本文将介绍在物联网和工业4.0中如何通过Apache Kafka、MQTT和OPC-UA 来处置数据流，以及探讨两个来自宝马和奥迪的使用案例。
译者 | 陈峻
审校 | 孙淑娟
在物联网世界中，MQTT（消息队列遥测传输协议）和OPC-UA（OPC统一架构）已经成为了在工业物联网（IIoT）和工业4.0用例中，数据交换的开放协议和平台独立标准。而Apache Kafka的数据流用于实时集成和处理任何规模的、海量数据的数据中心。本文将探讨Kafka和各种IoT协议之间的关系，何时该使用哪种技术，以及为何有时HTTP/REST是更好的选择。最后，我们将探讨两个来自宝马和奥迪的使用案例。
1.工业4.0数据流平台通过连接设备来提高工厂的整体效率
工业4.0和工业物联网（IIoT）需要通过系统近乎实时地传输、处理、分析和提供数据。这会导致数据量的逐日攀升，并让制造商面临数据多样化的挑战。然而，使问题进一步复杂化的是，传统的IT环境持续存在于各种制造设施中。这往往限制了制造商实现跨业务进行数据有效集成的能力。因此，大多数制造商都需要将数据复制和同步策略予以混合实施。目前，他们也正在从产品设计和制造到运维环节，努力提高其生产设施的整体设备效率（OEE）。与此同时，由于新冠疫情的流行和2021年苏伊士运河的中断，都会导致即时生产与供应链问题的凸显。因此企业需要通过实时的流程和监控，在如下方面确保生产线的自适应能力：
准时（JIT）的预测
构建工厂的产能
人员配备与倒班状况
原材料和产品价格的波动
通常，由设备产生的数据必须在生成之后立即被转换，并在整个企业中可用，来体现数据被提取的最大价值，提高工厂的整体效率，进而避免严重故障。如今，宝马和特斯拉之类的汽车制造商已经认识到了数据流平台的潜力，正在利用Apache Kafka生态系统来流转数据。可以说，数据流对于数据驱型制造公司的好处，不仅体现在数字化和自动化转型上，还包括如下方面：
使生产过程更加高效
多快好省
尽量减少错误率
2.何时使用Kafka、MQTT和OPC-UA
如前文所述，Kafka是一个出色的数据流平台，可被用于大规模的实时消息传递、存储、数据集成和处理。不过，Kafka并非包治百病，它未能实现如下方面：
数百万客户级别（如移动应用）的代理
API管理平台
用于复杂查询和批量分析的数据库
具有设备管理等功能的物联网平台
一种用于硬实时应用的技术
鉴于上述原因，Kafka需要通过与MQTT和OPC-UA的协同使用，来补齐短板。以近乎实时的方式，在工厂、公司、以及在全球范围内，实现大量数据的处理和交换。
全球Apache Kafka和事件流用例
如上图所示，Apache Kafka通常作为分散式数据流的数据网格节点，能够集成各种系统，其中包括：边缘、物联网设备、以及业务软件，并能够独立于底层基础设施（如：边缘、本地、公共、多云和混合云等）来执行。因此，开放、可扩展、以及灵活的架构对于与旧环境的集成，和利用现代化云原生应用都是至关重要的。由事件驱动的Apache Kafka等数据流平台正好满足了此类需求。它们收集相关传感器的遥测数据、以及来自IT系统的数据，并在数据传输时，对其进行处理。这便是“动态数据”的概念。它区别于将事件存储到数据库中，以待日后查看的“静态数据”。在物联网用例中，我们通常认为处理静态数据的是一种“过时的架构”。
3.使用域驱动设计和真正的解耦来进行分离
其实，工厂的IT环境被建立在什么样的基础设施上并不重要。重要的是，新旧系统能够实现数据的实时集成，能够以解耦的方式维持数据的持续流动和消息存储。而与其他消息系统（如IT领域的RabbitMQ、或物联网领域中的MQTT）相比，Apache Kafka的域驱动设计（DDD）实现了背压处理和数据可重放性的真正解耦，同时提升了高可用性和故障安全（fail-safe）性，这些都是生产环境中至关重要的。
用于工业物联网MQTT和OPC UA的Kafka域驱动设计
4.OPC-UA、MQTT、HTTP与其他
目前，开放且标准化的物联网架构有三个通用的标准：OPC-UA（Open Platform Communications Unified Architecture，开放平台通信统一架构）和MQTT（Message Queuing Telemetry Transport，消息队列遥测传输），这两个是特定于物联网的协议，另一个是简单的REST/HTTP。当然，业界也有一些私有的特定协议。例如：Skynet的专有DataHub传输协议（DHTP，https://skkynet.com/iiot-protocol-comparison），以及开放标准的替代方案--AMQP等。下表展示了它们在特性上的比较：
工业物联网协议的比较
5.评估物联网协议的决策树
那么，哪一种更值得我们去选用呢？首先，需要强调的是，此类讨论只有在您拥有选择权的情况下才有意义。如果您在车间购买并安装了一台新机器或PLC，而仅提供特定接口，那么您只有用的份，没有选择可言。当然，不同领域的人员可能会有不同的选择偏好。甚至有人会从TCO和ROI的角度，认为专有方案会是更好的选择。而总地说来，对于不同的物联网协议，我的建议是：尽可能地使用开放标准，甚至可以按需将它们组合到一起。下面，让我们来看一个简单的、如何在OPC-UA、MQTT、HTTP和其他专有的工业物联网协议之间，做出选择的“决策树”：
MQTT、OPC UA、HTTP REST的工业物联网决策树
让我们来讨论一下上面的决策树：
HTTP/REST非常适合简单的用例（尽可能地保持简单）。HTTP的易懂易用特性，几乎适用于任何场景。它不需要额外的工具、API或中间件，而且其通信是同步式的“请求-响应”。如果您能够采用HTTP（S）的80或443端口，而不是其他TCP端口的话，还能顺利地得到安全团队的协助。当然，HTTP属于单向通信。例如，联网的汽车需要一个HTTP服务器，来获取从云端推送的数据，它们会使用pub/sub。
MQTT非常适合于连接着数万或数十万台设备，使用有限的带宽和间断性网络的场景（如，联网汽车的基础设施）。其通信是使用MQTT代理作为中间人的异步发布与订阅。MQTT不使用标准的数据格式，但是开发人员可以使用Sparkplug作为构建附加的组件。MQTT非常轻量级，其服务质量（QoS）、遗嘱式功能，开箱即用地解决了物联网用例的各种要求。同时MQTT非常适合双向通信（如，联网汽车<-->云通信）等IT用例。此外，LoRaWAN和其他低功耗的广域网都非常适合MQTT。
OPC-UA非常适合工业自动化（如，生产线上的机器）。今天的通信通常是客户端/服务器，但也支持发布/订阅。它使用标准数据格式，并提供丰富、强大、复杂的功能、组件、以及行业特定数据格式集。OPC-UA非常适合OT与IT相集成的场景。OPC UA的TSN（time-sensitive networking，时间敏感网络）是一个可选组件。它是一种以太网通信标准，可以提供开放、确定性、以及硬实时（hard real-time）通信。
专有协议适用于那些基于标准化的实现无法解决的特定问题。这些协议通常是瑕瑜互见。它们在带来强大的高性能的同时，往往也比较昂贵且带有局限性。
如前文所述，我们在OPC-UA、MQTT和其他协议之间进行选择时，并不是非此即彼的。在许多工业案例中，我们可以将OPC-UA和MQTT同时用于现代化应用中，取长补短，让每种协议都发挥其出色的作用，从而让老旧的应用和专有的SCADA系统、或其他历史遗留数据与专有中间件相集成。
6.MQTT、OPC-UA和Kafka之间的集成
在将MQTT、OPC-UA和Kafka的集成过程中，我们通常会涉及到如下设备与组件：
Kafka Connect连接器：可以实现协议级别的原生Kafka集成。Confluent Hub（https://www.confluent.io/hub/）可以作为它的替代方案。一些企业往往会构建他们自定义的Kafka Connect连接器。
自定义集成：通过低级别的MQTT/OPC-UA API（如，使用Kafka的HTTP/REST代理）或Kafka客户端（如，用于Windows环境的.NET/C++）进行集成。
开放的第三方物联网中间件：通用的开源式集成中间件（如，带有IoT连接器的Apache Camel）、特定于IoT的框架（如Apache PLC4X或Eclipse Ditto），或基于标准API的专有第三方IoT中间件。
商业化物联网平台：适合现有的历史遗留部署，并能够起到“胶合”代码与协议作用（如Modbus、西门子S7等）。传统的历史数据、专有协议、单体架构、有限的可扩展性、ETL批处理平台都非常适合采用商业化物联网平台，在内部部署和云服务之间架起一座桥梁。
7.使用OPC-UA或MQTT去连接机器与设备
虽然OPC UA和MQTT并非为数据处理和集成而设计，但是它们的优势在于实时建立与设备、机器、PLC、物联网网关或车辆之间的双向“最后一英里”通信。如上文所述，这两种标准有着不同的侧重点，可以被结合起来使用。目前，几乎所有的现代化机器、PLC和智能工厂的物联网网关都可以支持OPC-UA。而MQTT主要被用于较差的网络、以及大规模的设备场景中。数据流往往通过连接器流入数据流平台。此类平台既可以与“边缘”的物联网平台并行部署，也可以被组合到混合云的场景中。作为灵活的数据中心，数据流平台可以在OT和IT应用之间进行数据的集成和处理。除了OT端的OPC-UA和MQTT，无论是在边缘、本地、还是在云端，MES、ERP、CRM、数据仓库、以及数据湖等IT应用都是实时连接的。
Apache Kafka作为具有MQTT和OPC UA的开放式可扩展历史数据库（https://www.kai-waehner.de/blog/2020/04/21/apache-kafka-as-data-historian-an-iiot-industry-4-0-real-time-data-lake/）
8.用于开发和预测仿真的数字孪生
通过持续地以流式传输数据，以及处理和集成传感器的数据，数据流平台能够创建一个开放、可扩展且高度可用的基础架构，并用于部署数字孪生。
数字孪生结合了物联网、人工智能、机器学习和其他技术，旨在创建物理组件、设备和流程等虚拟模拟。通过参考历史数据，数字孪生也可以在物理对应物所生成的数据发生变化时，立即进行自我更新。通常，Kafka可与其他技术相结合，以构建数字孪生。例如，Eclipse Ditto是一个将Kafka与IoT协议相结合的项目。一些团队也会使用Kafka和MongoDB等数据库，定制数字孪生。
Apache Kafka助力工业 4.0和工业物联网的数字孪生
如上图所示，在工业4.0中，机器操作员可以通过数字孪生，详细了解其模拟或监控的元素的生命周期，不断优化产品和流程，测试单个部件或整个系统的功能和性能，进而对能耗和磨损进行预测。
9.状态监测和预测性维护
在现代化维护中，机器操作员往往需要及时了解到：所有设备是否能按照预期运行？在需要进行维护工作之前，这些设备通常可以运行多长时间？异常和错误的原因是什么？
一方面，他们需要依赖可靠且可扩展的基础架构，以支持数据流的处理、分析和集成，进而实时地检测出诸如：严重的温度波动或振动等关键性指标，以便采取措施，保障工厂的生产效率。另一方面，数字孪生可以通过监测和诊断，将当前传感器捕捉到的数据与历史数据相关联，从而识别故障的原因，方便采取预测性的维护措施。而最重要的是，通过确保设备和设施仅在必要时得到维修，他们可以更加有效地实施预测性维护计划，既做到为制造型企业节省宝贵的资源，又可以避免代价高昂的停机时间。
使用Apache Kafka的ksqlDB和TensorFlow进行状态监控和预测性维护（https://www.kai-waehner.de/blog/2021/10/25/apache-kafka-condition-monitoring-predictive-maintenance-industrial-iot-digital-twin/）
10.联网汽车和流式机器学习
联网汽车是可以与车外其他系统进行双向通信的汽车。它实现了汽车与车内、车外的各种设备和应用共享互联网上的访问和数据。而前面提到的MQTT与Kafka相结合的方式，便可以服务于联网汽车及其基础设施的用例。
下图展示了Kafka如何与数万、甚至数十万个物联网设备相集成，并实时地处理数据。在联网汽车的基础设施中，该流程可以自动化地进行预测性防护（即异常检测），以及预测发动机的故障：
Kappa架构、Kafka MQTT的Kubernetes和Tensorflow用于流式机器学习
11.宝马案例研究使用智能工厂和云服务实现制造4.0
让我们从技术角度来探讨一下，宝马是如何成功地将Kafka和OPC-UA作为边缘设备和云端应用之间的实时数据中心。在实施之前，宝马希望达到的目标是：
在不影响其他服务的情况下，获取IoT数据，并将其传输到正确的位置
一次收集，多次处理和消费（不同的消费端在不同的时段，使用不同的通信范式，如：实时、批处理、请求-响应）
实现可扩展性的实时处理，并缩短上市的时间
宝马团队通过使用OPC-UA连接器，直接与Azure中的Confluent Cloud进行通信，成功地将其全球智能工厂的负载相连接，并在公共云中实现了实时复制。其中，作为消息传递平台的Kafka提供了不同接口之间的真正解耦、透明化和数字创新。而Confluent通过产品和专业知识，增加了制造系统的稳定性。此外，实时优化的供应链管理方案也提供了有关物理上、以及ERP系统中的正确库存信息。
12.奥迪案例研究
采用群体智能（Swarm Intelligence）的联网汽车
奥迪使用Apache Kafka构建了联网汽车的基础设施。他们在Kafka峰会上分享并探讨了其用例和架构。
他们构建了实时数据分析、群体智能、合作伙伴协作、以及预测性AI，实现了联网汽车的所有传感器数据，经过实时处理与存储，用于历史分析和实时报告的一整套流程。
13.题外话
如果网络基础设施的连接性允许您在自己IoT项目中使用“无服务器Kafka”的话，那么您也可以像上述宝马的案例那样，利用Confluent Cloud在全球推广智能工厂，用“无服务器Kafka”来处理和集成数据流。通过无服务器数据流，您可以更加专注于物联网业务的应用，并提高设备综合效率（OEE）。原文链接：https://dzone.com/articles/opc-ua-mqtt-and-apache-kafka-the-trinity-of-data-s
译者介绍
陈峻 （Julian Chen），51CTO社区编辑，具有十多年的IT项目实施经验，善于对内外部资源与风险实施管控，专注传播网络与信息安全知识与经验；持续以博文、专题和译文等形式，分享前沿技术与新知；经常以线上、线下等方式，开展信息安全类培训与授课。
