CC BY
18
Реализация приложений Интернета вещей агентной моделью Akka
А.М. Лященко, А.Н. Пачев, Л.Х. Манучарян Ростовский государственный университет путей сообщения
Аннотация: В статье рассматриваются технологии, работающие с интернетом вещей, и их применении в различных отраслях. Интернет вещей рассматривается как автоматизация более высокого уровня, следовательно, становится возможным автоматизированное принятие сложных логических решений, связанных с выбором структуры процесса и операций, назначением технологических баз и других подобных задач. Рассмотрена модель, основанная на универсальном примитиве, называемом Актором для параллельных и распределенных вычислений. Освещены вопросы реализации агентного подхода для приложений интернета вещей. Установлено необходимое условие реализации модели IoT, это возможность масштабируемости и наличие параметров отказоустойчивости. Чтобы удовлетворить реальную потребность в масштабируемости, а также отказоустойчивости, Akka предоставляет комплексные функции в маршрутизации, кластеризации, окантовке и сохранении агентов. Проведен анализ использования фреймворка Akka для реализации агентов.
Ключевые слова: автоматизация, управление, технология, анализ, интернет вещей, агент, примитив, реализация, инструментарий, масштабируемость, Akka, IoT.
Для облегчения целенаправленной деятельности человека, окруженного множеством объектов, на которые направлена его деятельность, широко разработана система автоматизации процессов. В связи с быстрым развитием в последнее время глобальной сети Интернет стала возможным концепция Интернета вещей (Internet of Things или (IoT)), которая базируется на принципе межмашинного общения. В таком случае отпадает необходимость вмешательства человека, и электронные устройства могут самостоятельно связываться между собой, т.е. Интернет вещей можно рассматривать как автоматизацию более высокого уровня. Автоматизация высокого уровня может быть достигнута при заполнении базы знаний. В этом случае становится возможным автоматизированное принятие сложных логических решений, связанных, например, с выбором структуры процесса и операций, назначением технологических баз и другие подобные задачи. Процесс принятия таких решений полностью автоматизировать не удается, поэтому режим диалога между агентами остается даже на самом высоком
уровне автоматизации [1-5].
На сегодняшний день гибкость и скорость внедрения инноваций являются ключевыми факторами успеха не только любого производства, но и экономики в целом. В этом смысле «умным» средам принадлежит особая роль: по сути, они выполняют функцию каркаса, на который в ближайшем будущем будет крепиться и тем самым обеспечивать новое качество продукции не только сама промышленность, но и транспортная и энергетическая инфраструктура.
Большинство технологий «умных» сред находится на достаточно раннем этапе своего развития, им еще предстоит преодолеть многие ограничения технического и регулятивного характера. При этом уже сегодня существуют отдельные примеры их эффективного применения в промышленности, на транспорте и в энергетике. Об этом свидетельствуют соответствующие программы и проекты в США, Европейском союзе, прочих странах ОЭСР, гибкие инструменты государственной политики, созданная нормативно-правовая база, включающая необходимые стандарты.
По мере того, как интерес к Интернету вещей (1оТ) проявляется по всем отраслям, компании от небольших стартапов до промышленных гигантов спешат запускать свои продукты 1оТ. Быстрые успехи в Интернет-инфраструктуре, облачных вычислениях, пропускной способности соединения и мобильных устройствах на протяжении многих лет помогли сделать 1оТ реальным. Учитывая обилие постоянно развивающихся вычислительных технологий, существует множество вариантов вычислительных моделей и платформ для проектирования и внедрения продукта 1оТ [6].
Для построения полностью взаимосвязанного будущего Интернета (1оТ) агентная вычислительная модель выделяется из остальных. Модель основывается на универсальном примитиве, называемого Актором [7] для
параллельных и распределенных вычислений. Он обеспечивает альтернативу более традиционной модели параллелизма, которая основана на синхронизации общего измененного состояния с использованием блокировок. В частности, управляемый сообщениями стиль неблокирующих взаимодействий посредством непосредственных сообщений между агентами хорошо связан с современными подходами к программированию на сложных распределенных платформах.
Одной из основных характеристик типичной системы IoT является то, что она включает в себя большое количество управляемых устройств, в каждом из которых подразумеваются изменения внутреннего состояния. Во многих случаях эти устройства являются примитивным оборудованием, работающим на каком-то простом сетевом протоколе из-за ограничений в стоимости мощности. Например, термостаты, управляемые SaaS от EcoFactor, сочетают использование не очень дорогостоящего оборудования термостата и маломощного протокола WPAN (Wireless Personal Area Network) под названием ZigBee.
В агентной модели разбиение бизнес-логики на минимальные задачи для отдельных действующих лиц является частью основополагающего принципа модели. Агенты очень просты в проектировании; следовательно, могут масштабироваться, не потребляя чрезмерных вычислительных ресурсов. Другим ключевым свойством агентов является их неблокирующая связность посредством передачи сообщений. Эти атрибуты делают их пригодными для построения распределенных вычислительных систем [8].
Каждый агент может порождать дочерних агентов с программируемыми стратегиями наблюдения, подходящими для имитации менеджеров устройств и иерархических групп устройств IoT, при этом главной особенностью агента является способность поддерживать свое внутреннее состояние в практически собственном потоке, изолированном от
остальной системы. Все эти характеристики делают агентов весьма подходящими для имитации устройств IoT, каждый из которых состоит из собственного состояния и логики управления.
На сегодняшний день агенты Akka являются наиболее совершенной агентской реализацией, предоставляя надежный инструментарий на JVM (виртуальная машина Java). Написанная в Scala, Akka обладает всеми достоинствами, которые может предложить стандартная модель агентов. У всех участников есть четко определенный жизненный цикл с усовершенствованными методами, такими как preStart, postRestart и postStop для управления логикой жизненного цикла. Благодаря этим навыкам управления жизненным циклом и всесторонним стратегиям надзора за агентами можно полностью настроить поведение агента на протяжении всего жизненного цикла. В случае имитации устройства IoT можно легко привязать к соответствующим обработчикам сообщений.
Приложения Akka могут выглядеть немного «нетрадиционными» без знания событийно-ориентированного (event-driven) программирования. Тем не менее, с точки зрения высокого уровня, стандартный фрагмент кода актора может быть совершенно понятным. Например, примитив устройства, написанный на Scala представлен на рис. 1.
В приведенном выше фрагменте показано, как можно создать примитив-актор в Scala - Akka, который публикует подписчикам свою информацию о состоянии работы с использованием стандартного протокола обмена сообщениями для подписки на подписку на сообщения MQTT (Message Queue Telemetry Transport). Цель здесь заключается не в том, чтобы изучить, как программировать в Scala или Akka, а в том, чтобы представить пример жизненного цикла агента Акка.
object Device {
def props(deviceType: String, mqttPubSub: ActorRef) = // ...
}
class Device(deviceType: String, mqttPubSub: ActorRef) extends Actor import Device._
private var opState: OpState = InitialStatetdeviceType) override def preStart(): Unit = //Initialize device's op-state ... override def postStopQ: Unit = //Reset/Shutdown device ...
def receive - {
case ReportOpState => //Assemble report data with opState ... mqttPubSub ! new Publish(Mqtt. topic_report, reportData) case UpdateOpState(newState) => // Update opState with newState ...
mqttPubSub ! new Publish(Mqtt ,topic_update, updateResult) case PowerOff =>
// Shutdown device ...
9Ж
Рис. 1. - Пример кода примитива, написанный на Scala
Агенты Akka предназначены не только для выполнения упрощенных задач, они способны использовать полный набор функциональных возможностей, предоставляемый Akka. Такая гибкость позволяет регулировать рабочую нагрузку агента в соответствии с бизнес-требованиями. Например, агент может быть отдельным устройством ¡оТ, или он может представлять собой набор устройств, поддерживаемых в какой-то коллекции карт значений ключа.
Установлено, что сообщения, которые отправляются через участников, всегда должны быть неизменными [9,10]. Тем не менее, поскольку агенты работают практически в частных потоках, обычно безопасно поддерживать состояние агента, используя охраняемые частные переменные в классе агента. Но если возникает необходимость исключить использование изменяемых объектов, агенты Akka также оснащены функциональными возможностями логического потока, который эмулирует конечный автомат посредством горячей замены.
Akka предоставляет метод соМех1.Ьесоте, позволяющий внутреннему
J
состоянию подвергаться «горячей» замене внутри цикла сообщений агента. На рис. 2 приведен фрагмент примера, иллюстрирующий, как «горячая» замена имитирует конечный автомат без необходимости использования изменяемой переменной для поддержания состояния агента.
object Worker {
def props(workerId, String, clusterClient: ActorRef) = // ...
>
class Worker(workerld, String, clusterClient: ActorRef) extends Actc import Worker._
override def preStartO: Unit = // Initialize worker's operational s override def postStopO: Unit - // Terminate worker ...
def sendToMaster(msg: Any): Unit = {
clusterClient ! SendToAllC'/user/master/singleton", msg)
}
def receive ~ idle
def idle: Receive = { case WorklsReady >
sendloMaster(WorkerlsFreetworkerld))
case Work -> // Process work ... woгkPгосе550г 1 mork context.become(working)
>
def working: Receive = { case WorkProcessed(workResuLt) => sendToMasterCWorklsDonefworkerld, workResult)) context.become(idle)
case Work ->
sendToMaster(WorkerlsBusyCworkerld))
>
}
Рис. 2. - Реализация конечного автомата
Необходимым условием реализации модели IoT является возможность масштабируемости и наличие параметров отказоустойчивости. Чтобы удовлетворить реальную потребность в масштабируемости, а также отказоустойчивости, Akka предоставляет комплексные функции в маршрутизации, кластеризации, окантовке и сохранении агентов.
Между тем, другие части системы Akka адресуют конкретные потребности, такие как потоковая передача или REST API в системе IoT.
«Акка потоки» - это полнофункциональный потоковый API, созданный на основе Akka. Akka HTTP, построенный поверх потоков Akka, обеспечивает потоковый интерфейс REST/ HTTP API.
В заключении, если имеется необходимость построения масштабируемой системы IoT, которая включает отслеживание состояния устройства, следует обратиться к использованию стека технологий на основе агентов, такого как Akka.
Литература
1 Карташов, О.О., Бутакова М.А., Чернов А.В., Костюков А.В., Жарков Ю.И. Средства представления знаний и извлечения данных для интеллектуального анализа ситуаций // Инженерный вестник Дона, 2018, №4. URL: ivdon.ru/ru/magazine/archive/n4y2018/5421
2 Розин, М.Д., Свечкарев В.П. Анализ принципов формирования общедоступного интернет пространства в сфере инженерной деятельности // Инженерный вестник Дона, 2018, №1. URL: ivdon.ru/ru/magazine/archive/n1y2018/4750
3. Smith, P.C. On the representation of spatial uncertainty // Int. J. Robot. Res., Vol. vol. 5, 1987. pp. 56-68.
4. Aztiria A., Izaguirre A., Augusto J.C. Learning patterns in ambient intelligence environments// Artificial. Intelligence, Vol. 34, №1, pp. 35-51, 2010.
5. Лященко, А.М., Ковалев С.М. Гибридная модель слабоформализованного динамического процесса на основе нечеткой продукционной системы// Сб. науч. трудов. «Итоги и перспективы научных исследований». - Краснодар: Изд. Априори, 2014. - С. 183-192.
6. McEwen A., Cassimally H. Designing the Internet of Things. John Wiley and Sons, Ltd. - 2014. - 336 p.
7. Mozzaquatro, B.A., Jardim-Goncalves R., Agostinho C. Situation
awareness in the Internet of Things // 2017 International Conference on Engineering, Technology and Innovation (ICE/ITMC), Madeira Island, Portugal, 2017. - pp. 982-990. 8. Федотов И.Е., Модели параллельного программирования. - М.: СОЛОН-ПРЕСС, 2012. - 384 с.
9. Mozer, M.C. Lessons from an Adaptive Home // Wiley, New York, pp. 271-294, 2005.
10. Weiser M., Ubiquitous computing // Computer, Vol.26 №10, pp. 71-72,
1993.
References
1 Kartashov, O.O., Butakova M.A., CHernov A.V., Kostyukov A.V., ZHarkov YU.I. Inzenernyj vestnik Dona (Rus), 2018, №4. URL: ivdon.ru/ru/magazine/archive/n4y2018/5421
2 Rozin, M.D., Svechkarev V.P. Inzenernyj vestnik Dona (Rus), 2018, №1 URL: ivdon.ru/ru/magazine/archive/n1y2018/47503. A. Aztiria A., Izaguirre A., Augusto J.C. Artificial. Intelligence, Vol. 34, №1, 2010, pp. 35-51.
3. Smith, P.C. On the representation of spatial uncertainty. Int. J. Robot. Res., Vol. vol. 5, 1987. pp. 56-68.
4. Aztiria A., Izaguirre A., Augusto J.C. Learning patterns in ambient intelligence environments. Artificial. Intelligence, Vol. 34, №1, pp. 35-51, 2010.
5. Lyashchenko, A.M., Kovalev S.M. Sb. nauch. trudov. «Itogi i perspektivy nauchnyh issledovanij». Krasnodar: Izd. Apriori, 2014. pp. 183-192.
6. McEwen A., Cassimally H. Designing the Internet of Things. John Wiley and Sons, Ltd. 2014, 336 p.
7. Mozzaquatro, B.A., Jardim-Goncalves R., Agostinho C. 2017 International Conference on Engineering, Technology and Innovation (ICE/ITMC), Madeira Island, Portugal, 2017. pp. 982-990. 8. Fedotov 1Е., Modeli parallel'nogo programmirovaniya [Parallel Programming Models]. M.: SOLON-PRbSS, 2012. 84 p.
9. Mozer, M.C. Lessons from an Adaptive Home: Wiley, New York, 2005, pp. 271-294
1. 10. Weiser M., Ubiquitous computing: Computer, Vol.26 №10, 1993, pp. 71-72,
