边缘计算:网关、协议采集与本地规则
本篇要点:能独立部署一台边缘网关,把 Modbus 设备按正确量纲采集上来,并在断网时保住数据与关键判断。 前置文章:[《设备侧开发:协议栈、内存与固件模式》 设备侧开发](/guide/iot/iot-mcu-firmware-patterns.html)讲固件如何省内存、如何分片升级;这一章把视角抬高一层,看设备与云之间那台机器该承担什么。
为什么需要它
十二台温湿度表接进网关,面板上湿度一栏全是 26。表没坏,网关也没报错。寄存器里躺着的是整数 2653,乘 0.01 才是 26.53 %RH,而缩放发生在整数转换之后,小数在链路上被丢掉了。
排查花了一个下午,先怀疑串口参数、波特率、采集服务版本,一个都不是。真正的原因只是一行配置:设备描述文件里少了 rawType。这类错误最难查的地方在于它不报错、不告警,数据看着「有值」,只是不对。
边缘网关(edge gateway)这个词被用得很宽。这一章取一个窄定义:它只干三件事——把现场协议翻译成统一数据模型,断网时把数据攥住,把必须在毫秒级完成的判断留在本地。历史存储、可视化、跨站点分析,都推给云端。凡是超出这三件事的需求,先问一句「为什么不能放在云上」。
截至 2026 年 11 月,本篇基线是 EdgeX Foundry 4.0.x 补丁线与 Node-RED 5.x。Node-RED 5 要求 Node.js 22.9 以上,跑着 Node 18 的老网关镜像升级前要先换基础镜像;补丁号以各自发布页为准,换版本需要重测。
核心概念
南向与北向
南向(southbound)指网关朝现场的那一侧,接口是 RS485 总线、以太网、PLC;北向(northbound)指朝云的那一侧,通常只有一条 MQTT 出口。这个划分的价值在约束:一条出口意味着防火墙规则、证书、带宽都可以只针对一处设计。反例是把历史库、看板、报表服务一起塞进网关,功能上能做到,代价是现场盒子变成一台没人备份、没人监控、没人做容量规划的小服务器。
设备服务与设备描述文件
设备服务(device service)是 EdgeX 里负责某类协议的常驻进程,device-modbus 是其中之一。设备描述文件(device profile)是一份 YAML,声明这台设备有哪些资源(resource)、每个资源怎么读、单位是什么。它的作用是让换现场只改配置、不改代码。反例是在自定义脚本里硬编码寄存器地址,第一次交付很快,第二次换型时你会在几十个脚本里翻那几个魔法数字。
原始类型与工程单位
寄存器(register)里存的是二进制。同一段两字节,按 Int16 解释是 2653,按 Float32 解释就是另一个数。rawType 决定按哪种整数类型解析,valueType 决定输出成什么类型,scale 在类型转换之后才乘上去。三者顺序错了,精度就没了。EdgeX 的边界写得很明确:rawType 只支持 Int16、Uint16、Int32,对应的 valueType 必须是 Float32 或 Float64。
断网续传
断网续传(store-and-forward)指上行不可用时把消息写进本地持久化队列,恢复后按序补发。它和「重试」的区别在于跨越进程与重启:网关断电重启,队列里的消息还得在。这一条由 app service 的 store-and-forward 承担,不是采集服务的职责。
规则本地化
规则本地化(local rule)是把一部分判断从云端搬到网关执行,例如液位超限关阀、电机过温停机。它的价值不是快,是断网时仍然生效。
图 5-1 一台边缘网关的四段链路与唯一出口
如图 5-1 所示,网关层有六个方框,只有最右边的本地队列决定「断网三天后数据还在不在」。前面几个服务挂了都能靠重启解决,队列里有东西没发出去时重启要格外小心。
采集侧用 EdgeX、联动侧用 Node-RED 不是二选一,两者的分工很硬:
| 维度 | EdgeX device service | Node-RED flow |
|---|---|---|
| 协议覆盖 | 官方 device-modbus / mqtt / opc-ua,profile 驱动 | node-red-contrib-modbus 5.62.1,节点自由组合 |
| 数据模型 | 强制走 device profile,字段统一 | 无约束,字段名自己定 |
| 改一版的成本 | 改 YAML + 重启服务 | 拖节点,热部署 |
| 适合谁做 | 交付给客户的标准化产品 | 现场调试、一次性脚本、报警联动 |
| 断网缓冲 | app service 自带的 store-and-forward | 要自己实现,容易漏 |
表 5-1 EdgeX 与 Node-RED 的分工边界
采集侧选 EdgeX 的理由是把「设备是什么、能读什么」约束成一份可以交付的 profile 文件,换现场只改配置不改代码。Node-RED 放在调试期和少量现场联动上,比如液位超过阈值点亮本地声光报警。
EdgeX 4.0 还有一处结构变化要提前知道:配置与注册中心已经换成了 Core Keeper,底层用 PostgreSQL 持久化。默认 compose 里那个 postgres:16.3-alpine 是 Keeper 的存储,不是业务库,别顺手拿去存时序数据。
动手实践
第一步:把量纲补回来
寄存器读出 2653,物理量要乘 0.01。只写 scale 不够,必须同时声明 rawType:
deviceResources:
- name: "humidity"
description: "寄存器原值 ×100,先按 Int16 解析再转 Float32"
attributes:
{ primaryTable: "HOLDING_REGISTERS", startingAddress: "1", rawType: "Int16" }
properties:
valueType: "Float32"
readWrite: "R"
scale: "0.01"
units: "%RH"预期输出:重启 device-modbus 后,同一路读数从 26 变成 26.53。去掉 rawType 那一行再读,会退回 26,且日志里没有任何警告——所以改完必须对着一个已知量程的仪表核一次数。
第二步:串口参数逐项对齐
Modbus/RTU 的参数块与 TCP 共用 Address 这个键名,含义完全不同:
protocols:
modbus-rtu:
Address: "/dev/ttyS3"
BaudRate: "9600"
DataBits: "8"
Parity: "N"
StopBits: "1"
UnitID: "1"
Timeout: "5"
IdleTimeout: "30"预期输出:配置加载阶段全部通过,服务启动后日志出现 Connected to /dev/ttyS3。如果把 Address 填成 IP,加载依旧成功,要等到第一次轮询才失败,日志里是一行 connection timeout——这类错在加载时报不出来,只能靠先读一次确认。
IdleTimeout(空闲多少秒断开连接)和轮询周期是耦合的。总线上挂 12 台表、每台 2 秒轮询时,连接长期不关反而更稳;但总线中间有中继器、需要重新握手时,它得调到略大于轮询周期,否则中继器会周期性掉线。
第三步:给每条出站消息打两个时间戳
断网期间的补传数据,云端必须能分辨出来,否则告警、报表、计费全会被历史数据污染:
{
"deviceName": "th-03",
"ts_local": 1763352000150,
"ts_emit": 1763354820110,
"readings": [{ "resourceName": "humidity", "value": "26.53" }]
}预期输出:云端收到后计算 ts_emit - ts_local = 2823960 毫秒,超过 60 秒阈值,判为补发并进独立降噪通道。ts_local 用网关单调时钟,不用墙上时间——网关断网时 NTP 不可达,墙上时间会漂。
做过一次真实演练:拔掉上行网线 47 分钟,采集侧继续跑,插回后看云端缺多少点。数据侧没丢,恢复后按序补发,最大延迟 3 分 20 秒,延迟来自重连退避而不是丢数据。规则侧出了问题:eKuiper 的告警流在断网期间照常判定,恢复后一次性把 200 多条告警灌到云端,值班的人以为现场炸了。这不是存储层的缺陷,是产品决策没做——断网期间的告警发不发、怎么标记补发、要不要合并,得写进接口约定。
硬件用量要提前算
23 台网关配的是 4 核 4G、64G eMMC。EdgeX 全套容器空载占 1.2G 左右,加 eKuiper 和 Node-RED 到 1.8G。真正的瓶颈是 eMMC 写入:断网缓冲期间每天写 1.4G,按普通 eMMC 3000 次 P/E 估算,两年内就要盯 SMART 磨损值。选型时先看存储介质,带掉电保护的 SLC 或小容量 SSD 加的这点钱,比换更强的 CPU 值。
常见误解
以为边缘网关是「小号云平台」。 很多方案把网关当缩小的数据中心,历史库、看板、报表一起装。网关的定位是协议翻译、缓冲、本地判断三件事,装得越多,现场那台没人管的机器承担的风险越大,备份与升级成本也会成倍上升。
以为配了 scale 就不会丢精度。 scale 只在类型转换之后生效。没有 rawType,整数先被截断成整数,再乘 0.01 已经是 26.00。而且这个过程完全静默,只能靠「填了单位字段 + 对已知量程核一次数」抓出来。我们后来的兜底很土:所有 device resource 必填 units,再用面板阈值筛长期不动的可疑点人工复核。
以为 Node-RED 可以当长期数据缓冲。 Node-RED 的 flow 上下文默认在内存里,flows.json 落盘是编辑器保存动作,不是数据持久化。断电重启后没发出去的消息就没了。有个试点现场这么干过,一次断电丢了 40 多分钟数据。它适合现场调试、一次性脚本、少量联动,比如液位超阈值点亮本地声光报警。
以为本地规则是为了降延迟。 大多数工控场景里,云端往返 80 毫秒和本地 8 毫秒,业务上没差别。本地规则的真正价值是确定性:断网时它还在跑。代价是版本管理变麻烦——规则散在几十台网关上,改一条阈值要逐台发布。可行做法是把规则文件和 device profile 一起纳入 Git,网关启动时拉取带版本号的规则包,版本不一致只在日志里打警告,不自动更新,避免半夜静默改变行为。
小结
- 边缘网关窄定义为三件事:协议翻译、断网缓冲、本地判断。多出来的需求先问能不能上云。
- 量纲错在
scale与rawType的顺序:先按rawType解析整数,再转valueType,最后乘scale。 - 南向
Address在 RTU 下是设备路径、在 TCP 下是 IP,填错只在运行时超时。 - 断网续传靠本地持久化队列;出站消息带
ts_local与ts_emit,云端据此区分补发。 - 本地规则买的是断网可用,不是速度;版本靠 Git 加启动校验,不做自动推送。
《设备侧开发:协议栈、内存与固件模式》解决的是单台设备怎么在小内存里活下来,这一章解决的是几十台设备怎么在现场被统一采集。接下来的问题是:网关把数据推到云端 MQTT 之后,那个入口怎么扛住几十万条连接。
相关主题
[《接入平台:Broker 集群与水平扩展》 接入平台](/guide/iot/iot-broker-cluster-scaling.html)讲 broker。网关只管把消息送出去,能不能收得住是接入层的事:连接数上不去时该查哪里、共享订阅为什么没扩容、TLS 握手的 CPU 账怎么算、压测里哪些数字是假的。这些决定了一台网关的上行数据最终能不能稳定落到平台侧。