app开发协议书-app制作公司开发一个app价格

[酷] 包含4大领域：数据采集与治理、数据架构、数据能力、数据应用；15大数据模块：既包含数据采集、数据治理、数据仓库等传统技术模块，又包含云原生、因果推断、预训练等新锐技术模块。

​[给力] 如何获得这份《数据智能知识地图》？关注公众号“大话数智”，即可免费下载

​导读：本次分享题目为映云科技 EMQ 的工业设备数据采集平台，主要分享数据采集的工具，总结工业设备采集的经验，以及介绍工业应用中的解决方案。

今天的介绍主要围绕“Neuron v2.0 功能及核心模块介绍”展开。全文目录：

分享嘉宾｜张奉前 映云科技 工业物联网产品总监

编辑整理｜陈妃君 深圳大学

出品社区｜DataFun

01

工业设备数据采集经验

1. Data Infrastructure for IoT 开源产品组合

EMQ 公司的产品基于全球领先的 MQTT 消息服务器和流处理数据库，实现从边缘端（Edge）到云端（Cloud）的一站式物联网数据「连接、移动、处理、存储与分析」服务。

2. Neuron 的应用情况及客户反馈

经过一年多 Neuron 1.x 版本的应用，我们分析了其应用情况和客户反馈消息，总结得下以下几个经验：

--

02

工业设备数据采集架构设计

通过以上 Neuron 1.x 版本的简介和应用案例分析，开始思考是否需要对 Neuron 的部分功能进行精简，使其更轻巧、更专注于数据采集功能。综合以上诸多考虑，我们决定从 v2.0 开始对 Neuron 的架构进行重新设计，同时将其开源，以满足更多用户的多样化需求。

1. Neuron 2.x IoT connectivity serve

Neuron 2.0 版本基于 1.x 版本，主要在以下几个方面进行改进：

2. EMQ 产品矩阵

相较于 1.x 版本，缩减 EMQ X Edge 产品模块。

3. Neuron 2.0 核心基础功能设计

对于 Neuron 2.0 设计主要从以下四个方面进行：

4. Neuron 2.0 的总线模式的拓扑结构

采用该总线模式的拓扑结构，可以满足一下功能需求：

① NNG 基础消息库

② 功能插件加载机制

③ 各个具体功能的节点

5. NNG 基础消息库

消息传输主要有以上六种传输模式，Neuron 选取了 Pair 传输模式建立星型消息总线，这一组织形式中的消息路由中心是基于 NNG 基础消息库提供了高效率的消息转发。NNG 基础消息库是一个轻量级消息层，可解决重复出现的消息问题，无需 Broker，可具有很好的可扩展性，因此在很多产品中应用该库。

6. Neuron 的层次结构图

基于上诉总线模式、NNG 基础消息库等结构，Neuron 的层次结构大致可分为三层：顶层、中间层和底层。

7. Neuron Manager 的设计

Neuron Manager 是很重要的模块，管理着总线模块和各种 Adapter。其主要有四个模块：

8. 数据标签管理及 Data Tag 设计

DataTag 数据标签是指数据在设备内的位置及属性，属性包括数据名字、类型、起始位置、占用大小及读写功能等。其主要工作流程如下：

9. Neuron 的 Pipe/Adapter 和 Plugin 设计

在 Plugin 中分开两个主要功能：callbacks 和 interface。主要通过以下逻辑实现：

10. Message 数据转换的设计

由于有不同的服务节点，提供应用或驱动服务app开发协议书，但每个节点能处理的数据类型都不同。可以看到不同的服务节点所处理数据类型差异很大，所以必须要有一个内在统一数据类型作为中转之用。在 Modbus 协议规格有定义能支持数据类型，就可以在服务节点内把 Modbus 数据类型转换成 Neuron Unified Data Type。一般北向应用例如 MQTT 或 eKuiper 都会以 JSON 格式去传送消息，而 JSON 的数据类型只有 boolean, string, number 等。Neuron Unified Data Type 最后转换成 JSON 数据类型发送消息。

11. Neuron 的 Plugin 的两种⼯作模式

Plugin 和 Adapter 之间有两种连接方法。一种是 Plugin 直接和 PLC 进行连线，多在南向中应用；另外一种是通过第三方软件连接在一起，多在北向中应用。

每个适配器 Adapter 都需要独立线程去执行，加载插件也需要另外线程去执行。所以每个服务节点都有两条执行线程。用户将所需要应用或功能插件，加载到适配器就可成为服务节点提供相应服务。一般插件都是以 Linux 动态库(.so 文件)型式加载到适配器。而且这些插件都支持热插方式，即是在运行时可随时加载或卸载。方便灵活。用户可以根据现场的工作情况动态增加和减少设备驱动的节点，具有良好的可配置性。所以在一般情况下，用户只需要将所需服务在插件里实现就可以，每个插件实现一种服务，这样设计隔离了各个节点之间功能的耦合。

如果所需要的应用是由第三方软件提供，这时候需要第三方代理插件作为第三方软件的桥梁。这个桥梁需要按照第三方通讯接口 API 实现数据交换app开发协议书，同时把挢梁实现在插件里加载到适配器，就可跟第三方软件连接。

12. Neuron 集成 eKuiper 协同⼯作

eKuiper 是由 EMQ 发起并托管在 LF Edge 基金会（Edge X Foundry），对无限的数据流进行状态分析的软件或者框架。eKuiper 是独立第三方软件，因此 Neuron 和 eKuiper 集成方法可参考代理插件模式。集成 eKuiper 有以下特点：

13. Neuron 的 data buffer 和 data 的元数据关系

这上面是 tagGroup 所需的资料，包括订阅管理、数据标签阵列，主要保存了数据名字、类型、起始位置、占用大小及读写功能等。下面是数据 buffer 的结构，数据是按照 tagGroup 次序排列，每次发送数据消息，都是依据 tagGroup 的排列次序。

14. Neuron 的 Plugin 的两种工作模式

① 客户端发出订阅请求，有 MQTT broker 转发。

② 收到转发数据订阅请求后，将订阅请求的 tag 组注册到设备对应的 configs 列表中，得到这个 tag 组 config 的 id，通过 response 接口通知 adapter 有关请求。

③ 将这些订阅请求 tag 组的 config 的 id 发送到 manager，manager 将这些请求交给 datatag manager 管理，datatag manager 会给这些订阅请求 tag 组加上对应的订阅者的 adapter id 对应的 pipe。

④ Manager 会发送一个订阅请求（包括 tag 组的 config 的 id）给设备关联的adapter，adapter 将这个请求通过 request 接口告诉 driver plugin。

⑤ Driver plugin 由 tag 组的 config 的 id 获取所有要读取的数据 tag，根据数据tag 读取的时间间隔 readInterval 建立一个间隔时间由少到多排列的数据 tag 的 id 队列，根据时间间隔来设定定时器。

⑥ 当定时时间到时，从队列头部取出请求的数据 tag 的 id，通过该 id 从 datatag table 中获取数据 tag 具体的配置信息，从设备读取配置信息制定要读取的数据，放进 neu_variable_t 中。

⑦ Driver plugin 将读取的数据的 neu_variable_t 通过 response 接口返回给adapter。

⑧ Adapter 将其转换为 databuf 放到 data message 中传给 manager。

⑨ Manager 调用 datatag manager 根据 databuf 中包含的 tag 组的 config 的 id 快速匹配到订阅者的 adapter，将 data message 发给所有订阅者的 adapter。

⑩ 订阅者的 adapter 再通过 requests 接口将数据发送给订阅者的 plugin，订阅者的 plugin 将请求的数据发送给订阅者应用。

⑪ 把数据发送回客户端。

15. Neuron 的数据流的汇聚/分散（gather/scatter）

我们主要是通过以上两个方式实现对数据流的汇聚和分散的。

16. Plugin 模式的两种实现方法

用户可以自行编写的 plugin 有两类，一类是半堆叠插件，另一类是全堆叠插件。

--

03

案例分享

1. 案例分享1——某油田生产数据采集方案

为将 Neuron 应用到油田服务中，发挥设备数据采集的作用，我们制定以下方案：

随着用户与应用场景的不断增加，我们逐渐发现最初多协议、单连接的设计开始无法适应多样的场景需求。以油田服务数据采集为例，要将所有油井数据汇聚到同一服务器上，需要 Neuron 同时提供多个连接到不同地区的油井。这是流程型工业生产，和离散型工业利用 SCADA 批量生产的情况有很大不同。

2. 案例分享2——智慧工厂设备数据采集及产品质量溯源

另一流程型生产的案例是半导体芯片的生产控制，面对生产环境的复杂性和对数据采集的高要求，主要需要解决以下几个痛点：

针对以上痛点，EMQ 提出了以下解决方案：

EMQ X Enterprise 将多段 Neuron、eKuiper 采集的数据进行统一汇聚，数据推送到数据库及大数据系统做持久化存储。

今天的分享就到这里，谢谢大家。

｜分享嘉宾｜

张奉前

杭州映云科技 工业物联网产品总监

从事15年工业自动化及编写SCADA经验，曾参与国内外大型自动化项目，包括汽车零件电镀生产线、太阳能硅片生产线等等。

｜DataFun新媒体矩阵｜

｜关于DataFun｜

专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请超过2000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章800+，百万+阅读，15万+精准粉丝。