車聯網平台百萬級訊息吞吐架構設計

前言

在之前的文章中，我們提到車聯網 TSP 平台擁有很多不同業務的主題，並介紹了如何根據不同業務場景進行 MQTT 主題設計。車輛會持續不斷產生海量的訊息，每一條透過車聯網上報的數據都是非常珍貴的，其背後蘊藏著巨大的業務價值。因此我們構建的車輛 TSP 平台也通常需要擁有千萬級主題和百萬級訊息吞吐能力。

傳統的互聯網系統很難支撐百萬量級的訊息吞吐。在本文中，我們將主要介紹如何針對百萬級訊息吞吐這一需求進行新一代車聯網平台架構設計。

車聯網場景訊息吞吐設計的關聯因素

車聯網的訊息分為上行和下行。上行訊息一般是傳感器及車輛發出的告警等訊息，把器材的資訊發送給雲端的訊息平台。下行訊息一般有遠端控制指令集訊息和訊息推播，是由雲端平台給車輛發送相應的指令。

在車聯網訊息吞吐設計中，我們需要重點考慮以下因素：

訊息頻率

車在行駛過程中，GPS、車載傳感器等一直不停地在收集訊息，為了收到即時的反饋資訊，其上報接收的訊息也是非常頻繁的。上報頻率一般在 100ms-30s 不等，所以當車輛數量達到百萬量級時，平台就需要支持每秒百萬級的訊息吞吐。

訊息包大小

訊息是透過各種傳感器來采集自身環境和狀態資訊（車聯網場景常見的有新能源國標數據和企標數據）。整個訊息包大小一般在 500B 到幾十 KB 不等。當大量訊息包同時上報時，需要車聯網平台擁有更強的接收、發送大訊息包的能力。

訊息延時

車輛在行駛過程中，訊息數據只能透過無線網絡來進行傳輸。在大部份車聯網場景下，對車輛的時延要求是 ms 級別。平台在滿足百萬級吞吐條件下，還需要保持低延時的訊息傳輸。

Topic 數量和層級

在考慮百萬級訊息吞吐場景時，還需要針對訊息 Topic 數量和 Topic 樹層級進行規範設計。

Payload 編解碼

當訊息包比較大的時候，需要重點考慮訊息體的封裝。單純的 JSON 封裝在訊息解析時不夠高效，可以考慮采用 Avro、Protobuf 等編碼格式進行 Payload 格式化封裝。

對於百萬級訊息吞吐場景，基於 MQTT 客戶端共享訂閱訊息或透過規則引擎即時寫入關系型數據庫的傳統架構顯然無法滿足。目前主流的架構選型有兩種：一種是訊息接入產品/服務+訊息佇列（Kafka、Pulsar、RabbitMQ、RocketMQ 等），另外一種是訊息接入產品/服務+時序數據庫（InfluxDB、TDengine、Lindorm等）來實作。

接下來我們將基於上述的關聯因素和客戶案例的最佳實踐，以雲原生分布式物聯網訊息伺服器 EMQX 作為訊息接入層，分別介紹這兩種架構的實作方式。

EMQX+Kafka 構建百萬級吞吐車聯網平台

架構設計

Kafka 作為主流訊息佇列之一，具有持久化數據儲存能力，可進行持久化操作，同時可透過將數據持久化到硬碟以及 replication 防止數據遺失。後端 TSP 平台或者大數據平台可以批次訂閱想要的訊息。

由於 Kafka 擁有訂閱釋出的能力，既可以從南向接收，把上報訊息緩存起來；又可以透過北向的連線，把需要發送的指令透過介面傳輸給前端，用作指令下發。

我們以 Kafka 為例，構建 EMQX+Kafka 百萬級吞吐車聯網平台：

1. 前端車機的連線與訊息可透過公有雲商提供的負載均衡產品用作網域名稱轉發，如果采用了 TLS/DTLS 的安全認證，可在雲上建立四台 HAProxy/Nginx 伺服器作為證書解除安裝和負載均衡使用。
2. 采用 10 台 EMQX 組成一個大集群，把一百萬的訊息吞吐平均分到每個節點十萬訊息吞吐，同時滿足高可用場景需求。
3. 如有離線離線/訊息緩存需求，可選用 Redis 作為儲存數據庫。
4. Kafka 作為總體訊息佇列，EMQX 把全量訊息透過規則引擎，轉發給後端 Kafka 集群中。
5. 後端 TSP 平台/OTA 等套用透過訂閱 Kafka 的主題接收相應的訊息，業務平台的控制指令和推播訊息可透過 Kafka/API 的方式下發到 EMQX。

在這一方案架構中，EMQX 作為訊息中介軟體具有如下優勢，可滿足該場景下的需求：

百萬吞吐場景驗證

為了驗證上述架構的吞吐能力，在條件允許的情況下，我們可以透過以下配置搭建百萬級訊息吞吐測試場景。壓測工具可以選用 Benchmark Tools、JMeter 或 XMeter 測試平台。共模擬 100 萬器材，每個器材分別都有自己的主題，每個器材每秒發送一次訊息，持續壓測 12 小時。

壓測架構圖如下：

效能測試部份結果呈現：

EMQX 規則引擎中可以看到每個節點速度為 10 萬/秒的處理速度，10 個節點總共 100 萬/秒的速度進行。

在 Kafka 中可以看到每秒 100 萬的寫入速度，並且一直持續儲存。

EMQX+InfluxDB 構建百萬級吞吐車聯網平台

架構設計

采用 EMQX+ 時序數據庫的架構，同樣可以構建百萬級訊息吞吐平台。在本文我們以 InfluxDB 時序數據庫為例。

InfluxDB 是一個高效能的時序數據庫，被廣泛套用於儲存系統的監控數據、IoT 行業的即時數據等場景。它從時間維度去記錄訊息，具備很強寫入和儲存效能，適用於大數據和數據分析。分析完的數據可以提供給後台套用系統進行數據支撐。

此架構中透過 EMQX 規則引擎進行訊息轉發，InfluxDB 進行訊息儲存，對接後端大數據和分析平台，可以更方便地服務於時序分析。

1. 前端器材的訊息透過雲上雲廠商的負載均衡產品用作網域名稱轉發和負載均衡。
2. 本次采用 1 台 EMQX 作為測試，後續需要時可以采用多節點的方式，組成相應的集群方案（測試 100 萬可以部署 10 台 EMQX 集群）。
3. 如有離線離線/訊息緩存需求，可選用 Redis 作為儲存數據庫。
4. EMQX 把全量訊息透過規則引擎轉發給後端InfluxDB進行數據持久化儲存。
5. 後端大數據平台透過 InfluxDB 接收相應的訊息，對其進行大數據分析，分析後再透過 API 的方式把想要的資訊傳輸到 EMQX。

場景驗證

如測試架構圖中所示，XMeter 壓力機模擬 10 萬 MQTT 客戶端向 EMQX 發起連線，新增連線速率為每秒 10000，客戶端心跳間隔(Keep Alive)300 秒。所有連線成功後每個客戶端每秒發送一條 QoS 為 1、Payload 為 200B 的訊息，所有訊息透過 HTTP InfluxDB 規則引擎橋過濾篩選並持久化發至 InfluxDB 數據庫。

測試結果呈現如下：

單台 EMQX 伺服器實作了單台伺服器 10 萬 TPS 的訊息吞吐持久化到 InfluxDB 能力。參考 EMQX+Kafka 架構的測試場景，將 EMQX 的集群節點擴充套件到 10 台，就可以支持 100 萬的 TPS 訊息吞吐能力。

結語

透過本文，我們介紹了車聯網場景訊息吞吐設計需要考慮的因素，同時提供了兩種較為主流的百萬級吞吐平台架構設計方案。面對車聯網場景下日益增加的數據量，希望本文能夠為相關團隊和開發者在車聯網平台設計與開發過程中提供參考。