Обеспечение непрерывного здоровья ваших IIoT-систем

Почему непрерывный мониторинг имеет значение

Когда ваша IIoT-сеть работает, она все равно может страдать от скрытых проблем: сетевая латентность, отказы узлов или неожиданные изменения от обновлений ПО и новых развертываний. Эти проблемы деградируют производительность приложения, но без постоянного наблюдения определение корневой причины становится трудным.

Три столпа операционного мониторинга

Эффективный мониторинг опирается на три ключевых компонента:

• Надежный движок сбора данных
• Масштабируемая система хранения для временных рядов
• Платформа визуализации, превращающая сырые метрики в действенные инсайты

TICK Stack от InfluxData: основа временных рядов

Мы выбрали TICK-стек от InfluxData для питания нашего конвейера мониторинга:

• Telegraf — плагин-драйвенный агент, собирающий метрики. Он поставляется с более чем 100 встроенными плагинами и может быть расширен пользовательскими плагинами.
• InfluxDB — ядро временной базы данных. Ключевые фичи: SQL-подобные запросы, встроенные функции временных рядов, автоматические политики ретенции, схема-бесная модель, непрерывные запросы для даунсэмплинга, высокодоступное кластерирование (только коммерческая версия).
• Chronograf — веб-интерфейс, визуализирующий данные.
• Kapacitor — движок правил, запускающий алерты на основе пользовательских условий.

TICK-стек InfluxData доставляет end-to-end решение для сбора, хранения и визуализации данных мониторинга.

Проектирование надежной архитектуры мониторинга

Наша архитектура разделена на два слоя:

• Слой Management Services — ПО, запускаемое на каждом узле для сбора метрик здоровья. В нашем proof-of-concept пользовательские приложения были OpenFMB симуляциями, но слой агностичен к любому DDS-приложению.
• Слой Administration — ПО, потребляющее собранные временные данные, хранящее их и предоставляющее визуализацию и алертинг.

Ключевые захватываемые метрики

• Метрики узла — CPU, память и сеть утилизация на уровне хоста.
• Метрики контейнера — тот же набор статистики для индивидуальных контейнеров.
• DDS метрики — статистика обнаружения, использование протокола и события вроде потери liveliness, потеря образцов, отказ образцов.

Существующие плагины Telegraf извлекли узловые и контейнерные данные из ОС и контейнерного движка. DDS-метрики были собраны с использованием RTI Monitoring Library.

От локального сбора к удаленному анализу

Интеллектуальный мост трансформирует локально собранные данные в формат, подходящий для мониторинговой шины. Он может фильтровать шум, снижать использование пропускной способности и обогащать полезные нагрузки (например, добавляя hostname как тег). На стороне администрирования мы использовали экземпляр Telegraf, оснащенный DDS-плагином, для подписки на шину. Для этого мы разработали Go-биндинг для RTI Connector, доступный на GitHub.

Визуализация и алертинг с Grafana

Grafana предоставляет гибкие дашборды и правила алертов, адаптированные к вашей системе. С собранными данными вы можете создавать реально-временные визуализации и настраивать пороги, запускающие уведомления.

Grafana усиливает вас проектировать системы-специфичные дашборды, выдвигающие метрики, наиболее критичные для ваших операций.

Попробуйте сами

Мы продемонстрировали это end-to-end решение мониторинга, используя наши симуляции энергетических систем. Полный кейс-стади и исходный код доступны на нашей странице Case + Code. Обращайтесь, если хотите поэкспериментировать с архитектурой или поделиться фидбеком.

Следующие шаги

В нашем следующем посте мы погрузимся глубже в интеграцию InfluxDB, поделимся примером кода и проведем вас через настройку вашего собственного стека мониторинга.