IoT データを利用したアプリ駆動型インテリジェンス

MongoDB Atlas とリアルタイム IoT データを使用して、ロケットの打ち上げを監視。

ユースケース: 分析、IoT

製品: MongoDB Atlas、MongoDB集計パイプライン、MongoDB時系列、MongoDB Atlas Charts、MongoDB Atlas Database、MongoDB Atlas Data Federation、MongoDB Atlas Search、MongoDB Atlas SQL Interface、MongoDB Atlas Triggers

パートナー: Amazon S3、Tableau

ソリューション概要

このソリューションでは、MongoDB のマルチクラウドデータベースプラットフォームを使用して、ロケールの起動からの IoT データを分析します。これは、フィールドフィールドの起動に使用されるオープンソースデータセットと架空のデータを使用します。

通常のロケールの起動は、初期カウントダウンが開始されてから、ロケールのペイロードがアービットになるまでの 8 時間にわたって起動します。このウィンドウ中、ロケールのパフォーマンスをキャプチャするセンサーによって 1 秒あたり約 100 万のデータポイントが生成されます。

ロケールからのメトリクスはこのユースケースのデータの大部分を構成しますが、他のデータソースは 2 つあります。

ノートは、ロケールエンジニアと自動システムによって作成されます。Rocket エンジニアは、起動後に覚えておくべきものをマークしたい場合にメモを作成します。さらに、自動システムがメトリクスのストリーミング入力を監視し、値が予想のしきい値を超えるたびにメモを作成します。
気象データはサードパーティから取得され、 Amazon S3バケットに保存され、起動後に起動データと組み合わせて分析されます。

その他の該当する業種とユースケース

ライブ IoT データでリアルタイム分析を実行する能力は、次のような多くの業界にとって価値が高くなります。

製造業分析は、機械の動作中と動作後に行う必要があります。
サブライチェーンのロジック: IoT センサーにより、パッケージ自体への移動モードから、転送中と転送後にサブスクライブの最適化が可能になります。
eコマース: 倉庫や出荷許可に加えて、小売業者はリアルタイムインサイトを使用してパーソナライズを操作したり、ビジネスプロセスを改善したりします。

参照アーキテクチャ

次の図は、このソリューションのアーキテクチャを示しています。MongoDB の柔軟なドキュメントモデルと Atlas ツールは、データの保存と操作の方法を効率化します。リアルタイムのセンサーデータ、エンジニアの観察、リアルタイムの気象データはすべてMongoDB Atlasで組み合わせることができます。

図 1. MongoDB を使用したリファレンスアーキテクチャ

データモデルアプローチ

このソリューションは、起動データを 2 つの Atlas コレクション（launchData と notes に保存）に保存します。

最初に、ロケールは次の構造を持つ 4 要素のタプルとしてメトリクスを生成します: (device, timestamp, metric, value)。次に、これらの値は集計され、次の例ドキュメントのように、特定の時点における特定のデバイスからのメトリクスを表す単一のドキュメントとして launchDataコレクションに書き込まれます。

{
   _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
}

このドキュメントモデルは、 MongoDB時系列コレクションでも機能します。

このデータは、ar ospace.archive.gz で確認できます。ソリューションGithubリポジトリ.ファイルの。

ソリューションのビルド

ソリューションのGithubリポジトリは、開始するために必要なデータとコードを提供します。さらに、リポジトリには、このソリューションを詳細に説明する 3 つの部分的なライブストリーム記録へのリンクが含まれています。

このソリューションを開始するには、次の手順を実行します。

開発環境を設定する

Githubリポジトリの README に記載されているセットアップ手順に従います。これにより、Atlas無料階層アカウントを取得し、Compass をダウンロードすることができます。

リクエストの事前起動とクエリの事前起動を設定する

最初のライブストリーム記録では、ロケールの起動でキャプチャされたデータと、 MongoDBクエリAPIを使用して基本的な集計クエリを作成する方法について説明します。次に、Atlas Charts を使用して、IoT センサーデータの基本的な分析を実行できます。

起動時のデータを分析する

2 番目のライブストリームレコードでは、リアルタイム分析のためにReactアプリにチャートを埋め込む方法と、特定のメモを検索する方法が示されます。

リリース後にインサイトを得るには

最後に、3 つ目のライブストリーム記録では、ロケールデータと気象データを組み合わせて試行後のインサイトを作成し、 Tableauで分析する方法について説明します。

キーポイント

MongoDB の柔軟なデータベースプラットフォームは、次の機能を提供することで、アプリケーション駆動型 IoT 分析を可能にします。

複数のデータ型にわたるデータのモデル化: MongoDB の柔軟なドキュメントモデル、1 つのドキュメント、コレクション、またはデータベースに複数のタイプのデータを保存できるため、データのやり取りが効率化され、別のテーブルの必要性が減ります。
Reactに関数をリアルタイムデータと統合: MongoDB の高速クエリ機能により、データをリアルタイムで分析できます。
イン集計によるETLプロセスの最小化 : MongoDB の集計パイプラインを使用すると、データを計算された結果に変換し、新しいコレクションに保存できます。

作成者

Jay Runkel、MongoDB

詳細

戻る

リアルタイムオーディオ診断

統合名前空間データ整合性