4. 设备影子与期望状态管理
当设备数量从几十台增长到几千台时，批量运维最大的难题不再是“能不能连上设备”，而是“如何知道每台设备现在是什么状态，以及如何让它们稳定地收敛到我们想要的状态”。设备影子（Device Shadow）或数字孪生（Digital Twin）正是为解决这一问题而设计的云端状态缓存与同步机制。它把设备的“期望状态”和“上报状态”分离存储，通过版本号控制并发更新，使批量配置和批量控制有了可靠的中间层。
一、设备影子的三个核心部分
设备影子本质上是一份保存在云端的 JSON 文档，通常包含三个部分：
- state.desired（期望状态）：由运维平台或应用写入，表示“我希望设备变成什么样”。例如把采样周期从 30 秒改为 10 秒。
- state.reported（上报状态）：由设备主动上报，表示“我现在实际是什么样”。设备收到期望状态并执行后，会把实际结果写入 reported。
- metadata 与 version：metadata 记录每个字段最后一次更新的时间戳，version 是影子文档的单调递增版本号，每次更新都会加一，用于并发控制和冲突检测。
设备影子并不要求设备一直在线。当设备离线时，期望状态仍然可以写入影子；设备重新上线后，通过订阅影子更新通知（如 MQTT 的 $aws/things/{thingName}/shadow/update/delta 或自建平台的影子主题），拉取 delta（期望与上报的差异部分）并执行，然后回报 reported。这样就实现了“离线下发、上线收敛”的批量控制模式。
二、期望状态与上报状态的同步过程
下面这张图展示了一台设备从“期望状态写入”到“实际状态收敛”的完整信号链，包括 delta 计算、设备执行、reported 回报以及版本号变化。图中同时标出了离线设备在重新上线后如何通过 delta 补齐差异。
三、版本控制与冲突处理
版本号是设备影子实现并发安全的关键。假设运维平台 A 读取到影子 version=7，准备把 interval 改为 10；与此同时平台 B 也读取到 version=7，准备把 interval 改为 20。如果两者都直接写入，后写入者会覆盖前者，造成“丢失更新”。
正确的做法是：写入时携带读取到的 version。云端比较请求 version 与当前 version，若不一致则拒绝，返回最新影子。平台 A 收到拒绝后，重新读取 version=8 的影子，发现 interval 已被改为 20，再根据业务规则决定是覆盖还是放弃。这种“读取—修改—条件写入”的模式称为乐观锁，是批量配置中必须实现的逻辑。
对于设备侧，冲突处理原则通常是“desired 优先，但 reported 必须真实”。设备执行 delta 后，应把实际生效的值写入 reported，而不是把 desired 原样复制。例如设备收到 interval=10，但硬件只支持 15 秒，则 reported 应写 15，delta 会重新出现 {interval:10}，平台据此判断该设备无法完全收敛，需要人工介入或调整期望值。
四、批量配置与批量控制的基础
有了设备影子，批量运维可以抽象为“批量写 desired，然后观察 reported 收敛”。具体操作流程如下：
- 按分组或标签筛选目标设备，例如
group=factory-a&model=S200。 - 为每台设备构造 desired 补丁，例如
{"state":{"desired":{"interval":10,"threshold":85}}}。 - 逐台或分批调用影子更新接口，携带各自当前 version。
- 订阅影子更新事件，统计 reported 与 desired 一致的设备比例。
- 对超过阈值时间仍未收敛的设备，检查在线状态、固件版本或硬件能力，生成异常清单。
下面给出一个批量配置任务的参数示例，用于说明实际执行时需要记录哪些字段。这些参数属于教学示例，实际值应根据平台和设备能力调整。
| 字段 | 示例值 | 说明 |
|---|---|---|
| task_id | cfg-20240612-001 | 批量配置任务唯一标识 |
| target_group | factory-a / S200 | 目标设备分组或标签表达式 |
| desired_patch | {"interval":10,"threshold":85} | 写入影子的期望状态补丁 |
| converge_timeout | 300 秒 | 等待 reported 收敛的最长时间 |
| success_ratio | ≥ 95% | 判定任务成功的收敛比例阈值 |
| retry_policy | 最多 2 次，间隔 60 秒 | 对未收敛设备的重新下发策略 |
总结来说，设备影子把批量运维从“逐台连接设备”转变为“面向云端状态文档操作”。期望状态负责表达意图，上报状态负责反映事实，版本号负责保证并发安全，delta 负责驱动设备收敛。掌握这四个要素，后续的批量配置、批量控制和灰度发布才有稳定的基础。