Überwachung des Zustands Ihrer IIoT-Systeme

Wie stellen Sie sicher, dass Ihr IIoT-System fehlerfrei ist? Wenn Ihr System läuft, kann es aufgrund von Software-Upgrades und neuen Anwendungsbereitstellungen zu Netzwerkverlusten oder -verzögerungen, Knotenausfällen oder unerwarteten Änderungen kommen. Diese Probleme beeinträchtigen die Leistung Ihrer Anwendung. Wenn Sie sie jedoch nicht kontinuierlich überwachen, kann die Identifizierung der Ursache des Problems ziemlich schwierig sein. Das Forschungsteam von RTI arbeitet an Architekturlösungen für die Betriebsüberwachung verteilter Energiesysteme. Dieser Ansatz kann jedoch auf jede vertikale Anwendung angewendet werden, einschließlich Ihrer.

Die Betriebsüberwachung bietet Ihnen ein klares Verständnis Ihres Systemzustands, indem Sie Leistungskennzahlen und Ereignisse im Zeitverlauf erfassen. Insbesondere erhalten Sie Einblicke durch Echtzeit-Visualisierung und -Analyse. Um diese Betriebsüberwachungsfähigkeit für DDS-basierte Systeme zu unterstützen, bewertete das RTI-Forschungsteam relevante Technologien und entwickelte Prototyp-Software zur Demonstration (diese Arbeit wurde im Rahmen eines DOE-finanzierten Forschungsvertrags durchgeführt).

Für die Überwachung werden drei Schlüsselkomponenten benötigt:eine Lösung zur Datenerfassung, eine Lösung zur Datenspeicherung und eine Lösung zur Visualisierung.

Zeitreihendatenbank für die Betriebsüberwachung

Für die Betriebsüberwachung haben wir einen Software-Stack von InfluxData namens TICK verwendet (abgeleitet von den Initialen jeder Technologie). Es ist in der Abbildung unten dargestellt. T elegraf ist ein Plugin-gesteuerter Agent zum Sammeln von Überwachungsdaten. Es unterstützt mehr als 100 Plugins, sodass Sie Daten aus vielen verschiedenen Quellen sammeln können. Sie können Ihre Überwachungsquellen auch erweitern, indem Sie Ihr eigenes Plugin entwickeln. Sobald die Überwachungsdaten von Telegraf gesammelt wurden, werden die gesammelten Daten an I . weitergegeben nfluxDB – eine Technologie zur Überwachung von Zeitreihen von Daten. Von InfluxDB können die Daten an C weitergegeben werden Chronograf zur Visualisierung; K apacitor bietet Warnungen basierend auf benutzerdefinierten Regeln.

Insbesondere ist InfluxDB eine Open-Source-Zeitreihendatenbank für die Überwachung, die mehrere interessante Funktionen bietet:

• SQL-ähnliche zeitorientierte Abfragesprachen
• Eingebaute Zeitreihenfunktionen in der Abfragesprache
• Richtlinie zur automatisierten Datenaufbewahrung
• Ein schemaloser Ansatz
• Downsampling über kontinuierliche Abfragen
• Hochverfügbarkeit durch verteiltes Clustering (nur in der kommerziellen Version unterstützt)

Überwachungsarchitektur und -implementierung

TICK bildete die Grundlage unserer Administrationsschicht (wie unten abgebildet). Darüber hinaus mussten wir Tools bereitstellen, die die Zustandsüberwachungsdaten generierten – unseren sogenannten Management Services Layer.

Die obige Abbildung beschreibt die Überwachungsarchitektur, die wir für unser Projekt erstellt haben. Diese Architektur besteht hauptsächlich aus einer Management-Services-Schicht und einer Administrationsschicht.

• Verwaltungsdienstebene umfasst Softwarekomponenten, die Überwachungsdaten von einem Knoten sammeln, auf dem Benutzeranwendungen ausgeführt werden. Für unser Projekt sind Benutzeranwendungen OpenFMB-Simulationsanwendungen, es kann jedoch jede DDS-Anwendung sein.
• Verwaltungsebene besteht aus Softwarekomponenten, die gesammelte Zeitreihenüberwachungsdaten speichern, visualisieren und alarmieren.

Zu den Arten von Daten, die wir mit dieser Architektur gesammelt haben, gehören:

• Knotenmesswerte :CPU, Speicher, Netzwerknutzung der Knoten
• Containermesswerte :CPU, Speicher, Netzwerknutzung von Containern
• DDS-Messwerte :Entdeckungsstatistiken, Protokollstatistiken und Ereignisse (z. B. Verlust der Lebendigkeit, Probe verloren, Probe abgelehnt)

Um die Architektur zu implementieren, haben wir vorhandene Telegraf-Plugins verwendet, um Knoten- und Containermetriken zu sammeln. Diese Metriken werden von einem Betriebssystem und einer Container-Engine gesammelt. Für DDS-Metriken haben wir die RTI Monitoring Library genutzt.

Unsere intelligente Brücke wandelt lokal gesammelte Daten von unseren Überwachungsagenten in entfernte Daten um, die über den Überwachungsdatenbus übertragen werden. Die Bridge kann die gesammelten Daten filtern, um die Daten über das Netzwerk zu reduzieren und sie bei Bedarf auch anzureichern (z. B. durch Hinzufügen des Hostnamens als Tag zu den Gruppenzeitreihendaten).

Um Daten vom Monitoring-Datenbus auf der Administrationsseite zu abonnieren, haben wir ein DDS-Plugin-fähiges Telegraf (Metrics Collection Service in der Architektur) verwendet. Da das Telegraf-Plugin-Framework in Go geschrieben ist, haben wir auch eine DDS-Go-Anbindung mit RTI Connector entwickelt! Es ist derzeit unter https://github.com/rticommunity/rticonnextdds-connector-go verfügbar. Für die Visualisierung und Warnungen haben wir Grafana verwendet.

Mit all diesen Artefakten konnten wir eine End-to-End-Betriebsüberwachungsfähigkeit für DDS-basierte Systeme demonstrieren, indem wir unsere Energiesystemsimulationen als Benutzeranwendungen verwenden (verfügbar über unsere Case + Code-Seite:https://www.rti.com/ Ressourcen/Anwendungsfälle/Microgrid-openfmb). Wir freuen uns, unsere Arbeit zu teilen und Feedback von Ihnen zu erhalten. Bei Interesse bitte melden!

Im nächsten Blog werden wir viel tiefer in unsere InfluxDB-Integration eintauchen und Ihnen Quellcode und Dokumentation zur Verfügung stellen, damit Sie es selbst ausprobieren können!