作者：王彬丞&杨志佳&刘家伟
针对新版本 Device-IoT 领域的更新，我们计划推出一系列的文章对这些特性进行详细的介绍，大致的文章大纲为：
-
基于物模型的设备管理 API 设计与实现
-
DMI 数据面能力设计与实现
-
Mapper 开发框架 Mapper-Framework 设计与实现
-
如何使用 Mapper 完成视频流数据处理
-
如何使用 Mapper 实现设备数据写入
-
如何从头开发一个 Mapper（以 modbus 为例）
在上一篇文章中，我们介绍了Mapper开发框架Mapper-Framework。Mapper-Framework中集成了DMI管理面和数据面能力，能够自动生成Mapper工程供用户使用，有效降低Mapper的开发门槛。
在1.15版本中，针对温湿度监测、酸碱度监测等数据离散的边缘场景，Mapper-Framework数据面能以多种方式定时采集上报单点数值。但在边缘计算中，摄像头之类流数据设备的管理也是不可或缺的部分。因此，在1.17版本中，Mapper-Framework增加了视频流数据处理的功能，完善了KubeEdge边缘设备的管理范围。
ONVIF摄像头设备纳管
在摄像头管理领域，ONVIF（Open Network Video Interface Forum） 是一种广泛应用的通用设备协议，旨在为视频监控及其他物理安全领域的IP设备之间的互联互通建立统一的标准，确保不同厂商的设备能够无缝集成和协作。
在 KubeEdge 1.17 版本中，为了支持摄像头设备的云原生接入与管理，我们基于 Mapper-Framework 设计并实现了 ONVIF 协议的内置 Mapper，该插件已存放于 mappers-go 仓库中，用户只需运行该内置 Mapper[1] ，并根据自身摄像头设备的具体信息修改相应的 device 配置文件，即可完成摄像头设备的自动接入与纳管。通过这种方式，能够让 ONVIF 网络摄像头设备具备云原生能力，支持在边缘环境下进行统一管理、远程控制和数据采集。ONVIF 网络摄像头设备的 device-instance 配置文件主要包含以下关键字段：
yaml
apiVersion: devices.kubeedge.io/v1beta1
kind: Device
metadata:
name: onvif-device-01
spec:
...
protocol:
protocolName: onvif
configData:
url: 192.168.168.64:80 # Replace it with the address of your own onvif camera
userName: admin # Replace it with the username of your own onvif camera
password: /etc/secret/password # Fill in the fields according to your secret.yaml上述字段指定了设备协议名称以及网络摄像头设备的 url、用户名以及密码，用户需要根据实际设备的详细信息进行修改。为避免密码明文存储，需要通过 Kubernetes secret 的形式完成挂载。完整的配置文件信息可以在配置文件示例[2] 获取。
Mapper-Framework支持视频流数据处理
在大多数应用场景中，摄像头设备通常通过 RTSP （Real-Time Streaming Protocol） 流的形式输出视频数据。根据 ONVIF 协议，Mapper 可以按照用户在device-instance 配置文件中定义的参数，自动连接并获取摄像头的 profileToken 鉴权文件和 RTSP 流 URI，最终实现视频流数据的采集。
为了简化用户对视频流数据的处理流程，在 KubeEdge 1.17 版本中，我们在 Mapper-Framework 的数据面内置了视频流数据处理功能，主要支持以下能力：
➤ 内置视频片段存储功能：能够将设备上报的视频流自动转化为视频片段文件，便于存储和后续分析。
➤ 内置视频帧存储功能：能够将视频流数据解析并存储为视频帧文件（图像序列），从而支持后续 AI 计算任务，如目标检测、行为识别等。
用户只需在 device-instance 配置文件中进行相关配置，即可使用当前版本的流数据处理能力。此外还支持用户自定义流数据处理逻辑以满足特定的业务需求，例如视频流实时分析、AI 推理等。配置文件相关字段定义及对应结构如下：
yaml
apiVersion: devices.kubeedge.io/v1beta1
kind: Device
metadata:
name: onvif-device-01
spec:
...
properties:
- name: saveFrame
visitors:
protocolName: onvif
configData:
format: jpg # Video frame file format
outputDir: /tmp/case/ # Output path of video frame file
frameCount: 30 # Number of output frame files
frameInterval: 1000000 # interval between frames, the unit is nanoseconds
dataType: stream
- name: saveVideo
visitors:
protocolName: onvif
configData:
frameCount: 1000 # The number of frames the video clip contains
format: mp4 # Video file format
outputDir: /tmp/case/ # Output path of video file
videoNum: 2 # Number of output video files
dataType: stream在1.17 版本后，Mapper-Framework数据面能力得到了进一步增强。除了将设备数据推送至数据库和用户应用的功能外，还新增了对视频流数据的处理能力，显著提升了设备数据的采集和读取能力，使得边缘 AI 和视频分析等场景的集成更加便捷。
然而，在实际的生产环境中，设备数据的写入也是一个至关重要的特性。例如，一些工业和安防应用场景需要将处理后的数据写回设备，以执行特定的控制指令或参数调整。在本系列的下一篇文章中，我们会对 Mapper 实现设备数据写入的功能进行详细的介绍。
▍相关链接
[1] 内置onvif Mapper：
[2] onvif device配置文件示例：
**【更多KubeEdge资讯推荐】**玩转KubeEdge保姆级攻略------环境搭建篇
玩转KubeEdge保姆级攻略------环境搭建篇
《玩转KubeEdge保姆级攻略------环境搭建篇》课程主要介绍如何通过华为云服务快速搭建一套KubeEdge边缘计算开发平台及部署Sedna、EdgeMesh等KubeEdge生态组件。
课程免费学习链接：connect.huaweicloud.com/courses/lea...
**KubeEdge社区介绍：**KubeEdge是业界首个云原生边缘计算框架、云原生计算基金会（CNCF）唯一毕业级边缘计算开源项目，社区已完成业界最大规模云原生边云协同高速公路项目（统一管理10万边缘节点/50万边缘应用）、业界首个云原生星地协同卫星、业界首个云原生车云协同汽车、业界首个云原生油田项目，开源业界首个分布式协同AI框架Sedna及业界首个边云协同终身学习范式，并在持续开拓创新中。
KubeEdge网站 : kubeedge.io
GitHub地址 : github.com/kubeedge/ku...
Slack地址 : kubeedge.slack.com
邮件列表 : groups.google.com/forum/#!for...
每周社区例会 : zoom.us/j/416723730...
Twitter : twitter.com/KubeEdge
文档地址 : docs.kubeedge.io/en/latest/