奇蛙联合ServiceComb微服务化,打造无人机智慧控制大脑

架构思考(七) 识别微服务边界 阅读详情

      

     

序

南京奇蛙智能科技有限公司,聚焦于发展工业级无人飞行器,在无人机领域有十年技术和经验积累,其智慧控制业务在无人机领域拥有核心竞争力,贯穿端到云的全流程,向用户提供实时直播、远程控制及多屏/多人互动的无人机管理和信息共享,覆盖公共安全、环保气象、能源电力等领域。

     

奇蛙联合ServiceComb打造无人机“微”大脑

奇蛙智能科技智慧控制业务,以云端飞行控制系统为中心,辐射地面综合管理和增稳云台,为用户带来现场和远程遥控无人机,完成数据采集、视频直播、实时操控等良好体验。多样化用户体验、全天候待命、复杂环境飞行等场景,对飞行控制系统的安全、快速、精准提出了很高的要求,构建高可靠、高性能、易扩展的飞行控制系统显得至关重要,奇蛙联合ServiceComb微服务开源社区,共同打造智慧控制的云端“大脑”。

     

“微”操作,指令立达,更流畅

无人机行业云化需要支持高实时高可用场景,其作业任务需要对多客户端无人机数据实时上报、指令实时到达,时延不高于20毫秒才能保证操作流畅。在无人机配合人群疏散、抓捕拦截等作业任务中,要求全方位监控地面/空中可疑情况,在突发状况发生时,现场任何细微变动第一时间图传到指挥中心,并且指示无人机快速采取对应措施。奇蛙第一代云端飞行控制系统采用传统开源RPC框架开发,由于面临多客户端并发场景下带来的吞吐率下降和响应时间变长等问题,且随着业务发展,需要进行微服务化以具备微服务治理能力,需要一个稳定长足发展、可落地商用,并且具备高性能的社区框架势至关重要。

ServiceComb是率先进入Apache基金会孵化的微服务解决方案,开源与商业代码同根同源,社区从诞生之日起就致力于更好地帮助企业微服务化,并追求健康长足发展,满足奇蛙对开源社区的选型要求。ServiceComb内置的SpringMVC/JAXRS/透明RPC多编程模型支持、开箱即用等特性,助力奇蛙5步骤1天内完成老RPC框架的迁移和验证,代码/脚本改动< 50行,低侵入性帮助用户回归到聚焦业务。同时,通过使用ServiceComb内置的全异步内核能力和highway RPC通信协议特性,解决了原RPC架构云端远程控制飞机滞后、卡顿问题,端云启动互连达到全功能可用状态场景性能提升2.5倍,多客户端(>2000)并发控制场景吞吐能力极大提升,极端条件调用时延降低50%。

“微”治理,“微”监控,省力更轻松

奇蛙云端飞行控制系统作为无人机“大脑”,具备完善的服务治理、故障定位和自愈能力,是保障系统长时稳定和持续性运行的重要前提。奇蛙早期采用的框架没有服务治理和监控运维等功能,集成第三方生态的能力也有所欠缺,业务需要自己选型和集成第三方软件,效率较低,成本也很高。比如日志分析,需要引入第三方插件logstash进行日志采集,在Kibana进行日志查看,人为地分析业务日志,而且需要维护多个节点,人力成本投入过高。

ServiceComb提供了负载均衡、服务降级、流量控制等内置服务治理功能,并且支持开箱即用的方式接入Zipkin、Skywalking、Prometheus等服务调用追踪和APM生态软件的能力,助力奇蛙补齐微服务追踪能力,跨节点链式跟踪数据走向,定位和解决问题效率大大提高,问题定位时间缩短3倍。

     

 无“微”不至

随着奇蛙智能科技云端的推广和行业用户的功能定制普及,不同行业定制需求不同,对业务的快速上线能力也提出了更高要求。早期的奇蛙云端飞行控制系统架构单体发布,模块耦合度高,新特性从开发、测试到部署流程复杂且涉及多团队配合,需求落地和业务上线效率较低,难以满足日益增长的用户诉求,因此,系统架构向分布式云化架构转型已成必然。

使用ServiceComb对云端飞行控制系统进行了微服务拆分和架构重构之后,系统拆分为30+微服务,每个微服务均具备独立开发/验证/部署/发布能力,通过标准化契约管理功能统一内外API,使开发更通用、更规范,结合开箱即用能力,团队开发效率提升1倍;使用内置的微服务治理功能以及快速对接opentracing生态的能力,对系统DFX进行重新设计,极大地增强了系统健壮性和可维护性,整体运维效率提升3倍。此外,通过ServiceComb展示的脚手架,快速实现微服务docker容器化部署的转型,节点扩展部署效率提升2倍。

重构后的云端系统极大地提升了端到端效率以及充分发挥分布式系统能力,可同时支撑无人机6000+套。满足了业务快速上线的要求,并且在服务高可靠性、可扩展性、高性能上优势明显。

开源软件的使用无处不在,如何选型开源软件,需要同时考虑开源软件本身是否满足业务需要以及软件所在的开源社区自身的健康度。ServiceComb 微服务解决方案在刚刚好的时间解决奇蛙智能科技这两个长期以来选型开源软件面临的痛点问题。奇蛙智能科技会在业务发展中持续给ServiceComb提供更多的场景以共同打造这个微服务框架, 提升自己业务并为开源社区做出自己的贡献。

─周苏建 奇蛙智能科技首席架构师

ServiceComb源自华为云微服务引擎CSE,开源前就已经具备深厚的微服务技术和经验沉淀,开源以来,于去年12月进入Apache软件基金会孵化,一直严格遵循Apache Way 以保障社区的长足健壮发展,也持续思考如何更好地帮助企业更轻松的进行微服务化转型,过程中得到了Apache社区、各企业、开源爱好者、微服务开发者的支持与贡献,使得社区稳步发展。ServiceComb势必坚定不移地为微服务和开源领域散发自己的点滴光热。

─Zen Lin  ServiceComb PPMC,运营负责人

 

作者简介


周苏建,南京奇蛙智能科技首席架构师,智能协议分析和hosting领域技术专家,9年无人机物联网和电信级平台中间件架设经验。

马彬, 华为中央软件院企业应用微服务化工程师,ServiceComb 社区成员, 10+企业应用微服务化经验,12年电信级中间件平台、虚拟化、嵌入式操作系统设计开发与开源开发经验。

官方网站

ServiceComb:

http://servicecomb.incubator.apache.org/

微服务引擎(Cloud Service Engine):
https://www.huaweicloud.com/product/cse.html

奇蛙智能科技:

http://www.ceewa.com/

长按“识别图中二维码”,加入ServiceComb讨论群

 点击左下角“阅读原文”,给SeriveComb加个Star吧 

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

customer-service项目重构总结

最近一项工作就是在做customer-service的项目重构, 最开始的时候customer-service是crm-service中的一个模块,现在把他拆分出来, crm-service中还包含的木块有resource-serivce, trade-service, sales-service, workflow-service, 都拆分出来, 尽量做到数据库的独立, 因为现在yd_cloud这个库里面有几百张表了, 首先理清customer-serive项目中涉及到的表, 全部记录下来, 分库的时候

长河的博客 3373

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

开源无人机开发平台

高通 Snapdrgon Flight https://developer.qualcomm.com/hardware/snapdragon-flight 英特尔 Intel Aero https://click.intel.com/intel-aero-platform-developer-kits.html

陈海峰的博客 5980

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

一起读Apache ServiceComb

喜欢我,就点个Star吧~https://github.com/apache?q=servicecomb入门必读:必读1:首个Apache微服务顶级项目毕业必读2:致微服...

微服务技术与实践专栏 2437

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

【ServiceComb】扎实做微服务,认真做开源

5问ServiceComb微服务 ServiceComb 是谁?ServiceComb取名寓意蜂巢,是微服务开源项目,Apache软件基金会孵化项目,其源自Servic...

微服务技术与实践专栏 866

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

[里程碑]1.0.0版本正式发布——Apache ServiceComb(incubating)

近日,正在Apache基金会孵化项目—微服务解决方案Apache ServiceComb(incubating) 的1.0.0版本通过社区投票,正式发布。这...

微服务技术与实践专栏 402

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

上一篇: 如何设计一个优质的微服务框架:Apache ServiceComb (incubating)的开放性设计
下一篇: 【教师节有奖活动】写个寄语来表白,动动手指,轻松赢奖品!
looook
博客等级 码龄20年 145粉丝 195原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值