由于邊緣計(jì)算需要存取多種數(shù)據(jù)模型,，但是計(jì)算資源受限，我們在DB-Engine上所有數(shù)據(jù)庫排名清單上排名前30的數(shù)據(jù)庫中找了一圈,，找到的輕量級的非商業(yè)的支持多模型（注意：有的數(shù)據(jù)庫的多模型實(shí)際上只支持兩種數(shù)據(jù)模型,，不能滿足邊緣計(jì)算的需求）的數(shù)據(jù)庫Redis。
作者：與子同袍

1.邊緣計(jì)算的數(shù)據(jù)存取需求

在物聯(lián)網(wǎng)邊緣計(jì)算的復(fù)雜環(huán)境中,，應(yīng)用程序不可避免地需要多個(gè)數(shù)據(jù)模型：

• 內(nèi)存數(shù)據(jù)庫存儲采集的實(shí)時(shí)設(shè)備數(shù)據(jù),。

• 現(xiàn)場會斷網(wǎng)，所以需要把待發(fā)送到云端的數(shù)據(jù)存儲到時(shí)間序列數(shù)據(jù)庫中,。同時(shí)邊緣側(cè)需要對歷史數(shù)據(jù)進(jìn)行聚合分析,，例如計(jì)算溫度一段時(shí)間內(nèi)平均值。

• 現(xiàn)場采集的數(shù)據(jù)需要轉(zhuǎn)發(fā)給一個(gè)或多個(gè)消費(fèi)者進(jìn)行處理,。

• 邊緣側(cè)需要人工智能學(xué)習(xí)能力,，來支持視頻流分析，圖像識別,，故障診斷等低延遲響應(yīng)業(yè)務(wù),。

• 邊緣側(cè)進(jìn)行類似MapReduce的計(jì)算。

• 運(yùn)行占用空間小,，以能在性能受限的邊緣計(jì)算計(jì)算節(jié)點(diǎn)上運(yùn)行,。

由于邊緣計(jì)算需要存取多種數(shù)據(jù)模型，但是計(jì)算資源受限,，我們要是把DB-Engine上的專用的文檔數(shù)據(jù)庫MongoDB,、圖數(shù)據(jù)庫Neo4J、搜索引擎ElasticSearch,，時(shí)間序列數(shù)據(jù)庫InfluxDB加上內(nèi)存數(shù)據(jù)庫Redis自己都塞到一塊NXP 飛思卡爾ARM A7的內(nèi)存只有512MB,，F(xiàn)LASH只有8GB的千把塊RMB的嵌入式網(wǎng)關(guān)上，根本就跑不起來,，得買更貴的研華工控機(jī)才行,。

既然這樣做不可行，我們?nèi)B-Engine這個(gè)數(shù)據(jù)庫排名網(wǎng)站上逛逛,，看看到底有沒有能滿足邊緣計(jì)算這種苛刻要求的數(shù)據(jù)庫,。

2.Redis的解決之道

我們的目標(biāo)是,，找到一種輕量級的非商業(yè)的支持邊緣計(jì)算所需的多種數(shù)據(jù)模型的數(shù)據(jù)庫。

在DB-Engine上所有數(shù)據(jù)庫排名清單上排名前30的數(shù)據(jù)庫中找了一圈,，輕量級的非商業(yè)的支持多模型（注意：有的數(shù)據(jù)庫的多模型實(shí)際上只支持兩種數(shù)據(jù)模型,，不能滿足邊緣計(jì)算的需求）的數(shù)據(jù)庫，就只有Redis了,。

Redis的全名是REmote DIctionary Server,，遠(yuǎn)程字典服務(wù)器，看上去只是一個(gè)可以遠(yuǎn)程存放字典類型的內(nèi)存數(shù)據(jù)庫,。實(shí)際上由于Redis的架構(gòu)設(shè)計(jì),，它可以開發(fā)新的數(shù)據(jù)結(jié)構(gòu)和模塊，正如Postgresql可以讓開發(fā)人員開發(fā)新的數(shù)據(jù)庫數(shù)據(jù)結(jié)構(gòu)和擴(kuò)展一樣,。因此它實(shí)際上和Memcached不同,，不只是KV鍵值對數(shù)據(jù)庫，還是多模型（Multi-model）數(shù)據(jù)庫,。

那什么是多模型數(shù)據(jù)庫呢,？我們把鼠標(biāo)光標(biāo)移到Redis的Multi-model右邊的信息圖標(biāo)上,，會彈出對Redis數(shù)據(jù)庫的Multi-model多模型的解釋,。我們可以看到，Redis在完成本職工作Key-value鍵值對數(shù)據(jù)庫的同時(shí),，還可以當(dāng)做文檔數(shù)據(jù)庫,、圖數(shù)據(jù)庫、搜索引擎和時(shí)間序列數(shù)據(jù)庫使用,。

Redis這個(gè)定位用到邊緣計(jì)算就有點(diǎn)無敵了,。為什么這么說？

我們要是把那些重量級數(shù)據(jù)庫比作加農(nóng)炮,、榴彈炮這些“大炸嗶”,，就會發(fā)現(xiàn)它有兩個(gè)缺點(diǎn)，一是用來對付小目標(biāo)殺雞用牛刀成本太高,；二是重量大很難由步兵攜帶,，對連排級的這種”邊緣側(cè)戰(zhàn)斗”火力支援響應(yīng)慢。反觀RedisEdge可以比作迫擊炮,，正好是彌補(bǔ)了這幾位大塊頭的缺點(diǎn),，便攜，易用,，不存在射擊死角,，可以很方便的為步兵提供曲射火力支援。

雖然Redis的多模型數(shù)據(jù)庫功能肯定沒有專門的文檔數(shù)據(jù)庫MongoDB,、專門的時(shí)間序列數(shù)據(jù)庫InfluxDB,、專門的圖數(shù)據(jù)庫Neo4J那么強(qiáng)大,，但是我們要知道，在邊緣計(jì)算這種應(yīng)用場景,，Redis提供的那些數(shù)據(jù)模型功能已經(jīng)夠用了,。

Redis 只需要添加邊緣計(jì)算所需的數(shù)據(jù)結(jié)構(gòu)和模塊，就可以滿足邊緣計(jì)算所需的功能,，適用于物聯(lián)網(wǎng)邊緣計(jì)算的苛刻條件,。

按照這個(gè)思路形成的軟件，套上現(xiàn)在時(shí)髦的Edge這個(gè)Buzzword,，那就叫RedisEdge吧,。

RedisEdge將開源版本Redis（帶有Redis Streams的5.0版本）與RedisAI和RedisTimeSeries、RedisGears這三個(gè)模塊一起打包,，就可以提供邊緣計(jì)算所需的數(shù)據(jù)模型了：

• Redis 5.0版本,，內(nèi)置的Set、List,、Hash等數(shù)據(jù)結(jié)構(gòu)可用作實(shí)時(shí)內(nèi)存數(shù)據(jù)庫,，用來存儲邊緣網(wǎng)關(guān)采集到的設(shè)備實(shí)時(shí)數(shù)據(jù)。

• Redis 5.0版本的Redis Streams數(shù)據(jù)結(jié)構(gòu),，可用做消息中間件,，把采集到的設(shè)備實(shí)時(shí)數(shù)據(jù)轉(zhuǎn)發(fā)給其他邊緣計(jì)算軟件組件。

• RedisTimeSeries是Redis的一個(gè)模塊,，可用作時(shí)間序列數(shù)據(jù)庫,，在邊緣計(jì)算網(wǎng)關(guān)斷網(wǎng)的情況下，能夠離線保存需要上傳到云端的設(shè)備歷史數(shù)據(jù),。同時(shí)也有歷史數(shù)據(jù)降采樣,、壓縮、聚合的功能,。

• RedisGears也是Redis的一個(gè)模塊,，類似MapReduce的分布式動(dòng)態(tài)執(zhí)行框架，可以用來在分布式的邊緣計(jì)算節(jié)點(diǎn)或者霧計(jì)算節(jié)點(diǎn)上運(yùn)行Serverless無服務(wù)程序代碼,。

• RedisAI也是Redis的一個(gè)模塊,，用于執(zhí)行深度學(xué)習(xí)模型，在邊緣側(cè)調(diào)用PyTorch,、Tensorflow和ONNXRuntime等深度學(xué)習(xí)工具,。

有了RedisEdge，就可以優(yōu)雅地處理邊緣計(jì)算所需的各種數(shù)據(jù)模型,，消除了在邊緣計(jì)算節(jié)點(diǎn)安裝多種數(shù)據(jù)庫的復(fù)雜性,。RedisEdge不是部署五個(gè)不同的數(shù)據(jù)庫來支持這些需求，而是在Redis上添加特定的數(shù)據(jù)結(jié)構(gòu)和特定功能的Redis模塊,，從而極大地簡化了系統(tǒng)架構(gòu)和部署復(fù)雜度,。

可能有的開發(fā)人員還是不太放心,，擔(dān)心性能問題。其實(shí)這個(gè)擔(dān)心是多余的,。Redis每秒可以寫入上百萬條數(shù)據(jù),，延遲<1ms，占用空間非常?。?lt;5MB）,，因此很容易運(yùn)行在受限制的計(jì)算環(huán)境中。

它可以在各種邊緣設(shè)備上運(yùn)行,，范圍從ARM嵌入式處理器到基于x64的硬件,。因此它非常適合在物聯(lián)網(wǎng)設(shè)備、邊緣網(wǎng)關(guān)設(shè)備,、霧節(jié)點(diǎn)上使用,。

3.邊緣計(jì)算中的應(yīng)用場景

既然RedisEdge是用在邊緣計(jì)算的，我們來看下RedisEdge官方提供的兩個(gè)邊緣計(jì)算應(yīng)用場景,。第一個(gè)是把RedisEdge嵌入到EdgeX Foundry中,。第二個(gè)是把RedisEdge嵌入到Azure IoT Edge平臺中。

EdgeX Foundry是一個(gè)擁有70多家成員公司的Linux基金會項(xiàng)目,。它是一個(gè)開源的物聯(lián)網(wǎng)邊緣計(jì)算微服務(wù)框架,，使任何人都可以輕松開發(fā)物聯(lián)網(wǎng)邊緣應(yīng)用程序。EdgeX Foundry參考實(shí)現(xiàn)中的核心服務(wù)數(shù)據(jù)庫用的是MongoDB這個(gè)文檔數(shù)據(jù)庫,。雖然用MongoDB也可以存儲實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù),，也可以用中間表來傳遞消息,。但是它不夠輕量級,，適用場景就會受到很大限制。

在下圖中,，RedisEdge運(yùn)行在EdgeX Foundry的核心服務(wù)層,。RedisEdge作為內(nèi)存數(shù)據(jù)庫、時(shí)間序列數(shù)據(jù)庫,、元數(shù)據(jù)存儲,、配置文件存儲。

在導(dǎo)出服務(wù)層,，RedisEdge作為導(dǎo)出客戶端注冊信息的數(shù)據(jù)庫,。

RedisEdge還可用作Azure IoT Edge的模塊，使Azure IoT服務(wù)的物聯(lián)網(wǎng)應(yīng)用程序開發(fā)人員可以輕松利用Redis的強(qiáng)大功能,。

4.其他類似方案

那除了RedisEdge之外,，邊緣計(jì)算數(shù)據(jù)庫是否還有其他可選方案呢？

一個(gè)方案是用開源多模型數(shù)據(jù)庫Postgresql + 擴(kuò)展插件（連接第三方數(shù)據(jù)庫postgres-fdw + PG時(shí)間序列數(shù)據(jù)庫擴(kuò)展timescale + REST接口暴露PostgREST + 實(shí)時(shí)流分析pipelinedb) + PL/Python函數(shù)或SPI接口,。

其中Postgresql作為核心數(shù)據(jù)庫,，提供關(guān)系型數(shù)據(jù)模型和文檔數(shù)據(jù)模型,。

postgres-fdw擴(kuò)展，用于與第三方數(shù)據(jù)庫進(jìn)行集成,。

timescale這個(gè)Postgresql的時(shí)間序列數(shù)據(jù)庫擴(kuò)展,，給Postgresql添加了時(shí)間序列數(shù)據(jù)庫功能，用于存儲設(shè)備歷史數(shù)據(jù)和歷史數(shù)據(jù)降采樣,、聚合,。

pipelinedb這個(gè)Postgresql實(shí)時(shí)流分析擴(kuò)展，用于對采集的設(shè)備數(shù)據(jù)進(jìn)行實(shí)時(shí)分析,。

PostgREST用于將數(shù)據(jù)庫暴露為RESTful API接口,，用于給邊緣計(jì)算應(yīng)用程序調(diào)用訪問。

PL/Python或C語言的SPI接口,，可以用來調(diào)用人工智能庫如PyTorch（libtorch）或Tensorflow（libtensorflow）等,，然后將其封裝為Postgresql的函數(shù)，這樣邊緣計(jì)算應(yīng)用開發(fā)人員通過調(diào)用數(shù)據(jù)庫函數(shù)即可實(shí)現(xiàn)在邊緣側(cè)運(yùn)行深度學(xué)習(xí)模型,。

這種方式比RedisEdge更重量級一點(diǎn),，適合在邊緣計(jì)算側(cè)需要更復(fù)雜計(jì)算的地方。這個(gè)方案的缺點(diǎn)是其中有商業(yè)軟件,。當(dāng)然,，我們也可以借鑒RedisEdge的Streams數(shù)據(jù)結(jié)構(gòu)和RedisTimeseries模塊，開發(fā)Postgresql的對應(yīng)的擴(kuò)展,。

另外一個(gè)方案就是北京濤思科技的TDengine,。這個(gè)項(xiàng)目要解決的問題和RedisEdge也是類似的，只不過是自己從頭開發(fā)的,。而RedisEdge是Redis+Redis模塊的方式組合起來的。