面向计算连续体数字孪生的可扩展模块化开源技术栈

《Future Generation Computer Systems》:A Scalable and Modular Open-Source Stack for Computing Continuum Digital Twins

【字体: 大 中 小 】 时间:2026年02月04日 来源:Future Generation Computer Systems 6.2

编辑推荐:

  摘要:智能物联网(IoT)设备的指数级增长以及信息物理系统(CPS)的发展,为现代应用带来了新的挑战与需求,其中包括各种物理与虚拟元素之间无缝互连与互操作交互的需求。考虑到与边缘计算和云计算技术融合的需求,以及跨计算连续体资源管理IoT应用的需求,IoT技术的

  
摘要:智能物联网(IoT)设备的指数级增长以及信息物理系统(CPS)的发展,为现代应用带来了新的挑战与需求,其中包括各种物理与虚拟元素之间无缝互连与互操作交互的需求。考虑到与边缘计算和云计算技术融合的需求,以及跨计算连续体资源管理IoT应用的需求,IoT技术的丰富与转型正在持续推进,以支持此类交互。这种更广泛的连接性与数字孪生(DT)的发展密切相关,数字孪生利用了IoT设备和CPS虚拟副本的开发优势。需要新颖的架构方法来管理复杂的DT拓扑,这些拓扑共同形成数字孪生网络(DTN),作为中间件提供高级通信、高效编排和自主决策能力。本稿件提出了一种架构方法以及相关的开源软件栈实现——称为VOStack——用于开发DT。VOStack在设计上是开放且模块化的,同时解决了IoT互操作性以及与边缘和云计算技术融合的挑战。VOStack在各种部署模式、虚拟化技术下进行了全面评估,并基于智慧城市场景中IoT应用的提供,展示了资源的高效利用以及机器学习(ML)驱动的编排机制的高效率。
论文解读文章

随着智能物联网(Internet of Things, IoT)设备的指数级增长,以及信息物理系统(Cyber-Physical Systems, CPS)的快速发展,现代应用对无缝互联和互操作交互提出了更高要求。6G技术的出现进一步支持了物理与虚拟实体在多点分布环境中的实时交互。然而,当前IoT技术与边缘计算、云计算技术的融合仍面临互操作性、资源编排和自主决策等挑战。数字孪生(Digital Twin, DT)作为物理对象的虚拟副本,能够通过持续的数据交换和交互实现对物理设备的监控、模拟、预测与控制。尽管DT在众多领域已得到应用,但尚缺乏通用化的建模方法、参考架构及相应的开源实现。现有研究大多针对特定场景,在语义互操作、模块化、可扩展性及与新兴虚拟化技术的协同方面存在不足。为此,研究人员在已有IoT虚拟化工作基础上,提出了一种支持DT和数字孪生网络(Digital Twin Network, DTN)开发与管理的架构方法,并实现了名为VOStack的开源软件栈,旨在解决IoT互操作性及其与边缘/云计算技术融合的挑战。该研究发表于《Future Generation Computer Systems》。

研究人员在本文中开展了以下主要工作:首先,定义了虚拟对象(Virtual Object, VO)、复合虚拟对象(Composite Virtual Object, cVO)、VOStack、数字孪生(DT)、数字孪生网络(DTN)及IoT应用图等核心概念,并提出了包含物理层、数字孪生层和应用层的三层参考架构。其次,基于W3C Web of Things(WoT)规范,设计并实现了VOStack开源软件栈,其包含物理汇聚层、后端逻辑层和边缘/云汇聚层,并支持通过Sidecar扩展功能。随后,面向智慧城市早期火灾检测场景,构建了包含多设备视频采集、压缩、传输及边缘/云端实时推理的IoT应用图。研究人员在该场景中设计了两个基于机器学习(Machine Learning, ML)的智能体:基于强化学习(Reinforcement Learning, RL)的自适应实时推理智能体,以及基于k近邻(k-Nearest Neighbors, kNN)回归的应用图资源管理智能体。最后,通过三个实验对VOStack及所提ML机制进行了全面评估,并与Eclipse Ditto和EdgeX Foundry等开源框架进行了对比。

为开展研究,作者主要采用了以下关键技术方法:其一,基于W3C WoT规范的VOStack模块化软件栈设计,利用Thing Description描述设备属性、动作和事件,实现协议互操作和语义互操作;其二,支持多协议通信,包括HTTP、MQTT、CoAP、WebSockets和Zenoh,并兼容IPv4/IPv6及TCP/UDP;其三,轻量级虚拟化部署,支持原生、Docker容器及Kubernetes Pod三种部署模式,并通过Helm Charts实现统一编排;其四,强化学习(RL)方法,采用近端策略优化(Proximal Policy Optimization, PPO)算法训练网络控制智能体,以适应动态网络条件和设备电池状态;其五,kNN回归算法用于应用图资源自动缩放决策,结合Prometheus监控和Custom Pod Autoscaler(CPA)实现水平扩展。实验数据来源于公开的YouTube视频流数据集和Azure突发请求模式数据集,并模拟了三台IoT设备参与推理过程。

实验A评估了VOStack的部署时间、协议启动时间及多协议性能。结果表明,在Intel NUC上原生部署时启动时间仅为0.78秒,而资源受限的Raspberry Pi需2.53秒;HTTP协议启动时间最短(0.84秒),Zenoh协议因Python库加载较慢需1.43秒。协议性能测试显示,HTTP可轻松处理60请求/秒下小于1MB的负载,延迟低于150毫秒;MQTT和Zenoh在几乎所有负载组合下均表现良好,而CoAP在处理超过100KB负载时性能下降。与Eclipse Ditto和EdgeX Foundry的对比表明,在2 vCPU配置下,VOStack的请求延迟分别比Ditto低至少6%、比EdgeX低5%;在静态负载下,VOStack的延迟分别比Ditto和EdgeX低至少42%和38%。多协议组合测试显示,南向接口采用HTTP、北向接口采用MQTT的组合平均延迟为0.097秒,比其他组合平均低21.9%。

实验B评估了基于RL的网络控制智能体。训练采用PPO算法,经过50000时间步后奖励收敛。与YouTube DASH基线算法相比,VOStack的累计平均奖励提高了33%,推理效率分数(置信度与能耗之比C=J/E)提高了21%。按设备起始电池水平划分的三种场景中,VOStack的推理效率分别比DASH算法高38%、33%和36%,表明RL智能体能够根据设备状态优化卸载过程,在电池水平极低或极高时均能实现最佳推理效率。

实验C评估了基于kNN的应用图资源管理智能体。在Kubernetes集群上,将该机制与Kubernetes Horizontal Pod Autoscaler(HPA)进行对比。结果表明,所提机制在实验期间表现出更高的自适应调整频率,能够更精准地按需部署副本,使平均CPU核心利用率降低2.5%(从4.07降至4.02),SLA违规率降低18.5%(从3.6%降至3.0%),P95延迟从1.76秒降至1.71秒,实现了更高效的资源管理和更低的延迟违规。

讨论部分指出,VOStack在部署时间、协议性能、资源效率等方面均优于现有开源框架,且其模块化设计支持通过Sidecar无缝集成ML驱动的智能体,为DTN提供了自主决策和端到端编排能力。研究结论部分(第7节)总结:本文介绍了VOStack——一个开源模块化软件栈,用于协助实现复杂的DT和DTN,并促进计算连续体中的IoT应用开发。VOStack的分层架构提供了不受特定场景限制的模块化软件解决方案,可成为现代DT框架的基石。软件实现与W3C WoT规范保持一致。通过全面的实验评估,突出了所提解决方案相比其他方案的优势。此外,研究人员为智慧城市场景建模了基于ML的网络和应用编排解决方案,并针对端到端编排的基线技术进行了评估。未来工作将扩展VOStack的复杂功能,如设备移动性场景,并开发更先进的ML技术以控制6G网络(如太赫兹通信),以及设计更优的AI/ML资源管理技术,以进一步发挥DT从物理层和应用层获取知识、实现高效端到端编排的潜力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号