2017年GE Minds+Machines大会总共有200场左右的报告，分别围绕着GE 的几个部分，即边缘、平台、应用以及安全展开。据我们不完全统计，结合应用产品的应用场景介绍是重头戏，占据了50%，而Predix平台功能介绍、边缘以及安全部分则分别占据了25%、15%和10%左右。这也很好的配合了本次大会的目的——数字化转型。数字化转型追求的不是工具和能力，而是最终的效果，但是工具和能力对转型的效果起到了加速和提高效率的关键作用。
本文是2017 GE Minds+Machines见闻系列的第二篇，第一篇内容可点击回顾《2017 GE Minds+Machines见闻（一）》。
本篇重点剖析Predix的边缘和平台（由于内容过长，本篇将分为上、下两部分发布），第三篇将重点介绍利用GE基于Predix架构开发的应用，以及其在各个行业（航空、电力能源、油气、交通以及制造）中的实际案例。
一、Predix远远不止是平台
“The world runs on industry, and industry runs on Predix”
这次大会的技术主线，都是围绕Predix展开的。国内很多媒体喜欢在Predix后面加上一个“平台”，其实Predix最开始是一个PaaS平台，但是随着GE对其的不断完善，现在已经超越了平台的概念，成为GE Digital的当家花旦。Predix不仅包括了平台，还包括了如何连接设备以及在边缘端进行复杂操作的Predix Machine，以及基于Predix平台开发出来的各种应用。
Predix最新的架构如下（曾更新过很多次）：
现在的架构同两年前相比，虽然还是分为边缘端、云端（平台端）和应用端，但最大的区别是将应用和平台拆开了，在平台层提供更丰富的工具和能力，而应用层则是围绕着资产、运营和商业的应用。
1、边缘端
众所周知工业设备的连接和协议具有复杂性和多样性的特点，并且很多是与GE有竞争关系的各大厂商（西门子、ABB等）主导的封闭协议，因此Predix并不直接提供实现数据采集的硬件网关设备，但是提供了一个网关框架——Predix Machine，以实现数据的采集和连接。
而本届大会让我们大开眼界。Predix提供了Predix Machine的开发框架，支持开放现场协议的接入，并增强了边缘计算的功能，由合作伙伴开发相应的设备接入和边缘计算的功能。尤其值得关注的是Predix提供的边缘计算功能，在国内还在讨论什么是边缘计算的时候，Predix已经通过丰富的实际案例定义了边缘计算的实现框架。
第二章“边缘篇“有专门关于网关和边缘计算部分的详述。
2、平台端
Predix的精髓是平台层，这是一个基于Cloud Foundry的PaaS平台，提供了工业大数据分析+工业物联网接入的综合平台，它为工业数据分析、建模以及工业应用开发提供丰富的能力支持。
Predix平台的核心是Digital Twin，通过从Asset Model、Analytics以及Knowledge Base三方面对Digital Twin进行实例化，为工业应用提供了非常坚实的开发和构建基础。
Predix提供了数百种工业资产模型、分析模型和算法，支持开发者利用各种分析和编排工具，快速实现模型的训练和开发，快速搭建原本需要业务专家很长时间才能完成的数据建模工作。
同时，Predix提供了非常丰富的开发工具，不仅包括基于Cloud Foundry的高控制力的开发环境，还在本届大会上推出了针对高生产力、普通运营人员使用的、托拉拽式的应用开发环境，极大的降低了工业开发的难度。
此外，考虑到每个行业在应用开发和数据分析上的专业性需求，GE承认自己在其他行业Know-How的不足，因此将Predix作为能力平台开放出来，希望团结众多的合作伙伴，利用合作伙伴最后一公里的交付能力，帮助其他行业的客户快速搭建工业应用。Predix在生态构建方面做得非常不错，目前已经有超过33000位开发者、300个合作伙伴基于Predix平台在进行应用开发，业内也在逐步认可Predix在工业互联网生态中的影响力。“好的平台具有黑洞效应”，Predix会汇聚越来越多的注意力和资源，当越来越多的开发者习惯Predix的开发思路之后，后进者需要更大的代价才能说服其切换。
2017 GE Minds+Machines见闻（二）下的“平台篇”将有专门的篇幅分析Predix Platform。
3、应用端
对工业客户来说，需要的是解决问题的能力，而不是解决问题的工具。GE推出Predix的主要目标，也是为了更高效、更简单的开发各类工业应用，分析各类工业问题。关注Predix的人都知道，在一年前Predix.io只有Service Catalog和Analytics Catalog，最近又增加了Application Catalog，并且已经上线了一些基于Predix开发的应用。
虽然到目前为止，Predix还只是刚刚推出了几款基于Predix的新应用，包括APM(Application Performance Management)和OPM(Operation Performance Management)，像是一个刚刚学会走路的幼儿，但已经展示了其强大的生命力，让我们看到了工业应用的未来。这届大会也在很多场合对各种应用都冠以Powered by Predix的头衔，GE对Predix的重视程度显而易见。
Predix应用针对的不是我们耳熟能详的MES、ERP、PLM等传统IT类应用，而是为各类工业设备，提供完备的设备健康和故障预测、生产效率优化、能耗管理、排程优化等应用场景，采用数据驱动和机理结合的方式，旨在解决传统工业几十年来都未能解决的质量、效率、能耗等问题，帮助工业企业实现数字化转型；同时，Predix毫不犹豫的采用物联网、人工智能等新兴IT技术，摆脱人的经验和知识积累的局限性，从只能解决已知的、经验性的问题，逐步带入到对未知世界的掌控中。
2017 GE Minds+Machines见闻（三）将对Predix应用以及在不同行业里面的应用场景进行详细分析。
二、边缘篇：Predix Edge
边缘，抑或边缘计算，是最近热炒的一个概念，指的是“在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。”
但到目前为止，除了在工业领域，我还没有看见很好的边缘计算的应用场景。即便是在工业领域，很多开始部署边缘端智能网关的工业企业里面，也只是将边缘的网关设备作为数据采集的抓手，并没有意识到边缘端的设备上还应该有更重要的职能。
1、边缘设备需要解决的问题
总的来说，工业互联网的边缘端设备需要解决如下的几个关键问题：
1）工业协议解析
提供对不同设备的适配和归一化能力，屏蔽工业协议的差异化，采用标准的协议和语法，同平台端保持通信；
2）灵活的数据采集
提供灵活的数据采集，可以依据不同的应用、分析主题，提供不同维度、细粒度的数据采集功能；
3）同平台的配合
同平台端实现全面的协同，负责为平台端的决策中心提供全面而灵活的数据采集和分布式计算功能。举个例子，如果工业数据监控中心要从不同的工业设备上的振动传感器上采集不同时间段的数据，在本地进行时域到频域的变化之后，再到数据中心进行多维度的模型开发和训练，这样的过程就需要工业网关具备足够的灵活采集能力，以及可运行特定算法和应用程序的能力；
4）本地存储和转发
在实时性要求较高，数据传输量过大，或者同平台端连接的网络不可用的时候，能够提供较为完整的数据采集、处理、分析以及告警的功能；同时，本地提供一定的存储能力，可以在网络恢复时将数据转发至平台端；
5）支持运行平台端开发的应用
可支持无缝运行基于平台端开发的应用程序，并可以由平台端统一配置和下发策略，而不是完全依赖手动的方式来编译和运行本地开发的程序；
6）丰富的安全策略
提供细粒度的对工业设备的访问权限管理，保证工业设备的访问是满足认证、授权、审计类的安全要求；
7）本地设备通信
提供本地设备之间的连接和通信，实现海量数据的本地交换，而不完全依赖于上行的网络；
2、GE的边缘策略
GE在边缘计算上面丝毫不落后于像华为和Cisco这样的ICT厂家。在这次M+M大会上，我们可以看到Predix Machine（这是一个边缘计算的开发框架，而不是物理形态的网关）几乎覆盖了上面提到的所有方面（最后一个还没看到），并且有非常多的合作伙伴已经基于这个框架开发出了众多边缘网关产品。
Predix Machine包括一整套技术、工具和服务，支持应用开发、部署、应用和管理，可支持小到Raspberry Pi这样的嵌入式硬件，大到SBC(Single Board Computer)的整体解决方案，可以说是一个小型的Predix Cloud了。根据边缘设备的处理能力不同而选择Predix Machine的内置功能，以此来决定应用场景。
为了避免大家混淆两种应用场景，Predix在边缘端和云端的分工上说得非常清晰。
边缘端(Predix Edge)负责：
Latency：时延敏感型业务；
Bandwidth：带宽敏感型业务；
Connectivity/Resilience：网络连接不能保障的业务；
Security/Compliance：安全性和合规性要求高的业务；
而云端（Predix Cloud）则负责：
Big data, large workload：适合数据量大，非常重处理的业务；
Scale and availability：适合扩展性和可靠性要求更高的业务；
Integration with enterprise systems：需要和企业其他系统进行集成的业务；
可以看到，Predix Machine和Predix Cloud是一个绝妙的互补，两者密不可分、相辅相成，缺少其中任何一个，都会大大削弱整个Predix的应用场景。
3、Predix Edge技术架构
Predix Edge的架构如下：
Predix Edge在很多时候是和Predix Machine是等同概念的，后者是基于Java运行框架的软件应用框架，可以运行在包括Windows、Linux以及MacOSX在内的跨平台操作系统和各种硬件平台之上，并提供了多种可配置和定制化的选项。由于采用了精简的配置，Predix Machine甚至可以运行在树莓派这样的嵌入式ARM平台之上。
按照GE的说法，Predix Machine负责在工业设备和云端的各种服务（大数据分析、设备管理等）之间提供数据交换。同时，云端可根据对这些数据分析的结果，制定判决的策略，将策略和对应的指令推送到Predix Machine，优化设备的性能。
为了便于区分不同的协议，同设备之间的现场协议接口被称为南向接口，而同云平台之间的接口被称为北向接口。
Predix Machine提供了下面几个部分的职能（有些硬件平台受限于处理性能，只能提供部分功能）：
连接和数据采集(Connect)：在南向接口上，通过不同的协议适配器(Adapter)实现不同工业协议的对接，进行设备接入(Enrollment)以及数据采集；
计算处理（Process）：提供详尽的边缘计算，包括数据汇聚、边缘端分析、流失处理以及应用执行环境；
转发（Transmit）：在北向接口上，提供存储转发的能力，将其发送至Predix Cloud；
管理(Management)：通过与Edge Manager的通信，实现对网关设备以及运行在网关上的应用的管理；
1）连接和数据采集
因为工业现场协议种类太多，很多封闭的协议，为了很好的支持对不同协议的适配，Predix Machine采用了Machine Gateway Service，并配合不同的协议转换器，来支持不同的南向接口协议。
虽然工业协议很多，但由于协议封闭，以及GE本身的定位，目前Predix Machine支持的Adapter主要有如下几类：
Modbus：以Modbus协议从各类PLC或者传感器网关上采集数据；
OPC-UA：以OPC-UA Client的方式从各类OPC-UA服务器上获取数据；
MQTT：以MQTT Client的方式从各类MQTT Broker上获取数据；
同时，Predix Machine还为不同的协议提供了River服务，即可以接收来自不同设备的数据流，经过汇聚之后，再转发给上游接收者。
2）计算和处理
在完成工业现场协议解析之后，Predix Machine需要对数据进行进一步的处理，包括数据元数据定义、数据过滤、数据汇聚，并支持在Predix Machine的本地运行一部分的应用程序，实现更深一步的数据处理和分析。
由于Predix Machine是运行在边缘端设备上，受设备性能影响，根据不同的硬件性能，Predix Machine可以提供不同的处理功能。比如最低端的Mini Field Agent，就只是提供数据采集、过滤和存储转发的功能，而在高端一些的设备上，不仅能够支持云端应用和分析程序的运行，还能够实现反向的控制。
这些中间过程的处理，主要包括如下两部分功能：
数据的处理：包括元数据管理、数据过滤和数据汇聚等；
边缘计算：即在Predix Machine环境中运行由Predix Cloud通过Edge Manager从云端推送下来的应用；
数据的过滤和汇聚
下面是Predix Machine的数据处理功能框架：
可以看到，对每一种不同的协议，Predix Machine不仅提供了特定的Data Converter进行协议转换，同时还提供了三种处理方式：
Adapter Management：实现对不同协议适配器的管理，包括各种协议配置信息；
Data Management：实现对采集上来数据的一系列处理，可能包括过滤、汇聚、去重等本地操作；
Metadata Management： 实现统一的元数据管理，对数据的标签、输入、输出等属性进行规范化；
边缘计算
Predix Machine最值得期待的是边缘计算部分。虽然我们看见很多边缘计算的框架，但是平心而论，Predix Machine是我们所见最落地的。
Predix通过一系列的工具和应用的组合，可以将Predix Cloud开发的应用，通过Edge Manager推送至Predix Machine上并运行。
Edge Manager：负责将Predix Cloud上开发的应用及其所关联的服务，打包成Docker，将其下发至Predix Machine；同时，提供Command Framework，支持通过带外(Outband)的方式向这些边缘程序发指令，执行特定的操作和命令；
Docker集群：为应用提供集群化的运行环境，包括端口映射、域名解析、自动伸缩、集群管理等（还不清楚是Swarm还是Kubernetes）；
复杂事件处理： 复杂事件处理（CEP， Complex Event Processing）是Predix Machine上的工作流引擎，为Predix Machine提供自定义的数据处理流程，实现包括数据过滤、数据汇聚等标准化处理过程，以及针对特定分析和数据处理场景、运行在Docker集群上的分析应用，对整个数据处理过程进行编排（Orchestration）。
3）存储和转发
这部分完成Predix Machine的后期处理，包括：
本地的数据缓存(Store)
用以支持在网络不通时能够进行少量本地设备采集数据和本地处理数据的缓存，并且可以在网络恢复时，再将数据发送到Predix Cloud上；
向云端的数据收发(Forward)
目前边缘设备与云平台进行通信（北向接口）的方式上，国际通用的协议有HTTP/HTTPS、MQTT和DDS几种，不同协议优缺点各不同。
MQTT：采用MQTT Adapter，以MQTT River的方式向Predix Cloud发送数据；
WebSocket：采用WebSocket协议，以WebSocket River的方式向Predix Cloud的时序数据库发送数据；
同时，还提供Command Framework，支持反向的命令控制接口，即允许从云端向运行在网关上的设备发送指令。
4）统一管理
边缘设备一定会越来越多，并且有很多动态配置和控制的工作，所以对海量边缘设备的全生命周期进行统一管理就自然成为了平台标配的需求。
Predix在云端提供了批量管理Predix Machine的应用—Edge Manager。
Edge Manager的主要职能包括：
边缘设备的生命周期管理
提供边缘网关的添加、升级、删除等功能，并且提供对网关的CPU、内存、网络连接等统一的监控和远程运维；
工业设备运营管理
这部分负责提供边缘计算的下发通道。所有边缘计算的应用，都是基于Predix Cloud开发的，并由Edge Manager通过这部分运营管理的通道批量下发至各个Predix Machine。在Edge Manager里面定义一个BOM(Bill Of Material)的概念，即将应用程序和其关联的服务打成一个包，由BOM描述其依赖关系；
安全和连接管理
这部分通过Predix Machine的控制来实现对工业设备的安全访问和接入控制，这里Predix Machine相当于一台带防火墙功能的VPN网关。它们不仅能够为不同的用户设置不同权限的访问角色，还支持为不同工业设备的接入提供证书的发放和管理，并管理不同设备的SIM以及设备上的VPN连接；
命令的框架
提供对Predix Machine上运行程序的控制通道，可以由云端向运行在Predix Machine上的应用程序下发的指令，比如重启设备、收取设备日志以及执行特定的控制指令；
5、总结
Edge Computing这个概念比较新，因此国内不免有很多对Edge Computing的误解，诸如：
Edge Computing是用来取代Cloud Computing的；
Edge Computing是用来做数据采集的；
Edge Computing是私有云的一种形式；
在GE的Predix Edge方案里面，Edge Computing和Cloud Computing形成了非常合理的组合，而且也必须这样搭配使用，才能克服两者自身的局限性。
一方面，单独部署Edge Computing，将所有数据全部都限制在Gateway的范围内，不仅难以实现海量的部署和维护，更难以形成全局的洞察力；同时，边缘端的处理性能，限制了对海量、多维度数据的处理；最后，在边缘端很难快速开发应用并部署；
另一方面，云端虽然有很强的扩展性和便捷的应用开发能力，但是不适合时延、带宽、连接敏感型业务，限制了很多应用场景。
总之一句话，Predix Edge(Machine)很强大，让我们看见了Edge Computing的威力和无限的想象空间。
关于工业互联网您如果有疑问，请与本文作者联系，微信号：patrick9178
网友评论