基于物联网系统的自主计算技术解析

### 基于物联网系统的自主计算技术解析 #### 1. 自主计算概念 物流领域的应用设计注重自愈、配置优化和保护等自*能力。这种方法在两个层面具有重要意义：一是与事物（或其作为代理的虚拟化）相关；二是与负责大规模业务系统行为编排的服务覆盖层相关。 整体范式受自主计算研究领域的启发，该领域在过去十年有了很大发展，人们对如何实现具有自我管理能力（涵盖所有先前的自*阶段）的系统有了共识。其主要步骤的高层设计受MAPE - K循环的启发，这是自主计算领域的一个关键概念。 MAPE - K自主循环（监控、分析、规划、执行和知识）是自主系统设计的蓝图，其中被管理元素由一个分为4个阶段和一个公共知识的循环进行协调。具体阶段如下： - **监控**：监控组件负责观察和管理相关数据的不同来源（这里称为传感器），这些传感器提供有关系统性能的信息。在当前环境中，传感器可以捕获关键资源的当前消耗以及其他性能指标，如时间窗口内处理的请求数量和请求处理延迟。监控粒度通常由规则指定。当系统配置发生变化且需要做出反应时，传感器还可以生成通知。 - **分析**：分析功能负责处理监控组件捕获的信息并生成高级事件。例如，它可以结合服务调用值和内存利用率来发出平台过载的信号。 - **规划**：规划组件负责选择需要应用的操作，以纠正与期望操作范围的偏差。规划组件依赖于描述系统适应计划的高级策略。这些策略可以使用事件条件动作（ECA）规则来描述，这些规则由高级语言定义。在物联网环境中，这些操作可能会影响虚拟化事物的使用以及它们之间的绑定。 - **执行**：执行组件将规划组件选择的操作应用到目标组件。 此外，共享知识包含支持其他组件的信息。在物流领域，它维护与运输基础设施和相关货物有关的被管理元素的信息。 #### 2. MAPE - K循环的应用方式 当系统规模大、复杂且异构时（物流系统就属于这种情况），单个MAPE循环可能不足以管理自适应。在这种情况下，可以使用多个MAPE循环来管理系统的不同部分。在具有多个MAPE循环的自适应系统中，监控、分析、规划和执行功能可以由多个相互协调的组件完成。实践中使用了各种交互控制循环模式，通过多种方式集中和分散自适应功能。例如： - **Rainbow框架**：将监控和执行委托给受控系统的各个节点，而分析和规划则集中进行。 - **IBM架构蓝图**：将MAPE循环进行分层组织，每个层次都包含所有四个MAPE组件的实例。在这种设置中，高层MAPE循环为下级MAPE循环确定设定值。 - **完全分散设置**：相对独立的MAPE组件相互协调，在需要时对系统进行自适应。 将集中控制循环模式应用于大规模软件系统可能会遇到可扩展性问题。因此，迫切需要开发分散但仍可管理、有效且可预测的技术来构建自适应软件系统。一个主要挑战是采用一种系统工程方法，将控制循环方法与受分散代理启发的方法相结合。 #### 3. 自主计算的应用领域 自主计算及其在自主网络领域的扩展，目前在电信和网络管理中找到了最具代表性的应用领域。其中一个最具代表性的问题是拥塞控制。设计高效的拥塞控制方案对于改善网络拥塞控制和有效实现数据传输非常重要。设计此类方案的主要困难在于传输中的大传播延迟，这通常会导致网络资源与允许的流量量之间不匹配。网络控制的关键问题是使可控流量适应不断变化的网络环境，以实现数据传输目标并缓解网络拥塞。 另一个与物联网领域相关的用例是服务工程，特别是自验证服务系统。服务系统面临着持续服务可用性和质量风险的挑战，而自主控制的使用可以利用概率故障模型的知识在运行时进行持续适应。 自主计算为系统（包括网络软件系统）提供了一种架构，使其具有灵活性、动态性和适应性。它提供了技术来抵消随着网格扩展计算领域而带来的固有复杂性增加。例如，自我管理的自主系统可以帮助优化流程性能并管理整个环境中的工作负载，以确保资源得到最有效利用。 在物联网领域，有两个关键领域可以从自主计算方法中受益： - **面向服务的事物暴露**：通过使用基于标准的接口和连接，面向服务的架构（SOA）使IT组织能够创建按需连接的应用程序构建块。自主计算利用这种集成服务模型，促进作为服务暴露的异构事物之间的通信。 - **大规模虚拟化**：虚拟化技术允许IT基础设施所有者或管理者将计算资源（服务器、网络、存储设备）整合到一个具有公共接口的单一环境中，以便按需分配和更有效地管理。自主计算可以在更细粒度的级别上管理IT资源，动态配置软件并在多个级别上管理工作负载。 #### 4. 场景描述 为了说