◆◆0

Cloudera资讯|利用CDF解决传统互联制造数据提取方案的局限性

yuyuxi 2020-07-16 大数据, 大数据平台类, 物联网, 行业新闻 2,270 views

将制造的枢纽连接到企业数据解决方案

互联制造正处于一个转折点，它受到数据类型的真实，可衡量的变化和转变的推动–实时和时序数据的增长速度比潜在或静态数据形式快50％，流分析预计将以年均复合增长率为28％，而专用于静态历史数据解决方案，在内部部署或在离散云中运行的传统数据平台不足以满足当前的实时洞察需求。流数据的增长源于以下事实：它支持实时洞察，更重要的是，可以自主决策。

制造业的这种转变是通过为特定用途量身定制的廉价过程传感器，强大的边缘计算设备（可重复进行自主决策），同时执行分析和存储的云计算以及即将到来的5G来实现的。数据高速公路，使制造过程摆脱了硬连线连接的束缚。但是，流数据的好处在管理其庞大的数据量，其多样化的数据结构以及跨制造企业业务流程的实时光速方面带来了挑战。

传统互联制造数据提取解决方案的局限性

当今的制造商面临着解决数字化压力复杂性的局限性，其中许多局限性是由于新的和关联的数据源的快速发展以及大量数据散发。组织在互联制造的数据管理方面面临的一些关键挑战和关键考虑因素：

数据管理的成本：众所周知，传统的数据管理机制非常昂贵，不易扩展，并且无法捕获和处理从连接的设备中获取的PB级IoT数据流。如今，组织需要一个更灵活，可扩展的数据管理和分析平台，该平台可以以较低的成本轻松地从IoT来源提取，存储，管理和处理流数据。
处理物联网数据的数量和种类：为了实现流程监控和优化，预测性维护以及新兴的物联网用例，信息架构师需要一个平台来处理所有类型的各种数据结构和方案，包括间歇性的温度，压力读数和每秒振动，以处理来自边缘的完全非结构化数据（例如，图像，视频，文本，光谱数据）或其他形式（如热成像或声学信号），并通过各种受支持的驱动程序和协议传送。
管理实时数据的复杂性：为了推动连续过程监控，吞吐量优化或预测性维护，数据管理平台需要启用对流数据的实时分析。该平台还需要实时或近实时有效地摄取，存储和处理流数据，以便立即提供见解和行动。
将数据从独立的孤岛中解放出来：价值链中的特殊流程（创新平台，QMS，MES等）奖励针对独特孤岛解决方案量身定制的不同数据源和数据管理平台。考虑到跨企业数据仅能提供的一小部分洞察力，这些窄点解决方案限制了企业价值，此外，重复的孤立解决方案会分割业务，从而限制了合作机会。此外，该平台还必须具有从价值链中所有点提取，存储，管理和处理流数据的能力，并将其与数据历史学家，ERP，MES和QMS来源相结合，并利用它来形成可行的见解。

鉴于制造和物联网数据的复杂性和多样性，制造商正在关注从边缘到AI的洞察力。为此，自然而然地在开始时是一个很好的起点，将数据吸收到数据湖和企业数据平台中。

Cloudera Data Platform通过其驻留在Cloudera DataFlow（CDF）中的技术组合来应对这些挑战。CDF提供以下解决方案：

具有管理，控制和监视所有流和IoT计划边缘的能力。 Cloudera Edge Management（CEM）由边缘代理和边缘管理中心组成。它管理，控制和监视边缘代理，以从边缘设备收集数据并将情报推回边缘。
摄取和管理实时流数据的能力。 Cloudera Flow Management（CFM）是由Apache NiFi支持的无代码数据摄取和管理解决方案。借助NiFi直观的图形界面和300多个处理器，CFM可为企业提供高度可扩展的数据移动，转换和管理功能。
由Apache Kafka支持的高级消息传递和流处理。 Cloudera Stream Processing（CSP）使用Apache Kafka对流数据提供高级消息传递，实时处理和分析，以及Cloudera Streams Management支持的管理和监视功能。
Cloudera Streaming Analytics（CSA）提供的实时洞察。在Apache Flink的支持下，CSA提供状态，低延迟的处理能力，可从边缘对流数据进行实时可行的智能处理。

Cloudera试用和报价