Memastikan Kesehatan Berkelanjutan Sistem IIoT Anda
Mengapa Pemantauan Berkelanjutan Penting
Saat jaringan IIoT Anda sudah berjalan, masih bisa mengalami masalah tersembunyi: latensi jaringan, kegagalan node, atau perubahan tidak terduga dari upgrade perangkat lunak dan penerapan baru. Masalah-masalah ini menurunkan performa aplikasi, tetapi tanpa pengamatan berkelanjutan, menemukan akar penyebabnya menjadi sulit.
Tiga Pilar Pemantauan Operasional
Pemantauan yang efektif bergantung pada tiga komponen inti:
- Mesin pengumpulan data yang andal
- Sistem penyimpanan yang terukur untuk data time-series
- Platform visualisasi yang mengubah metrik mentah menjadi wawasan yang dapat ditindaklanjuti
TICK Stack InfluxData: Tulang Punggung Time-Series
Kami memilih TICK stack dari InfluxData untuk menggerakkan saluran pemantauan kami:
- Telegraf – agen yang didorong plugin yang mengumpulkan metrik. Dilengkapi dengan lebih dari 100 plugin bawaan dan dapat diperluas dengan plugin kustom.
- InfluxDB – database time-series inti. Fitur kunci meliputi kueri mirip SQL, fungsi time-series bawaan, kebijakan retensi otomatis, model tanpa skema, kueri berkelanjutan untuk down-sampling, dan klaster ketersediaan tinggi (hanya edisi komersial).
- Chronograf – antarmuka web yang memvisualisasikan data.
- Kapacitor – mesin aturan yang memicu peringatan berdasarkan kondisi yang ditentukan pengguna.
TICK stack InfluxData menyediakan solusi ujung-ke-ujung untuk mengumpulkan, menyimpan, dan memvisualisasikan data pemantauan.
Mendesain Arsitektur Pemantauan yang Kuat
Arsitektur kami dibagi menjadi dua layer:
- Layer Layanan Manajemen – perangkat lunak yang berjalan di setiap node untuk mengumpulkan metrik kesehatan. Dalam bukti konsep kami, aplikasi pengguna adalah simulasi OpenFMB, tetapi layer ini agnostik terhadap aplikasi DDS apa pun.
- Layer Administrasi – perangkat lunak yang menginjasikan data time-series yang dikumpulkan, menyimpannya, dan menyediakan visualisasi serta peringatan.
Metrik Kunci yang Ditangkap
- Metrik node – penggunaan CPU, memori, dan jaringan pada tingkat host.
- Metrik kontainer – serangkaian statistik yang sama untuk kontainer individu.
- Metrik DDS – statistik penemuan, penggunaan protokol, dan peristiwa seperti kehilangan liveliness, sampel hilang, dan sampel ditolak.
Plugin yang ada Telegraf mengekstrak data node dan kontainer dari OS dan mesin kontainer. Metrik DDS diekstraksi menggunakan Monitoring Library RTI.
Dari Pengumpulan Lokal ke Analisis Jarak Jauh
Jembatan cerdas mengubah data yang dikumpulkan secara lokal menjadi format yang cocok untuk bus pemantauan. Ini dapat menyaring kebisingan, mengurangi penggunaan bandwidth, dan melengkapi payload (misalnya, menambahkan nama host sebagai tag). Di sisi administrasi, kami menggunakan instance Telegraf yang dilengkapi dengan plugin DDS untuk berlangganan ke bus. Untuk mengaktifkan ini, kami mengembangkan binding Go untuk RTI Connector, tersedia di GitHub.
Visualisasi & Peringatan dengan Grafana
Grafana menyediakan dasbor dan aturan peringatan yang fleksibel yang disesuaikan dengan sistem Anda. Dengan data yang dikumpulkan, Anda dapat membuat visualisasi real-time dan menetapkan ambang batas yang memicu pemberitahuan.
Grafana memberdayakan Anda untuk merancang dasbor spesifik sistem yang menampilkan metrik yang paling penting bagi operasi Anda.
Coba Sendiri
Kami mendemonstrasikan solusi pemantauan ujung-ke-ujung ini menggunakan simulasi sistem energi kami. Studi kasus lengkap dan kode sumber tersedia di halaman Case + Code kami. Hubungi kami jika Anda ingin bereksperimen dengan arsitektur ini atau berbagi masukan.
Langkah Selanjutnya
Dalam posting mendatang, kami akan membahas integrasi InfluxDB lebih dalam, membagikan contoh kode, dan memandu Anda dalam menyiapkan stack pemantauan Anda sendiri.
