重磅 | Shifu物联网开发框架成为CNCF认证项目

news2024/12/27 12:13:05

近日，边无际Shifu项目被收录进CNCF云原生全景图，成为了云原生计算基金会认证的项目之一。此次收录证明了Shifu具备了符合CNCF标准的技术能力和良好的社区发展，展现了Shifu在云原生计算领域的实力和可信度，巩固了Shifu在云原生领域的地位。作为CNCF认证项目，Shifu将会有更多机会为AIoT开发者解决应用开发痛点。

file

1、Shifu物联网开源社区高速发展

Shifu物联网开发框架于2022年8月29日正式开源。目前在中国拥有超500人数量的开发者社区,在GitHub的star数超800。Shifu与CNCF认证的Openyurt、Kubesphere、MicroK8s、Akri等项目完成适配与功能拓展，同时可与Oneflow、EMQ、Tdengine等开源项目形成综合的解决方案。Shifu将持续扩大自身的开源生态体系，与众多开源项目形成高质量的物联网解决方案。

CNCF (Cloud Native Computing Foundation) 是一个非营利性开源组织，旨在推广和维护云原生技术的标准、规范和工具。CNCF Landscape全景图中包含了CNCF社区成熟或使用范围较广、具有最佳实践的产品和方案。NCF Landscape全景图是CNCF中的一个重要项目，它始于2016年11月，旨在为云原生应用者提供一个资源地图，帮助企业和开发人员快速了解云原生体系的全貌，并帮助用户在不同组件层次去选择恰当的软件和工具进行支持。

作为云原生框架，Shifu通过Kubernetes的CRD功能延伸了Kubernetes的资源，来实现高可用，静态域名，服务管理等功能，Shifu可以支持对任何设备进行任何形式的配置。当连接物理设备时，Shifu会识别并以一个K8s Pod的方式启动该设备的数字孪生 deviceShifu。开发者通过接入 deviceShifu 的接口，可以获取物联网设备的所有功能，同时编程定义设备原本不具备的功能。

2、边无际携Shifu加快物联网商业应用落地

边无际是Shifu的创始团队与核心维护团队，团队成员主要来自于微软、亚马逊、谷歌等公司云计算核心部门。2022年，边无际在Shifu开发框架基础上成功实现多场景落地，支撑无人工厂数据监测、工业4.0实验室软件系统搭建、合成生物可降解系统搭建、AI质检、AR巡检等应用场景的开发，与中国船舶、厦门国贸、之江实验室、微软、亚马逊等企业达成深度合作。

边无际以Shifu为核心的解决方案，在2022年获得入围信通院实时互动创新应用优秀案例，写入亚马逊云科技IoT创新案例集、获颁中关村协同创新平台智能网联汽车创新成果奖等荣誉。Shifu开发框架的应用扩展性、稳定性、安全性得到了行业内的普遍认可，已经成为多家央国企信息化部门创新场景物联中的基础框架。

Shifu的创新优势是通过透明框架内的数字孪生技术，为设备赋予有思考能力的“数字大脑”。数字孪生将反映设备的实时状态，对其进行开发操作等同于操作设备本身。物联网设备接入到Shifu中便会生成标准化接口，实现互联网互动，通过平台层对场景内所有设备、机器进行北向数据收集和南向指令管控。

Shifu提供了桥接式设备互联解决方案，微服务架构令设备能力模块可调用，可复用，目标实现通过配置文件轻松接入各种异构设备。Shifu 已经实现通过HTTP、MQTT、TCP Socket、RTSP、OPC UA等协议接入物联网设备，同时已将西门子S7、海康威视（HIKVISION）等通过私有协议通讯的设备进行了集成。

3、Shifu场景案例：工业4.0实验室

工业4.0液体实验室是一个涉及到多种设备的复杂系统，如分液器、酶标仪、液体定量器、自动导引车、机械臂等。Shifu是一种边无际自主研发的边缘计算开发平台，它通过将设备抽象成API的方式，将设备的控制和编排实现数字化。通过边缘计算，我们可以实现对数据的实时处理，并通过云边协同完成远程设备监控与数据分析，提高生产效率和质量。

file

设备接入与抽象化：首先，通过Shifu边缘计算技术将工厂中的设备（分液器、酶标仪、液体定量器、自动导引车、机械臂等）进行接入和抽象化，将其抽象成标准化API，以方便进行远程控制和操作。例如，将机械臂、传送带等设备抽象成API，以方便远程控制和调用。

边缘节点搭建：为了实现边缘计算，我们需要在工厂中部署边缘节点。边缘节点可以是一台工控机、嵌入式设备等，用于接收设备的数据、进行数据处理和分析，并将处理后的数据发送到云端进行进一步处理和分析。我们可以采用Shifu提供的边缘计算平台来实现边缘节点的搭建。

数据处理与分析：以Shifu为核心可以搭建起物联中台，可拓展连接AI中台与数据中台，实现融合式AIoT中台的一体化框架。在边缘节点上，可以采用机器学习算法、深度学习算法等进行数据处理和分析。例如，我们可以通过图像识别算法来实现对生产流程的实时监测和识别，或者通过数据挖掘算法来对生产数据进行分析和预测。通过边缘计算，我们可以实现对数据的实时处理和分析，提高生产效率和质量。

控制与优化：通过对设备进行抽象化和控制，我们可以通过API来对生产流程进行自动化控制和优化。例如，我们可以通过API来控制机械臂的动作，将产品从传送带上取下并送到下一个流程中；或者通过API来控制设备的启停，以优化整个生产流程。通过融合式AIoT中台，我们可以实现对生产流程的智能化控制和优化。