使用 InfluxDB 和 AWS 优化工业物联网 (IIoT) 数据

作者：Jessica Wachtel / 用例
2023 年 6 月 12 日

现代工厂与数据的关系正在经历重大变革。现在，数据塑造未来，而不仅仅是讲述过去的故事。工厂内部的语言听起来更像是更高的整体设备效率 (OEE)，这是从预防性维护转向预测性维护的结果。它也可能看起来像是基于有影响力的数据驱动决策将业务目标扩展到新市场。目的的变化需要技术的更新。这不是可有可无的更新——传统数据历史库缺乏工具和互操作性，无法获得彻底改变组织与数据关系的有意义的洞察力。

成功的预测性维护策略和有影响力的数据驱动决策有几个因素。纳秒级精度的实时数据处理是必须的。这实现了实时高级统计分析、机器学习模型和人工智能 (AI) 衍生洞察。实时洞察与历史记录共同作用，描绘出一幅完整的图景。亚马逊云服务 (AWS) 和 InfluxDB 拥有一整套工具，可以满足工业物联网 (IIoT) 环境现代化的标准。

开拓者

Bboxx 和 Moxie IoT 使用 InfluxDB 和 AWS 为长期存在的问题创建了现代解决方案。

Bboxx 系统包括一个连接到电池的太阳能电池板，带有一组 USB 和 DC 连接器。这些清洁、经济实惠的太阳能系统为发展中国家的照明、收音机和低功率电视供电。Bboxx 转向 InfluxDB 来处理其数百万个传感器读数的实时存储、可视化和分析。借助 InfluxDB，Bboxx 可以不受限制地分析其整个客户群的数据。他们将 InfluxDB 托管在 AWS 上，以及他们的其余技术堆栈，这有助于降低延迟。

MOXIE IoT 创建了 Moxie World，这是一个全面的解决方案，可以跟踪工厂活动和资产的移动。Moxie World 收集、存储和分析工业传感器数据，并在其 iOS 应用程序上显示实时仪表板。时间戳数据收集、查询特定时间范围和卸载数据聚合等 InfluxDB 功能是 MOXIE IoT 将 InfluxDB 构建到 Moxie World 平台中的部分原因。Moxie 使用 MQTT 代理，AWS EC2 实例在 Python 中运行以处理数据收集。此工作流程首先按客户排序，然后按偏好进行过滤。

工具和服务

Telegraf

Telegraf 是轻量级的，用 Go 编写，没有外部依赖项，并且只需要极小的内存占用。它非常适合收集工业物联网 (IIoT) 传感器数据，因为您可以将 Telegraf 安装在最小的设备上，并且它可以处理工业数据的规模和量。Telegraf 的架构基于插件，有 300 多个插件可用于几乎每种服务和协议。

InfluxDB

InfluxDB 是一个专门构建的时间序列平台，专为大型数据集而设计，具有高读取和写入吞吐量、高可用性、低读取延迟以及持久的边缘到云数据复制。InfluxDB 构建在 Rust 语言的 Apache Arrow 之上。它是一个列式数据库，具有更大的灵活性，因为它分离了计算和存储。InfluxDB 支持 SQL 查询，并使用 Flight SQL 在客户端、服务器和其他系统和工具之间传输数据。随着开放数据生态系统中越来越多的解决方案采用 Arrow，用户有更多选择可以轻松地与 InfluxDB 集成。

连接和控制服务

AWS 拥有一整套连接和控制服务，使开发人员和利益相关者能够大规模控制、管理和保护连接的设备。AWS Greengrass 是可在设备上本地安装的软件，为连接的设备提供本地计算、消息传递、数据缓存和同步功能。

端到端架构

一切都始于工厂车间的数据收集。除了与时间序列数据相关的大量和高速率带来的挑战外，工业协议之间也缺乏标准化。Telegraf 是一项灵活的技术，旨在解决这个问题。Telegraf 具有数百个输入插件，包括 MQTT、Modbus、OPC-UA 和 SNMP，以及与自定义插件的内置兼容性，是能够处理多个数据源的单一解决方案。

如果您正在处理许多不同的协议，AWS 可以帮助简化数据收集。如果 AWS Greengrass 本地安装在设备上，它可以将数据作为 MQTT 输出。然后，Telegraf 可以从 MQTT 代理接收所有工厂数据。如果数据已在 AWS 云中，Telegraf 可以在 EC2 机器、ECS 容器或 EKS 上运行，并使用 Amazon Kinesis 插件收集数据。Telegraf 具有可选的处理器和聚合插件，允许您修改和转换数据。Telegraf 可以直接输出到云，也可以输出到工厂内硬件网关上的 InfluxDB 边缘节点。

InfluxDB OSS 具有一个名为 边缘数据复制 (EDR) 的功能，使工厂车间的操作员能够完全自主地按照他们需要的方式和位置收集、可视化、管理和存储数据。假设一家工厂在全球有四个地点，总部设在芝加哥。总部不需要每个工厂的所有细枝末节。芝加哥的数据科学家需要来自所有工厂的聚合、转换后的数据，用于他们的高级统计分析、机器学习训练和人工智能衍生洞察。

EDR 通过在整个平台中使用单个 API，以持久、安全的方式自动化传输。EDR 在存储桶级别运行，这意味着操作员可以选择要复制的存储桶。EDR 写入队列。如果由于某种原因数据无法到达云端，例如网络分区，队列将累积，而不是发送错误。一旦连接恢复，数据将刷新，边缘和云中的复制存储桶将达到奇偶校验。

一旦数据进入云端，数据科学家就可以查看所有工厂的整体情况中哪些有效，哪些无效。边缘的数据帮助操作员处理当前情况。云工具提供对开放数据、预测建模、更高阶分析以及机器学习和人工智能衍生洞察的访问，这些是为明天制定计划所需的。不同的数据在组织的不同部门具有不同的意义，现在有了工具来确保将正确的数据发送到需要的地方。

结论

现代工厂正在改变以满足当今的需求。现有技术可以简化转型，并轻松实现数据驱动的决策。InfluxData 和 AWS 提供了许多工具和服务，可以服务于物联网用例，无论是商业、工业还是介于两者之间的任何领域。这些工具使用户能够连接到几乎任何数据源、处理、分析数据并创建可视化，所有这些都是为了获得更好的决策制定和改进的结果。

要开始使用，请联系我们团队的某个人或立即打开您的免费 InfluxDB Cloud 帐户。