Monitoreo del lanzamiento de un cohete usando MongoDB Atlas y datos de IoT en tiempo real.
Casos de uso: Análisis, IoT
Industrias: Fabricación y movilidad, venta minorista
Productos: MongoDB Atlas, Canal de agregaciónde MongoDB, Series temporales de MongoDB, Gráficos de MongoDB Atlas, Base de datosde MongoDB Atlas, Federación de datos deMongoDB Atlas, Búsqueda de MongoDB Atlas, Interfaz SQL deMongoDB Atlas, Desencadenadores de MongoDB Atlas
Resumen de la solución
Esta solución utiliza la plataforma de bases de datos multinube de MongoDB para analizar datos de IoT del lanzamiento de un cohete. Utiliza un conjunto de datos de código abierto de un lanzamiento de cohete de Blue Origin, junto con datos ficticios.
Un lanzamiento típico de cohete dura ocho horas, desde el inicio de la cuenta regresiva inicial hasta que la carga útil del cohete está en órbita. Durante este periodo, los sensores que capturan el rendimiento del cohete generan aproximadamente un millón de puntos de datos por segundo.
Si bien las métricas del cohete constituyen la mayor parte de los datos en este caso de uso, existen otras dos fuentes de datos:
Notas son creadas por ingenieros de cohetes y un sistema automatizado. Los ingenieros de Rocket crean notas cuando quieren marcar cualquier cosa para recordar después del lanzamiento. Además, un sistema automatizado observa las métricas a medida que se transmiten e incluso crea notas siempre que los valores estén fuera de su umbral esperado.
Los datos meteorológicos se recuperan de un tercero, se almacenan en un bucket de Amazon S3 y se analizan en combinación con los datos de lanzamiento posteriores al lanzamiento.
Otras industrias aplicables y casos de uso
La capacidad de realizar análisis en tiempo real de datos de IoT en vivo es valiosa en muchas industrias, como:
Fabricación: La maquinaria de fabricación está equipada con sensores IoT que funcionan durante horas, similar a un lanzamiento de cohete. El análisis debe realizarse tanto durante como después de que la maquinaria opere.
Logística de la cadena de suministro: los sensores de IoT permiten optimizar la cadena de suministro durante y después del tránsito, desde los modos de transporte hasta los propios paquetes.
Comercio electrónico: además de los almacenes y la logística de envío, los minoristas utilizan información en tiempo real para impulsar la personalización o mejorar los procesos comerciales.
Arquitecturas de Referencia
El siguiente diagrama muestra la arquitectura de esta solución. El modelo de documentos flexible de MongoDB y las herramientas Atlas optimizan el almacenamiento y la interacción con los datos. Los datos de sensores en tiempo real, las observaciones de ingenieros y los datos meteorológicos en tiempo real se pueden combinar en MongoDB Atlas.
Figura 1. Arquitectura de referencia con MongoDB
Enfoque del modelo de datos
Esta solución almacena datos de lanzamiento en dos colecciones Atlas: launchData
y notes.
Inicialmente, los cohetes producen métricas como tuplas de 4elementos con la siguiente estructura: (device, timestamp, metric, value). Estos valores se agregan y se escriben en la colección launchData como un único documento que representa métricas de un dispositivo específico en un momento específico, como en el siguiente documento de ejemplo:
{ _id: ObjectId("62f2f8b5800b621ee724bb94"), time: ISODate("2020-10-13T13:33:30.219Z"), meta: { device: 'truth' }, TIME_NANOSECONDS_TAI: Long("1602596010219040000"), truth_pos_CON_ECEF_ECEF_M2: -5268929.31643981, truth_pos_CON_ECEF_ECEF_M1: -1387897.36558835, truth_pos_CON_ECEF_ECEF_M3: 3306577.65409484, truth_vel_CON_ECEF_ECEF_MpS2: -0.00810950305119273, truth_vel_CON_ECEF_ECEF_MpS3: 0.00414972080992211, truth_quat_CON2ECEF1: -0.458400879273711, truth_quat_CON2ECEF2: -0.176758395646534, truth_quat_CON2ECEF3: 0.511475024782863, truth_vel_CON_ECEF_ECEF_MpS1: 0.00220006484335229, truth_quat_CON2ECEF4: 0.7049953208872 }
Este modelo de documento también funciona con colecciones de series de tiempo de MongoDB.
Estos datos se pueden encontrar en aerospace.archive.gz archivo en el repositorio de GitHub de la solución.
Construir la solución
El repositorio de GitHub de la solución proporciona los datos y el código necesarios para comenzar. Además, incluye enlaces a una grabación en vivo de tres partes que explica esta solución en detalle.
Para comenzar con esta solución, realice los siguientes pasos.
Configurar el lanzamiento del cohete y realizar consultas previas al lanzamiento
La primera grabación en vivo te guía a través de los datos capturados en el lanzamiento de un cohete y te muestra cómo escribir consultas de agregación básicas con la API de consultas de MongoDB. Después, puedes realizar análisis básicos de los datos de los sensores IoT con Atlas Charts.
Analizar datos durante el lanzamiento
La segunda grabación de transmisión en vivo le muestra cómo integrar gráficos en una aplicación React para realizar análisis en tiempo real y cómo buscar notas específicas.
Encuentre información después del lanzamiento
Finalmente, la tercera grabación de transmisión en vivo le muestra cómo combinar datos de lanzamiento de cohetes y datos meteorológicos para crear información posterior al lanzamiento y analizarla en Tableau.
Aprendizajes clave
La plataforma de base de datos flexible de MongoDB permite el análisis de IoT impulsado por aplicaciones al proporcionar las siguientes capacidades:
Modelado de datos en múltiples tipos de datos: el modelo de documento flexible de MongoDB le permite almacenar múltiples tipos de datos en un documento, colección o base de datos, agilizando la forma en que interactúa con sus datos y reduciendo la necesidad de diferentes tablas.
Integración de funciones para reaccionar a datos en tiempo real: la capacidad de consulta rápida de MongoDB le permite analizar datos en tiempo real.
Minimizar los procesos ETL con agregación local: las canalizaciones de agregación de MongoDB le permiten transformar sus datos en resultados calculados y almacenarlos en una nueva colección.
Autores
Jay Runkel, MongoDB