Monitoreo de la salud de sus sistemas IIoT

¿Cómo se asegura de que su sistema IIoT esté sano? Cuando su sistema está en funcionamiento, puede experimentar pérdidas o retrasos en la red, fallas en los nodos o cambios inesperados debido a actualizaciones de software y nuevas implementaciones de aplicaciones. Estos problemas afectan el rendimiento de su aplicación. Pero si no los supervisa continuamente, identificar la fuente del problema puede resultar bastante complicado. El equipo de investigación de RTI está trabajando en soluciones arquitectónicas para el monitoreo operativo de sistemas de energía distribuida. Sin embargo, este enfoque se puede aplicar a cualquier aplicación vertical, incluida la suya.

La supervisión operativa le proporciona una comprensión clara del estado de su sistema mediante la recopilación de métricas de rendimiento y eventos a lo largo del tiempo. Específicamente, le brinda información a través de la visualización y el análisis en tiempo real. Para respaldar esta capacidad de monitoreo operativo para sistemas basados ​​en DDS, el equipo de investigación de RTI evaluó tecnologías relevantes y desarrolló un software prototipo para demostración (este trabajo se realizó como parte de un contrato de investigación financiado por el DOE).

Se necesitan tres componentes clave para el monitoreo:una solución para la recopilación de datos, una solución para el almacenamiento de datos y una solución para la visualización.

Base de datos de series temporales para la supervisión operativa

Para el monitoreo operativo, usamos una pila de software de InfluxData llamada TICK (derivada de las iniciales de cada tecnología). Se muestra en la figura siguiente. T elegraf es un agente basado en complementos para recopilar datos de monitoreo. Admite más de 100 complementos para que pueda recopilar datos de muchas fuentes diferentes. También puede ampliar sus fuentes de monitorización desarrollando su propio complemento. Una vez que Telegraf recopila los datos de supervisión, los datos recopilados se transfieren a I nfluxDB:una tecnología de monitorización de series de tiempo de datos. Desde InfluxDB, los datos se pueden pasar a C hronograf para visualización; K apacitor proporciona alertas basadas en reglas definidas por el usuario.

En particular, InfluxDB es una base de datos de series de tiempo de código abierto para monitoreo que proporciona varias características interesantes:

• Lenguajes de consulta centrados en el tiempo similares a SQL
• Funciones de series de tiempo integradas en el lenguaje de consulta
• Política de retención de datos automatizada
• Un enfoque sin esquema
• Reducción de resolución mediante consultas continuas
• Alta disponibilidad mediante agrupación en clústeres distribuida (solo compatible con la versión comercial)

Supervisión de la arquitectura y la implementación

TICK formó la base de nuestra capa de administración (como se muestra a continuación). Además, necesitábamos proporcionar herramientas que generaran los datos de monitoreo de salud, lo que llamamos nuestra capa de servicios de administración.

La figura anterior describe la arquitectura de monitoreo que construimos para nuestro proyecto. Esta arquitectura consta principalmente de una capa de servicios de gestión y una capa de administración.

• Capa de servicios de gestión incluye componentes de software que recopilan datos de monitoreo de un nodo donde se ejecutan las aplicaciones de usuario. Para nuestro proyecto, las aplicaciones de usuario son aplicaciones de simulación OpenFMB, pero puede ser cualquier aplicación DDS.
• Capa de administración consta de componentes de software que almacenan, visualizan y alertan sobre los datos de monitoreo de series de tiempo recopilados.

Los tipos de datos que recopilamos con esta arquitectura incluyen:

• Métricas de nodo :CPU, memoria, uso de red de los nodos
• Métricas de contenedor :CPU, memoria, uso de la red de contenedores
• Métricas de DDS :estadísticas de descubrimiento, estadísticas de protocolo y eventos (p. ej., pérdida de vivacidad, muestra perdida, muestra rechazada)

Para implementar la arquitectura, utilizamos complementos de Telegraf existentes para recopilar métricas de nodos y contenedores. Estas métricas se recopilan de un sistema operativo y un motor de contenedor. Para las métricas de DDS, aprovechamos la biblioteca de monitoreo de RTI.

Nuestro puente inteligente transforma los datos recopilados localmente de nuestros agentes de monitoreo en datos remotos para pasar a través del bus de datos de monitoreo. El puente puede filtrar los datos recopilados para reducir los datos a través de la red y también enriquecerlos (por ejemplo, agregar el nombre de host como una etiqueta para agrupar datos de series de tiempo) si es necesario.

Para suscribirse a los datos del bus de datos de monitoreo en el lado de la administración, usamos un Telegraf (Servicio de recopilación de métricas en la arquitectura) habilitado para el complemento DDS. Como el marco del complemento Telegraf está escrito en Go, también desarrollamos un enlace DDS Go con el conector RTI. Actualmente está disponible en https://github.com/rticommunity/rticonnextdds-connector-go. Para visualización y alertas, usamos Grafana.

Con todos estos artefactos, podríamos demostrar una capacidad de monitoreo operativo de extremo a extremo para sistemas basados ​​en DDS utilizando nuestras simulaciones de sistemas de energía como aplicaciones de usuario (disponibles a través de nuestra página Case + Code:https://www.rti.com/ resources / usecases / microgrid-openfmb). Nos complace compartir nuestro trabajo y recibir sus comentarios. Si está interesado, ¡háganoslo saber!

En el próximo blog, profundizaremos mucho más en nuestra integración de InfluxDB y le proporcionaremos el código fuente y la documentación para que pueda probarlo usted mismo.