性21,22]。bsi股票一个类似的概念,即。、可伸缩性。然而,soa通常不能处理敏感实时任务(21),而SOA通常是有限的可伸缩性较上层。
2.2。边缘节点
边缘节点之间的路径上的任何计算机或网络资源数据源和云的中心5]。计算在体内的研究优势,许多设备都作为边缘节点,例如,智能手机(23),路由器(24]。
plc在工业领域很常见(25- - - - - -29日),因为他们是高度可靠和容易的程序30.]。此外,他们标准化早在1990年代在IEC61131-3 [3]。PLCopen组织继续推动标准化这一天在运动控制等领域(31日),TC4集成、OPC UA和TC5安全和TC6之间实现无缝的程序交互平台。
制度可以分为两个粗糙组根据他们的硬件架构:嵌入式plc (ePLCs)和基于pc的制度。基于pc的plc提供更多的面向用户的工具(30.),而ePLCs更便宜、使用更少的电力。考虑到面向用户的工具不是bsi的焦点,ePLCs是更合适的选择。另外,伟大的转变从制度到ePLCs导致一些伟大的进步在多处理(32,33),自定义编译工具(29日),支持市场友好的嵌入式硬件(例如,树莓),等等。一些市场友好的嵌入式硬件可以用于物联网平台(34,35]。
2.3。基站管理和bsi
尽管上述制度的优点,都是基于一个PLC。但在基站管理,一些重点需要放在边缘和云计算之间的无缝集成,确保边缘节点响应,可靠和可伸缩的。
响应性是反映在高并发性和弹性的计算能力4]。这里,重组和实时任务必须转移到边缘响应时间可以减少到一个周期内(如1 ms)。
可靠性是指系统值得信赖和一贯表现良好。基站系统,可靠性的边缘节点和云之间的相互作用是重要的,意义重大。制度已被正式的保证可靠性验证在几项研究(例如,26,27,36),当结合上述优势,ePLCs做出一个非常健壮的可靠选择作为一个边缘节点。另一个好处是,关键任务转移到边缘节点也可以增加安全性。
可伸缩性是反映在系统的扩张潜力和它如何与其它系统集成。语义技术和方法,动态编程的能力,符合标准必须考虑,以确保良好的可伸缩性。后(37,38),我们选择了可扩展标记语言(XML)作为语义交互语言由于其广泛使用。作为一个主要的贡献者可伸缩性、bsi支持动态编程的边缘节点。最后,bsi符合EC61131-3, PLCopen标准(3,31日]。
3所示。bsi:基站物联网系统
bsi的主要目的是存储实时和历史数据,管理警报,并保持边缘节点。我们忽略了业务服务,比如图分析和报告,现场可视化工具,和订单管理,,相反,仅仅专注于学术分析边缘节点的重新编程和实时任务执行。
bsi的基本前提是,每个边缘节点可以而且必须能够执行许多任务。下面列出了一些典型的任务;大多数与警报。(1)核心任务:每条边的基本功能节点必须能够执行。(2)报警过滤( ):边缘节点读取一个过滤器文件从本地数据库和过滤警报按照规定的文件。例如,如果一个警报已经被另一种类型的报警信号,没有必要报告当前状态作为一个单独的问题。(3)结合警报( ):多个传感器的数据和评估相结合对警报阈值,以减少警报的数量。需要一个闹钟是由多个传感器和一个逻辑程序。(4)相关任务( ):基于输入边缘节点直接执行一些操作,例如,拍照的环境如果一个烟雾报警器的声音。
最后这三种类型的任务都是典型的重编程和实时任务。房颤和CA旨在减少警报的数量几乎可管理的水平。警报满足有关要求实时响应,云平台不能提供。
3.1。bsi的系统结构
如图1边的系统包括网络,为物联网平台和云,这是很常见的(39]。边缘和云是由混合连接3 g和4 g网络。
边缘。边缘节点ePLCs和可以收集数据直接从传感器或从设备使用一个适当的通信协议。传感器可以测量温度、湿度、烟雾、红外线,或振动,和设备可以换热系统,逆变器,标准或不间断供电系统,安培计、门系统、通风系统、空调、发电机、电池系统。
云服务器。云服务器基本功能,覆盖所有四种类型的任务。每个任务对应一个唯一的静态程序。
因此,让bsi被定义为一个4-tuple集 :
在哪里是生产的云服务器请求和响应边缘节点,是有限的一组任务计划,是th任务计划,的任务总数,代表的基本任务,应该安装在所有边缘节点。是一个有限集的边缘节点,是th边缘节点,边缘节点的数量,表示包含边缘节点th的任务,是有限的一组交互命令。包括边缘的请求命令 ,云的请求命令 ,边缘节点的反应到云上 ,云的边缘节点 ,传感器的数据采集命令和设备 ,和边缘命令的设备 。
有限的一组交互命令bsi的关键。它分为两个部分:(一)来回边缘节点之间的交互和磁场传感器/设备(和 );和(b)的请求由边缘的云计算和云边缘(和 )和相应的响应消息的XML边缘的云计算和云边缘(或 )。的内容和取决于连接传感器和设备。
表1列出了请求,和 ,和表2显示了一个示例数据由边缘节点响应消息。
3.2。边缘计算系统
bsi的边缘节点用于收集从设备和传感器和异构数据与云交互。如图2,ePLCs软件架构的三层软件结构,由云层、弹性层、通信层。
云层负责与云端。它包含两个接口,为正常的交互和M B接口界面维护。
柔性层节点在哪里重新编程,甚至改变自动动态编译函数在云中。这一层主要由类型的应用程序(例如, )。实时任务也在这一层中运行。
通信层连接设备和传感器节点。支持几乎所有的通信协议(如可以,TCP, UDP, FTP,和Modbus / RTU),但可以减少或改变由云服务器根据配置文件。
底层操作系统提供的基本功能。
3.2.1之上。ePLC资源分配
可用的RAM ePLC,即。,被定义为其资源 在哪里由RAM与一个字节为最小单位地址:指的是数据单元,中间细胞,输入细胞,输出单元,计时器细胞到柜台细胞。
3.2.2。本地数据基础
应用程序中相互独立的弹性层。每个应用程序都有自己的参数区域。其所需资源的记录保存在一个配置文件,和一个本地数据库存储有限的历史数据以及配置文件(CF),如图3。CF描述如下: 在哪里节点信息和吗是资源约束的集合 ,即。,the约束( )和约束( )。 是应用程序描述的集合,它包含任务ID ( )和所需数量的资源( , , , , , )。 历史数据的集合,并包含历史警报( ),捕获的照片( ),和最新的本( )。 表示过滤器和是一组协议配置文件,其中包含协议id ( )和连接的设备id ( )。的s是用来与连接设备进行通信。
因此,工作如下: 在这里,每一个包含几个任务。从传感器和控制器的输入,是产生一个请求一个条件,即:被更新时,是一个触发器的状态监测数据的转移到云,然后呢是一个条件,控制器输出的行为。作为一个例子,如果是真的,ePLC将发送一个请求到云更新它的计划。值得注意的是,每个条件和相应的行动是独立的。
3.3。云管理
云平台提供了传统的优势,即。,flexibility and elastic capacity for computation and storage. We have designed BSIS to operate on a standard platform-as-a-service (PaaS) structure. The reprogramming and real-time tasks are stored on the cloud platform, and every program has a corresponding XML file. When a request is received from an edge node, the cloud platform will respond with ,然后执行编译过程和发送边缘节点。
显示了编译过程的算法1和下面的详细描述。资源评估:编译终止如果资源评估失败。决定一个请求的函数被定义为将超过其资源约束 在哪里资源矩阵和吗ePLC ID。行吗的任务,列包含所需数量的资源( )完成这一任务。代表的资源约束 反过来。
|
||||||||||||||||||||||||||||||||||
链接程序。云检查程序版本号根据程序id在请求确定程序是null或老了。如果条件满足,编译标志设置为1时,和程序id存储在另一个数组中 。的start-resource地址然后计算并存储在每个程序 。
调用编译器。如果编译标志= 1,PLC编译器叫做根据 , 。
因此,云计算的过程可以被描述为 在哪里根据编译吗 , 产生的条件是要求吗 ,和是一个选择的人工干预。如果是真的,将不会被发送到边缘节点。。
3.4。执行过程
方程(1),(4)和(6)定义bsi模型和执行流程如图4。边缘节点是至关重要的,因为重组并在本地实时任务执行根据输入 。此外,边缘节点可以控制设备,如摄像头。他们直接存储一些信息,如过滤警报,和他们与云交互使用和包括条件,即 , ,和 。
具体地说,用于更新边缘节点的编程。云编译程序根据请求的任务使用算法1结果( )并发送边缘节点。一旦ePLC收到B接口 ,它将更新自己的本文件在弹性层然后热重启。
4所示。性能分析
分析bsi的性能,我们构建了一个代理的基站管理系统。如表所示3,这bsi模型由五个服务器。坐在阿里云服务器,web服务器为用户提供各种业务任务。任务引擎服务器负责管理,和MySQL服务器主机数据库。MQTT服务器与边缘节点直接交互。VPN服务器提供了一个私人联系经理和边缘节点。ePLCs是IEC61131-3-compliant [40),是由一个主CPU (STM32F207VCT6)和一个奴隶(MX283)。主CPU频率为454 MHz和128 mb的内存,和奴隶CPU 120 MHz和128 kb的RAM。本地数据库的容量为10 MB。
图5显示了服务器和边缘节点之间的关系。任务引擎与边缘节点通过MQTT服务器交互,一旦收到数据,任务引擎将其存储在MySQL数据库。用户可以与任务引擎服务器通信或MySQL数据库通过web服务器。在特殊情况下,管理人员可以通过VPN服务器直接访问边缘节点。web服务和VPN服务器辅助本文因为我们的重点是在重组和实时任务。因此,没有给出详细解释这些组件部分3,它们只包含在以下分析比较边缘节点响应时间。
进行分析,我们从1000年开始收集报警信息访问ePLCs 2018年1月的一个月期间。信息由维修人员的调度记录诊断的原因一个ePLC离线175例。我们在数据集包含的数据如果ePLC离线超过三天或有经验的停机一天10次以上。
4.1。可扩展性分析
就像前面提到的2、基站管理、可伸缩性是反映在一个边缘节点的能力重新编程或执行实时任务。bsi的重组和实时任务主要包括CA,房颤,中尉,然而,运营商可以添加任何其他重组任务到云服务器。
图6(一)列表的类型和数量的任务在我们的分析。没有任何房颤任务的记录。因此,只有CA和LT任务被认为是在这些分析。图6 (b)显示正常的百分比警报、中科院和LT警报基于价值六个月的数据为88%,11%,和1%,分别。只有一个相对小的比例的相关任务,但它们都迫切和需要执行实时(例如,拍照后烟雾报警器)。
(一)
(b)
全称,缩写和一些相关警报( )表列出了CAs4。我们使用来表示的中科院和来表示的th相关警报的数量。注意,不同类型有不同的逻辑流程中科院及其相关警报,所以我们认为闹钟减速比为50%。表示当前警报(CT)的总数表示警报的总数,CA (PT)没有被使用。总数量的减少相关警报,CA是不习惯(CARA)表示 。因此,被定义为 在哪里是CA的数量发生的类型。
然后,可以确定 和卡拉可以确定 。
应用(7)和(8)CA警报的数量和类型,发生在2018年1月只有如图7(一),我们发现一个总体下降60%警报。
(一)
(b)
4.2。响应时间分析
我们的第二个分析问题响应时间。我们比较了从网站响应时间(网络)和移动应用程序(应用程序)从边缘节点响应时间。结果,平均超过1000运行时,如图所示8,分为两个阶段。从边缘节点响应时间到云,然后呢响应时间从云端到网站或移动应用程序。边缘响应时间( )跨几个周期内降至低于近0.1年代整体因为ePLCs在本地执行的功能。相比之下,云之间的响应时间和网站/应用程序( )分别约为2.3和3.2年代。云之间的平均响应时间和网站/应用程序( )分别是3.9和4.3年代,很大程度上是因为有线网络速度比手机网络速度快。
(一)
(b)
4.3。可靠性分析
进行可靠性分析,我们测量的总停机时间ePLCs 2018年1月。如图9,平均停机时间比率为0.66%。由此,我们可以得出结论,bsi可靠性高的正常运行时间。此外,我们跟踪的原因停机时间离线ePLCs的175例。被蒸馏的原因分类:边缘节点故障(ENF) 36;过时的软件(LSV) 13;信号问题(SP) 10;SIM卡问题(SCP) 23;连接无线模块中的错误(WEW) 10;重复的id (IR) 1;软件更新失败(进而)4; low power to the edge node (LPE) 8; restart failures (RF) 3, wireless module faults (WMF) 31; IP problems (IP) 12; fake stations (FS) 19; and “other”(O) 36. Figure10说明了这些问题相应的ePLC停机造成的,假设这些原因占0.66%的停机时间。这些数据将被用来通知未来的研究。
5。结论
在这篇文章中,我们解释了与使用云计算相关的问题作为基站平台管理系统。在响应我们的解决方案是一个edge-cloud物联网计算系统,称为bsi,允许ePLCs作为边缘节点在本地执行特定的任务。bsi有几个优点。边缘节点可重复编程的,比云服务器实时响应率要低得多,这特别有利于发出报警信号和连接任务。此外,bsi无缝集成云计算和边缘系统的组件。分析的可伸缩性、响应能力和可靠性的bsi指示警报的数量减少了60%,一个潜在的边缘响应时间小于0.1秒,停机率为0.66%。
在未来的工作中,我们将探索将人工智能集成到系统架构的潜力,进一步提高bsi的性能。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是由中国国家自然科学基金的资助(没有。U1609211)和浙江省的科技项目(没有。2018 c04001)。