Memantau Kesehatan Sistem IIoT Anda
Bagaimana Anda memastikan bahwa sistem IIoT Anda sehat? Saat sistem Anda berjalan, sistem mungkin mengalami kehilangan atau penundaan jaringan, kegagalan node, atau perubahan tak terduga karena peningkatan perangkat lunak dan penerapan aplikasi baru. Masalah ini mempengaruhi kinerja aplikasi Anda. Tetapi jika Anda tidak terus memantaunya, mengidentifikasi sumber masalahnya bisa sangat menantang. Tim Riset RTI sedang mengerjakan solusi arsitektur untuk pemantauan operasional sistem energi terdistribusi. Namun, pendekatan ini dapat diterapkan pada aplikasi vertikal apa pun, termasuk aplikasi Anda.
Pemantauan operasional memberi Anda pemahaman yang jelas tentang kesehatan sistem Anda dengan mengumpulkan metrik kinerja dan peristiwa dari waktu ke waktu. Secara khusus, ini memberi Anda wawasan melalui visualisasi dan analisis waktu nyata. Untuk mendukung kemampuan pemantauan operasional untuk sistem berbasis DDS ini, tim Riset RTI mengevaluasi teknologi yang relevan dan mengembangkan perangkat lunak prototipe untuk demonstrasi (pekerjaan ini dilakukan sebagai bagian dari kontrak penelitian yang didanai DOE).
Tiga komponen utama diperlukan untuk pemantauan:solusi pengumpulan data, solusi penyimpanan data, dan solusi visualisasi.
Database Deret Waktu untuk Pemantauan Operasional
Untuk pemantauan operasional, kami menggunakan tumpukan perangkat lunak dari InfluxData yang disebut TICK (berasal dari inisial masing-masing teknologi). Hal ini ditunjukkan pada gambar di bawah ini. B elegraf adalah agen berbasis plugin untuk mengumpulkan data pemantauan. Ini mendukung lebih dari 100+ plugin sehingga Anda dapat mengumpulkan data dari berbagai sumber. Anda juga dapat memperluas sumber pemantauan Anda dengan mengembangkan plugin Anda sendiri. Setelah data pemantauan dikumpulkan oleh Telegraf, data yang dikumpulkan diserahkan ke Saya nfluxDB -- teknologi pemantauan deret waktu data. Dari InfluxDB, data dapat diteruskan ke C hronograf untuk visualisasi; K apacitor memberikan peringatan berdasarkan aturan yang ditentukan pengguna.
Secara khusus, InfluxDB adalah database deret waktu sumber terbuka untuk pemantauan yang menyediakan beberapa fitur menarik:
- Bahasa kueri waktu-sentris seperti SQL
- Fungsi deret waktu bawaan dalam bahasa kueri
- Kebijakan penyimpanan data otomatis
- Pendekatan tanpa skema
- Downsampling melalui kueri berkelanjutan
- Ketersediaan tinggi melalui pengelompokan terdistribusi (hanya didukung dalam versi komersial)
InfluxData menyediakan setumpuk lengkap (disebut TICK) untuk pemantauan (dari Influxdata.com)
Memantau Arsitektur dan Implementasi
CENTANG membentuk dasar dari Lapisan Administrasi kami (seperti yang digambarkan di bawah). Selain itu, kami perlu menyediakan alat yang menghasilkan data pemantauan kesehatan – yang kami sebut Lapisan Layanan Manajemen.
dan dapat memvisualisasikan arsitektur DKfaxdnth12MYBFfWaes kami
Gambar di atas menjelaskan arsitektur pemantauan yang kami buat untuk proyek kami. Arsitektur ini sebagian besar terdiri dari lapisan layanan manajemen dan lapisan administrasi.
- Lapisan layanan manajemen termasuk komponen perangkat lunak yang mengumpulkan data pemantauan dari node tempat aplikasi pengguna berjalan. Untuk proyek kami, aplikasi pengguna adalah aplikasi simulasi OpenFMB, tetapi dapat berupa aplikasi DDS apa pun.
- Lapisan administrasi terdiri dari komponen perangkat lunak yang menyimpan, memvisualisasikan, dan mengingatkan data pemantauan deret waktu yang dikumpulkan.
Jenis data yang kami kumpulkan dengan arsitektur ini meliputi:
- Metrik simpul :CPU, memori, penggunaan jaringan node
- Metrik penampung :CPU, memori, penggunaan jaringan wadah
- Metrik DDS :statistik penemuan, statistik protokol, dan peristiwa (mis., hilangnya keaktifan, sampel hilang, sampel ditolak)
Untuk mengimplementasikan arsitektur, kami menggunakan plugin Telegraf yang ada untuk mengumpulkan metrik node dan container. Metrik ini dikumpulkan dari sistem operasi dan mesin kontainer. Untuk metrik DDS, kami memanfaatkan Pustaka Pemantauan RTI.
Jembatan cerdas kami mengubah data yang dikumpulkan secara lokal dari agen pemantauan kami menjadi data jarak jauh untuk diteruskan ke bus data pemantauan. Bridge dapat memfilter data yang dikumpulkan untuk mengurangi data melalui jaringan dan juga memperkayanya (misalnya, menambahkan nama host sebagai tag ke data deret waktu grup) jika diperlukan.
Untuk berlangganan data dari databus pemantauan di sisi administrasi, kami menggunakan Telegraf (Layanan Pengumpulan Metrik dalam arsitektur) yang diaktifkan plugin DDS. Karena kerangka plugin Telegraf ditulis dalam Go, kami juga mengembangkan pengikatan DDS Go dengan Konektor RTI! Saat ini tersedia di https://github.com/rticommunity/rticonnextdds-connector-go. Untuk visualisasi dan peringatan, kami menggunakan Grafana.
Grafana memungkinkan pengguna untuk menentukan visualisasi dan peringatan khusus sistem
Dengan semua artefak ini, kami dapat mendemonstrasikan kemampuan pemantauan operasional ujung ke ujung untuk sistem berbasis DDS menggunakan simulasi sistem energi kami sebagai aplikasi pengguna (tersedia melalui halaman Kasus + Kode kami:https://www.rti.com/ sumber daya/kasus penggunaan/microgrid-openfmb). Kami senang untuk berbagi pekerjaan kami dan mendapatkan umpan balik dari Anda. Jika Anda tertarik, beri tahu kami!
Di blog berikutnya kami akan mempelajari lebih dalam tentang integrasi InfluxDB kami dan memberi Anda kode sumber dan dokumentasi sehingga Anda dapat mencobanya sendiri!
