Мониторинг активов Интернета вещей в облаке AWS

Прием данных (теги) и аналитика Интернета вещей

Цифровые теги, собранные с датчиков и граничных устройств, отправляются в облако AWS через сервер OPC-UA и шлюз сайта. В облаке AWS данные агрегируются, обогащаются и сохраняются для краткосрочного, долгосрочного мониторинга и анализа в режиме, близком к реальному времени.

Вот образец архитектуры для приема данных и аналитики и ее описание.

Описание архитектуры

  1. Пограничные устройства отправляют числовые теги на сервер OPC-UA через равные промежутки времени (например, каждые 5 секунд).
  2. Локальный шлюз IoT собирает данные с сервера OPC-UA с помощью лямбда-выражения сборщика и передает потоки в сервис AWS IoT Sitewise (AWS Cloud) с помощью лямбда-выражения издателя партиями.
  • Лямбды Collector и Publisher являются частью коннектора Greengrass.

  • Сервис AWS IoT Sitewise получает данные от лямбда-выражения издателя и сохраняет их в хранилище данных, оптимизированном для временных рядов.
  • AWS IoT Sitewise организует эти данные в модели активов, которая позволяет выполнять расширенные вычисления и агрегирование собранных данных.

3. Данные в хранилище данных AWS IoT Sitewise отслеживаются и визуализируются в Sitewise monitor.

4. Данные также отправляются в темы MQTT (ядро IoT) через темы уведомлений путем включения уведомлений для соответствующего измерения активов.

  • Сервис AWS IoT Analytics получает данные по своему каналу из тем MQTT через правило IoT Core.

5. Канал действует как хранилище необработанных данных и первая точка входа в сервис AWS IoT Analytics.

  • Из канала данные поступают в конвейер, где они фильтруются, выравниваются, преобразуются и обогащаются. В конвейерах данные также могут быть дополнены другими источниками данных, такими как DynamoDB, RDS и т. Д., С помощью лямбда-функций.

  • Преобразованные данные в конечном итоге сохраняются в хранилищах данных.
  • Данные из хранилищ данных извлекаются с помощью определяемых пользователем запланированных запросов для создания наборов данных SQL.

6. Наборы данных IoT Analytics отправляются в S3 для экономичного хранения, позволяющего выполнять специальные запросы и долгосрочную аналитику.

7. Сканер Glue сканирует определенные пользователем корзины s3 и создает / обновляет каталог данных, который хранится в Glue. Данные в S3 также могут храниться в паркетном формате для повышения производительности запросов.

8. Пользователи выполняют специальные запросы в Amazon Athena, который использует каталог данных AWS Glue, созданный на предыдущем шаге, и извлекают данные, хранящиеся в корзинах s3.

9. Quicksight отображает данные в S3 и из различных источников на информационной панели.

Отказ от ответственности: взгляды и мнения, выраженные в этом сообщении, являются моими собственными (на основе моего опыта) и не отражают официальную политику или позицию моего работодателя (Amazon Web Services).

Больше контента на plainenglish.io