Skip to content

Latest commit

 

History

History
210 lines (144 loc) · 9.01 KB

README-CN.md

File metadata and controls

210 lines (144 loc) · 9.01 KB
Raw

LF Edge eKuiper - 超轻量物联网边缘数据分析软件

GitHub Release Docker Pulls codecov Go Report Card Slack Twitter 问答社区 YouTube

English | 简体中文

概览

LF Edge eKuiper 是一款可以运行在各类资源受限硬件上的轻量级物联网边缘分析、流式处理开源软件。eKuiper 的一个主要目标在边缘端提供一个实时流式计算框架（与 Apache Flink 类似）。eKuiper 的规则引擎允许用户使用基于 SQL 方式，或者 Graph 方式的规则，几分钟内快速创建边缘端的分析应用。

arch

应用场景

eKuiper 可以运行在各类物联网的边缘使用场景中，比如，

  • 工业物联网中对生产线数据进行实时处理；
  • 车联网中的车机对来自汽车总线数据的即时分析；
  • 智慧能源场景中，风电和大规模储能场景中进行实时分析；

通过 eKuiper 在边缘端的处理，可以提升系统响应速度，节省网络带宽费用和存储成本，以及提高系统安全性等。

功能

  • 超轻量

    • 核心服务安装包约 4.5MB，首次运行内存使用约 10MB

  • 跨平台

    • CPU 架构：X86 AMD * 32/64; ARM * 32/64; PPC
    • 常见 Linux 发行版、OpenWrt 嵌入式系统、MacOS、Docker
    • 工控机、树莓派、工业网关、家庭网关、MEC 边缘云等

  • 完整的数据分析

    • 数据抽取、转换和过滤
    • 数据排序、分组、聚合、连接
    • 60+ 各类函数，覆盖数学运算、字符串处理、聚合运算和哈希运算等
    • 4 类时间窗口，以及计数窗口

  • 高可扩展性

    可支持通过 Golang 或者 Python 在 源 (Source)，SQL 函数，目标 (Sink) 三个方面的扩展

    • 源 (Source) ：允许用户接入更多的数据源用于数据分析
    • 目标(Sink)：允许用户将分析结果发送到不同的扩展系统中
    • SQL 函数：允许用户增加自定义函数用于数据分析（比如，AI/ML 的函数调用）

  • 管理能力

  • 与 EMQX 产品集成

    与 EMQX, Neuron 和 NanoMQ 等产品无缝集成，为 IIoT 和 IoV 等提供端到端的解决方案

快速入门

社区

你可通过以下途径与 EMQ 社区及开发者联系:

欢迎你将任何 bug、问题和功能请求提交到 lf-edge/ekuiper。

会议

欢迎订阅社区日历 。

欢迎参加社区周会，每周五早上 10:30（北京时间）举行。

贡献

感谢您的贡献！请参阅 CONTRIBUTING.md 获取详细信息。

性能测试结果

MQTT 吞吐量测试支持

  • 使用 JMeter MQTT 插件来发送数据到 EMQX 服务器，消息类似于 {"temperature": 10, "humidity" : 90}， 温度与湿度的值是介于 0 ～ 100 之间的随机整数值
  • eKuiper 从 EMQX 服务器订阅消息，并且通过 SQL 分析数据： SELECT * FROM demo WHERE temperature > 50
  • 分析结果通过 文件插件 写到本地的文件系统里
设备 每秒发送消息数 CPU 使用 内存
树莓派 3B+ 12k sys + user: 70% 20M
AWS t2.micro (x86: 1 Core * 1 GB)
Ubuntu 18.04		 10k sys + user: 25% 20M

EdgeX 吞吐量测试

  • 一个 Go 应用 用于向 ZeroMQ 消息总线发送数据，数据如下。

    {
  "Device": "demo", "Created": 000, …
  "readings": 
  [
     {"Name": "Temperature", value: "30", "Created":123 …},
     {"Name": "Humidity", value: "20", "Created":456 …}
  ]
}

  • eKuiper 从 EdgeX ZeroMQ 消息总线订阅数据，并且使用 SELECT * FROM demo WHERE temperature > 50 来分析数据，其中 90% 数据被规则所过滤。

  • 分析结果将被发送到 nop sink，所有的数据都被忽略。

每秒发送消息数 CPU 使用 内存
AWS t2.micro( 1 Core * 1 GB)
Ubuntu18.04		 11.4 k sys+user: 75% 32M

最大规则数支持

  • 8000 条规则，总吞吐量为 800 条消息/秒
  • 配置
    • AWS 2 核 * 4GB 内存
    • Ubuntu
  • 资源消耗
    • 内存: 89% ~ 72%
    • CPU: 25%
    • 400KB - 500KB / 规则
  • 规则
    • 源: MQTT
    • SQL: SELECT temperature FROM source WHERE temperature > 20 (90% 数据被过滤)
    • 目标: 日志

多规则共享源实例测试

  • 300 条规则，处理一个共享流
    • MQTT 源吞吐量为 500 条消息/秒
    • 总的消息处理吞吐量为 150，000 条消息/秒
  • 配置
    • AWS 2 核 * 2GB 内存
    • Ubuntu
  • 资源消耗
    • 内存: ~95MB
    • CPU: 50%
  • 规则
    • 源: MQTT
    • SQL: SELECT temperature FROM source WHERE temperature > 20 (90% 数据被过滤)
    • 目标: 90% nop 10% MQTT

请参考测试指南进行该基准测试。

文档

请到官网查看最新的文档

视频教程

从源码编译

准备

  • Go version >= 1.23

编译

  • 编译二进制：

    • 编译二进制文件: $ make

    • 编译支持 EdgeX 的二进制文件: $ make build_with_edgex

    • 编译核心包的二进制文件: $ make build_core

  • 安装文件打包：

    • 安装文件打包：: $ make pkg

    • 支持 EdgeX 的安装文件打包: $ make pkg_with_edgex

  • Docker 镜像：$ make docker

    Docker 镜像默认支持 EdgeX

项目版本页面里提供了预编译的二进制文件。如果您的操作系统或架构没有预编译的文件，请使用交叉编译自行构建，请参考此文档。

编译时，用户可通过 go build tags 选择需要编译的功能编译出自定义的仅包含所需功能的二进制包从而减少可执行文件的大小。在资源受限的环境中，包的大小尤其重要。进一步的信息，请参考功能。

开源版权

Apache 2.0