De gezondheid van uw IIoT-systemen bewaken

Hoe zorg je ervoor dat je IIoT-systeem gezond is? Wanneer uw systeem actief is, kan het netwerkverlies of -vertraging, knooppuntstoringen of onverwachte wijzigingen ervaren als gevolg van software-upgrades en nieuwe toepassingsimplementaties. Deze problemen zijn van invloed op de prestaties van uw toepassing. Maar als u ze niet continu in de gaten houdt, kan het een hele uitdaging zijn om de oorzaak van het probleem te achterhalen. Het RTI Research-team werkt aan architecturale oplossingen voor operationele monitoring van gedistribueerde energiesystemen. Deze benadering kan echter worden toegepast op elke verticale toepassing, ook die van u.

Operationele bewaking geeft u een duidelijk inzicht in de gezondheid van uw systeem door prestatiestatistieken en gebeurtenissen in de loop van de tijd te verzamelen. Het geeft u met name inzichten door realtime visualisatie en analyse. Om deze operationele bewakingscapaciteit voor op DDS gebaseerde systemen te ondersteunen, evalueerde het RTI Research-team relevante technologieën en ontwikkelde prototypesoftware voor demonstratie (dit werk werd gedaan als onderdeel van een door DOE gefinancierd onderzoekscontract).

Er zijn drie belangrijke componenten nodig voor monitoring:een oplossing voor gegevensverzameling, een oplossing voor gegevensopslag en een oplossing voor visualisatie.

Time-Series-database voor operationele bewaking

Voor operationele monitoring gebruikten we een softwarestack van InfluxData genaamd TICK (afgeleid van de initialen van elke technologie). Het wordt weergegeven in de onderstaande afbeelding. T elegraf is een plug-in-gestuurde agent voor het verzamelen van monitoringgegevens. Het ondersteunt meer dan 100+ plug-ins, zodat u gegevens uit veel verschillende bronnen kunt verzamelen. U kunt uw monitoringbronnen ook uitbreiden door uw eigen plug-in te ontwikkelen. Zodra de monitoringgegevens door Telegraf zijn verzameld, worden de verzamelde gegevens overgedragen aan I nfluxDB -- een technologie voor het bewaken van tijdreeksen voor gegevens. Vanuit InfluxDB kunnen de gegevens worden doorgegeven aan C hronograf voor visualisatie; K apacitor biedt waarschuwingen op basis van door de gebruiker gedefinieerde regels.

InfluxDB is met name een open source tijdreeksdatabase voor monitoring die verschillende interessante functies biedt:

• SQL-achtige tijdgerichte querytalen
• Ingebouwde tijdreeksfuncties in de zoektaal
• Geautomatiseerd beleid voor het bewaren van gegevens
• Een schemaloze benadering
• Downsamplen via continue zoekopdrachten
• Hoge beschikbaarheid via gedistribueerde clustering (alleen ondersteund in de commerciële versie)

Bewaking van architectuur en implementatie

TICK vormde de basis van onze Administratielaag (zoals hieronder afgebeeld). Daarnaast moesten we tools leveren die de gezondheidsmonitoringgegevens genereerden - wat we onze Management Services Layer noemen.

De bovenstaande figuur beschrijft de monitoringarchitectuur die we voor ons project hebben gebouwd. Deze architectuur bestaat voornamelijk uit een laag voor beheerdiensten en een laag voor administratie.

• Managementservices-laag omvat softwarecomponenten die bewakingsgegevens verzamelen van een knooppunt waar gebruikerstoepassingen worden uitgevoerd. Voor ons project zijn gebruikerstoepassingen OpenFMB-simulatietoepassingen, maar het kan elke DDS-toepassing zijn.
• Beheerlaag bestaat uit softwarecomponenten die verzamelde tijdreeksbewakingsgegevens opslaan, visualiseren en alarmeren.

De soorten gegevens die we met deze architectuur hebben verzameld, zijn onder meer:

• Knooppuntstatistieken :CPU, geheugen, netwerkgebruik van knooppunten
• Containerstatistieken :CPU, geheugen, netwerkgebruik van containers
• DDS-statistieken :ontdekkingsstatistieken, protocolstatistieken en gebeurtenissen (bijv. verlies van levendigheid, verloren monster, monster afgewezen)

Om de architectuur te implementeren, hebben we bestaande Telegraf-plug-ins gebruikt om knooppunt- en containerstatistieken te verzamelen. Deze metrische gegevens worden verzameld uit een besturingssysteem en een container-engine. Voor DDS-statistieken hebben we gebruik gemaakt van RTI Monitoring Library.

Onze intelligente brug zet lokaal verzamelde gegevens van onze bewakingsagenten om in gegevens op afstand die via de bewakingsdatabus worden doorgegeven. De bridge kan de verzamelde gegevens filteren om gegevens via het netwerk te verminderen en deze indien nodig ook verrijken (bijv. hostnaam toevoegen als een tag om tijdreeksgegevens te groeperen).

Om ons te abonneren op gegevens van de monitoringdatabus aan de administratiezijde, gebruikten we een DDS-plug-in-enabled Telegraf (Metrics Collection Service in de architectuur). Omdat het Telegraf-plug-inframework in Go is geschreven, hebben we ook een DDS Go-binding ontwikkeld met RTI Connector! Het is momenteel beschikbaar op https://github.com/rticommunity/rticonnextdds-connector-go. Voor visualisatie en waarschuwingen hebben we Grafana gebruikt.

Met al deze artefacten konden we een end-to-end operationele bewakingsmogelijkheid demonstreren voor op DDS gebaseerde systemen met behulp van onze energiesysteemsimulaties als gebruikerstoepassingen (beschikbaar via onze Case + Code-pagina:https://www.rti.com/ resources/usecases/microgrid-openfmb). We delen graag ons werk en krijgen feedback van u. Als je interesse hebt, laat het ons dan weten!

In de volgende blog zullen we veel dieper ingaan op onze InfluxDB-integratie en je voorzien van broncode en documentatie zodat je er zelf een draai aan kunt geven!