11 月， [eKuiper](https://ekuiper.org/zh) 團隊轉入 1.8.0 版本的開發週期之中，目前已完成了一部分實用的新功能：新增了影片流 source，將邊緣流式處理能力擴充套件到影片流領域，可以處理攝像頭的影片流或者網路中的直播影片流；釋出了通用的 tfLite 函式，使用者只需上傳訓練好的 Tensor Flow Lite 模型，無需額外編寫外掛或程式碼即可在 eKuiper SQL 中呼叫模型進行流資料的 AI 推斷，進一步簡化了 AI/ML 處理的難度；針對邊緣環境運維不便的特點進一步最佳化了規則自動化運維的能力，為規則新增了自動重啟策略的配置，Portable 外掛新增了熱更新功能；繼續完善了有狀態分析函式的支援，增加 WHEN 子句進行按條件計算。

## 規則自動化運維

部署在邊緣端的規則運維相對困難。而邊緣端的部署數量通常較大，手工重啟規則或重啟 eKuiper 也會成為較為繁瑣的工作。新的版本中，我們增強了規則的自治和自適應能力。

### 規則自動重啟策略

規則因各種原因出現異常時可能會停止執行，其中有些錯誤是可恢復的。新的版本中，eKuiper 提供了可配置的規則自動重啟功能，使得規則失敗後可以自動重試從而從可恢復的錯誤中恢復執行。

使用者可配置全域性的規則重啟策略，也可以針對每個規則配置單獨的重啟策略。規則重啟配置的選項包括：

- 重試次數
- 重試間隔
- 重試間隔係數，即重試失敗後重試時間增加的倍數
- 最大重試間隔
- 隨機重試延遲，防止多個規則總是在同一個時間點重試，造成擁塞

透過配置重試，可以在出現偶發錯誤時自動恢復，減少人工運維的需要。

### Portable 外掛熱更新

相比原生外掛，Portable 外掛更加容易打包和部署，因此也有更多的更新需求。之前的版本中，Portable 外掛更新後無法立即生效，需要手動重啟使用外掛的規則或者重啟 eKuiper。新的版本中，外掛更新後，使用外掛的規則可無縫切換到新的外掛實現中，減少運維工作。

## 增強分析能力

新的版本繼續加強了有狀態分析函式的能力，同時提供了通用的 AI 分析函式，提升了產品原生的分析能力。

### 通用 AI 函式

我們提供了 Tensor Flow Lite 函式外掛，用於在流式計算中進行實時 AI 推理。這個函式為通用的 AI 函式，可用於處理大部分已預訓練好的 Tensor Flow Lite 模型。使用中，使用者只需上傳或提前部署好需要使用到的模型，無需額外編碼即可在規則中使用這些模型。

tfLite 函式接收兩個引數，其中第一個引數為模型（副檔名須為 .tflite）的名稱，第二個引數為模型的輸入。在以下兩個例子中，tfLite 函式分別呼叫 sin_model.tflite 模型和 `fizz_buzz_model`.tflite 模型針對資料流中的 data 欄位進行實時 AI 計算。

```sql
SELECT tfLite(\"sin_model\", data) as result FROM demoModel
SELECT tfLite(\"fizz_buzz_model\", data) as result FROM demoModel
```

函式會在 eKuiper 層面針對輸入資料格式進行驗證。使用者可以透過更多的 SQL 語句對模型的輸入和輸出做預處理或者後處理。

### 有條件分析函式

分析函式新增了 WHEN 條件判斷子句，根據是否滿足條件來確定當前事件是否為有效事件。 當為有效事件時，根據分析函式語意計算結果並更新狀態。當為無效事件時，忽略事件值，複用儲存的狀態值。完整的分析函式語法為：

```stylus
AnalyticFuncName(<arguments>...) OVER ([PARTITION BY <partition key="">] [WHEN <expression>])
```

增加了 WHEN 子句之後，分析函式可以實現更加複雜的有狀態分析。例如，計算狀態的持續時間：

```pgsql
SELECT lag(StatusDesc) as status, StartTime - lag(StartTime) OVER (WHEN had_changed(true, StatusCode)), EquipCode FROM demo WHERE had_changed(true, StatusCode)
```

其中，`lag(StartTime) OVER (WHEN had_changed(true, StatusCode))` 將返回上次狀態變化時的時間。因此，使用當前時間減去該時間可實時計算出狀態的持續時間。

## 連線生態

eKuiper 可以處理二進位制影像資料，但是此前的測試中，影像都是經由 MQTT、HTTP 等偏向文字資料傳輸的協議來傳送。新版本提供了影片流源，增加了一種新的二進位制資料來源。同時，我們也繼續適配新版本的 EdgeX。

### 影片流源

影片源用於接入影片流，例如來自攝像頭的影片或者直播影片流。影片流源定期採集影片流中的幀，作為二進位制流接入 eKuiper 中進行處理。

透過影片源接入的資料，可以使用已有的 SQL 功能，例如 AI 推理函式功能等，轉換成資料進行計算或輸出為新的二進位制影像等。

### EdgeX Levski 適配

eKuiper 1.7.1 及之後的版本適配了 EdgeX Levski 版本。同時，eKuiper EdgeX source 增加了 EdgeX 新增的 Nats 匯流排的支援。

## 產品新面貌

### 釋出流程最佳化

11月我們最佳化了產品版本釋出的流程。透過最佳化持續整合的基礎設施，我們加快了版本釋出的節奏，對於已完成的功能實現儘早交付，方便使用者試用和反饋。

例如，11月已完成的 v1.8.0 功能已釋出在 1.8.0-alpha.2 版本中，使用者可透過 [Docker](https://registry.hub.docker.com/r/lfedge/ekuiper/tags) 或 [Github](https://github.com/lf-edge/ekuiper/releases/tag/1.8.0-alpha.2) 頁面進行下載試用。

持續整合同樣應用在 1.7.x 版本中，根據使用者反饋，我們在11月釋出了 3 個 fixpack，修復了一些問題，目前最新的版本為 v1.7.3.

### Logo 更新

eKuiper 的產品 Logo 於11月正式更新。新的 logo 更具動感，多段線條構成的向上不斷流動的形象，與 eKuiper 作為執行在邊緣端的輕量級物聯網資料分析和流處理引擎的產品定位更加吻合。新 Logo 整體呈現出向上流動的動態，代表著 eKuiper 可將海量物聯網資料從邊緣實時移動到雲端的能力，也彰顯了無限變化和擁抱萬物的概念，正如 eKuiper 所具備的**靈活敏捷的整合能力，可在各類邊緣計算框架上快速整合搭建邊緣側的流式資料解決方案。**

[![1](http://img.blog.itpub.net/blog/2022/12/08/adf486c2e7daf62b.png?x-oss-process=style/bb "1")](https://www.emqx.com/zh/blog/ekuiper-newsletter-202211 "1")

## 即將到來

12月我們將繼續進行 1.8.0 版本的開發，主要包括更高效能的靜態 Schema 支援以及 Flow Editor 的推進。敬請期待。

>版權宣告： 本文為 EMQ 原創，轉載請註明出處。
>
>原文連結：[https://www.emqx.com/zh/blog/ekuiper-newsletter-202211](https://www.emqx.com/zh/blog/ekuiper-newsletter-202211)</expression></partition></arguments>

提升規則自治能力與原生分析能力、支援影片流接入處理

相關文章