工业数据系统中统一命名空间的架构设计方法性能评估

《Internet of Things》：Performance Evaluation of Architectural Design Approaches for Unified Namespace in Industrial Data Systems

　　

工业4.0(Industry 4.0)范式正将工业系统转变为高度互联的、数据驱动的生态系统，这要求在运营和企业域之间进行可靠的信息交换。这促使了统一命名空间(Unified Namespace, UNS)作为一种架构模式被采用，以解决传统ISA-95(国际自动化学会，International Society of Automation)分层集成的局限性。然而，在现实的工业条件下，对替代UNS设计方法的系统性比较仍然有限。为了填补这一空白，研究人员对两种领先的UNS设计策略进行了受控的性能评估：Schultz方法将命名空间分布在与ISA-95企业层级对齐的多个MQTT(消息队列遥测传输协议，Message Queuing Telemetry Transport)代理上；Parris方法则在单个代理的主题命名空间内编码完整的ISA-95层级。在等效负载条件下，这两种策略被部署在同一个IIoT(工业物联网，Industrial Internet of Things)平台上，使用包含80个标签的标准化命名空间，以一秒的扫描率在两小时的观察窗口内发布。定量指标通过自动化的Prometheus-Grafana监控管道收集，结构化的定性评估涵盖了集成性、弹性、灵活性、安全性、实施工作量和可扩展性。结果揭示了两种设计之间互补的权衡关系。Parris方法的消息吞吐量几乎是Schultz方法的两倍，而Schultz方法则表现出更低的包活动和更高效的代理资源利用率。敏感性分析证实，随着工作负载的增加，这些趋势依然存在。因此，Schultz方法更适合容错和可扩展的部署，而Parris方法更适合需要快速集成和互操作性的应用。这些发现为工业4.0中的UNS架构选择提供了指导。

第四次工业革命正通过将物理资产与数字技术整合，重塑工业生产。在工业4.0(Industry 4.0)范式下，信息物理系统(CPS，物理与数字世界融合的系统)、IIoT(工业物联网，将物理设备连接到网络以交换数据的系统)和云计算等技术使工厂变得日益互联和数据驱动。当这些技术被妥善编排时，通过将原始数据转化为支持基于证据决策的情境化信息，可以显著提高生产力、可用性和灵活性。然而，传统的ISA-95(国际自动化学会，制定工业自动化标准的组织)标准作为构建业务与控制系统交互的主要参考，其垂直集成方法往往产生僵化的架构。集成新设备或分析工具通常需要点对点连接和层间的自定义接口，增加了工程工作量，降低了敏捷性，并限制了不相邻层级间的无缝数据交换。为了克服这些局限性，统一命名空间(UNS，一种将工业实体和事件组织在单一结构化中心枢纽的架构模式)应运而生。它重新思考工业数据如何组织和分发，建立一个中心化的结构化命名空间，作为组织实时状态的单一事实来源。尽管基于UNS的架构在学术界和工业界的兴趣日益浓厚，但在受控的工业工作负载下，尚未有系统研究比较替代的UNS设计方法。特别是Schultz方法和Parris方法，由于在延迟、吞吐量、资源利用率和弹性方面涉及不同的权衡，且缺乏在统一实验框架中的定量表征，实践者在做出直接影响其IIoT部署的可扩展性、可靠性和运营成本的架构决策时，只能依赖非正式的社区指导或供应商建议。为了填补这一空白，研究人员开展了对两种领先的UNS设计策略的受控性能评估：Schultz方法将命名空间分布在多个与ISA-95企业层级对齐的MQTT(消息队列遥测传输协议，一种轻量级发布/订阅消息协议)代理上；Parris方法则在单个代理的主题命名空间内编码完整的ISA-95层级。研究表明，Schultz方法表现出更有纪律性和层次化的架构，导致主题冗余减少、包活动降低以及代理资源使用效率提高；而Parris设计表现出更高的消息吞吐量、更大的包交换和增加的客户端交互，反映了更动态和集中的通信模型。这项研究的重要意义在于，研究结果强调了UNS设计应由系统目标和操作约束驱动，为在现实工业部署中选择合适的UNS策略提供了实用指导。论文发表在《Internet of Things》。

研究人员使用了构建在同一IIoT平台上的受控测试环境来评估两种UNS架构。样本队列来源于模拟的多站点工业结构，包含两个站点，每站点含两个区域，每区域一条生产线，每条线分为两个单元，共8个单元，每单元暴露10个标签，共80个标签。研究使用Ignition作为工业物联网平台，以1秒扫描率和MQTT QoS(服务质量，Quality of Service)级别0发布数据，企业级代理使用EMQX Cloud Dedicated部署。指标提取通过Prometheus定期查询EMQX代理API并存储为时间序列数据，使用Grafana进行可视化，数据导出至MATLAB进行后处理以生成性能图表。

Number of MQTT Topics and Subscriptions (MQTT主题和订阅数量)：通过监测代理上的活动主题和订阅数量，研究发现由于Parris方法的集中式特性，其架构需要23个活动主题和订阅，而Schultz架构仅需15个，增加了约53%。Schultz在代理层面的命名空间复杂度更低，随着设备增加有助于提高可扩展性。
Number of Authentications and Authorizations (身份验证和授权数量)：通过记录成功身份验证和允许的授权事件，发现Parris架构记录了6次成功身份验证，而Schultz仅有1次；允许的授权数量几乎翻倍。Schultz技术的分层架构有效解耦了身份验证流量，减少了对企业级代理的直接访问，加强了安全分段。
Data Flow (数据流)：通过计算代理接收和发送的平均字节速率，发现Schultz技术接收和发送的平均数据速率均低于Parris技术。Schultz方法以更受控和平衡的方式管理流量，而Parris将流量集中在单点，在数据量增加时限制了整体性能。
Number of Clients (客户端数量)：通过统计连接和授权的客户端数量，发现Parris技术有6个连接客户端，平均16个授权客户端；Schultz有1个连接客户端，平均12个授权客户端。Schultz的分布式结构限制了每个代理的直接连接客户端数量，有利于局部自主性并减少集中连接负载。
Number of Messages (消息数量)：通过测量消息接收和传输速率，发现Parris架构在两个方向上均实现了更高的消息速率。这是因为其集中式架构允许直接消息传递，而Schultz方法在层级间分发消息处理，引入了额外的处理步骤，从而降低了整体消息速率。
Packet Activity (包活动)：通过监测客户端与代理之间的包流量，发现Parris技术在所有测量指标上始终产生更高的包流量，包括接收和发送的PPS(packets per second，每秒数据包数)、有效载荷以及维持MQTT会话的PINGREQ数据包。Schultz产生更适度的包活动，减少了网络开销和资源消耗。
Integration (集成性)：研究发现Parris方法采用直接方法，所有路径发布到单个集中式MQTT代理，减少了中间层，降低了初始配置工作量。Schultz方法需要配置区域、站点和企业级别的UNS节点，需要更强大的IT基础设施和团队协调，部署了多个中间代理实例，消耗更多资源。
Resilience (弹性)：Schultz方法基于分布式架构，在站点或区域代理发生局部故障时允许系统继续运行，提供容错和风险分段。Parris依赖集中式结构，代理中断或云连接丢失会立即影响整个基础设施，弹性有限。
Flexibility (灵活性)：Parris方法具有更高的操作灵活性，支持MQTT的系统和应用可直接连接代理。Schultz方法需要在每个UNS级别部署工业IIoT平台，限制了与外部应用的兼容性。
Security (安全性)：Schultz方法通过采用分布式MQTT代理层次结构，允许为每个网络节点定制身份验证和授权策略，实现更细粒度的权限分段和事件遏制。Parris的集中式模型使所有流量集中，增加了安全事件的潜在影响。
Implementation (实施)：Schultz方法通过IIoT平台自动管理UNS级别的分段，提供更直接和结构化的实施。Parris方法需要手动执行UNS的层级结构化，需要更高的技术专业知识，实施较为复杂。
Scalability (可扩展性)：Schultz方法允许将新元素直接集成到UNS的相应层级中，自动更新基础设施。Parris方法需要手动定义新路径并适配IIoT平台，Schultz在支持系统增长方面更高效。
Sensitivity Analysis (敏感性分析)：通过扩展实验设置，评估了基线、中间和高密度三种负载场景。结果显示，随着标签密度增加，所有测量指标的绝对量值相应扩大，但Schultz和Parris架构之间的相对行为关系在所有配置中保持一致。这证实了这些发现反映了每种设计方法固有的结构特性。

研究人员对Schultz和Parris技术的对比分析提供了它们在不同工业环境中的性能和适用性的全面概述。Parris在消息管理和包活动方面评级为高，在集成和灵活性方面也评级为高；Schultz在MQTT主题和会话管理、身份验证和授权、数据流、客户端管理、弹性、安全性、实施和可扩展性方面评级为高。Schultz技术最适合优先考虑运营稳定性、可预测系统行为和快速可靠部署的环境，而Parris技术更适合需要快速适应系统变化的演进架构或分布式环境。David Schultz和Matthew Parris提出的这两种技术都不是普遍优越的，而是呈现出与不同IIoT部署要求相一致的权衡。

研究结论表明，这项工作在实施的IIoT测试环境中，对两种UNS设计技术进行了结构化比较。通过在相同负载条件、命名空间结构和数据生成模式下部署这两种架构，评估隔离了架构差异，并实现了基于代理级定量和定性指标的客观评估。结果显示，Schultz方法表现出更有纪律性和分层组织的架构，导致主题冗余减少、包活动降低以及代理资源使用效率提高。相反，Parris设计表现出更高的消息吞吐量、更大的包交换和增加的客户端交互，反映了更动态和集中的通信模型。从定性角度来看，分析强调这两种方法都不是普遍优越的；相反，每种方法都呈现出与不同IIoT部署要求相一致的权衡。Schultz架构更适合优先考虑可扩展性、结构清晰度和长期可维护性的场景，特别是在分布式系统中。同时，Parris方法在需要快速数据分发、简单集成和具有最小架构开销的高消息活动的环境中具有优势。总体而言，研究结果表明，UNS设计应由系统目标和操作约束驱动，而不是单一架构范式，为在现实工业部署中选择合适的UNS策略提供了实用指导。