Gestion des données périphériques en temps réel

Temps de lecture : 8 minutes

Pour gérer les données des capteurs de différents appareils dans un système embarqué, tel qu'une passerelle intelligente, les données doivent d'abord être traitées, transférées ou stockées. Les avancées dans les technologies de réseau, comme la technologie sans fil 5G, ont résolu les problèmes de transfert de données chaque fois que la connectivité est disponible. Mais que se passe-t-il en cas de mauvaise connectivité ou d'absence de connectivité ? Comment doit-on poursuivre le traitement des données ?

Un orchestrateur de données est responsable de la gestion des données du système embarqué et de la gestion du flux d'informations entre les appareils déployés. L'orchestrateur décide comment prendre des données inaccessibles et incohérentes et les rendre organisées et exploitables. De plus, une orchestration efficace du traitement des données exige que les appareils soient capables de continuellement transmettre des données depuis les capteurs, de les traiter et de les unifier pour l'ensemble des données collectées.

L'orchestrateur attribue de manière dynamique des tâches de calcul des données en périphérie à chaque appareil, et ces attributions peuvent changer avec le temps. Il existe des systèmes en périphérie qui peuvent bénéficier d'un appareil central puissant pour maximiser le calcul des données.

Une plate-forme de données de périphérie intégrée offre à chaque appareil la possibilité de capturer, d'interroger, d'analyser et de stocker dynamiquement des données. Elle est également capable de continuer, sans interruption, à effectuer le calcul des données lorsqu'un nouveau périphérique ou capteur est ajouté ou supprimé du système. De plus, lorsqu'un orchestrateur démarre une campagne de collecte de données les requêtes, déployées dynamiquement sur divers appareils à des fins d'analyse, peuvent être ajustées et mises à jour. A la fin d'une campagne de données, les résultats stockés sur les appareils peuvent être exportés et les requêtes supprimées.

Au sommaire de cet article :

• Workflow d’orchestration des données et Edge Computing
• La stratégie principale pour le traitement des données en périphérie
• Une base de données HTAP intégrable optimisée pour les données IoT
• Intelligence artificielle et Edge Computing

Construire des appareils hautes performances qui diffusent et traitent des données en temps réel n’est pas anodin. Que vous créiez ou mettiez à niveau des applications pour les rendre compatibles avec l'ère de l'Internet des Objets (IoT), que vous entrepreniez des tâches d'apprentissage automatique (ML) ou que vous fassiez toute autre activité liée à l'intelligence artificielle (IA), les données doivent être gérées avec soin. Sinon, ces données seront fragmentées, difficiles à corréler et entraîneront des goulots d'étranglement en termes de performances.

Par conséquent, les architectes et les développeurs recherchent des solutions logicielles possibles pour coordonner et gérer les capteurs connectés à plusieurs appareils. Ils préfèrent également que les appareils puissent partager une partie des données entre eux.

Les principales exigences pour un tel système embarqué comprennent la rationalisation et l'optimisation des données en temps réel selon la philosophie du traitement initial suivi du stockage de ce qui est important. Ces dispositifs effectuent généralement diverses tâches intelligentes, et l'automatisation de l'orchestration de la gestion des données sur l'ensemble de ces dispositifs serait extrêmement rentable, fiable et efficace.

Permettre aux applications de systèmes embarqués de bénéficier du streaming, du traitement et du partage de données en temps réel entre elles ou avec un périphérique central est l'une des principales caractéristiques d'ITTIA DB. Avec ITTIA DB, les fabricants peuvent choisir les données à partager entre les appareils avec une granularité élevée. Les appareils peuvent enregistrer n'importe quelle table, capteur en direct ou résultat de requête en temps réel pour que d'autres appareils puissent les consommer.

Par exemple, supposons qu'un dispositif i.MX8 annonce le résultat de sa tâche de traitement, stocké dans la table A, qu'un autre appareil i.MX 8 annonce les paramètres de l'appareil dans la table B et qu'un troisième appareil i.MX 8 annonce ses capteurs bruts comme suit : flux de données-C. Enfin, le dispositif central S32G peut choisir de recevoir tout ou partie des annonces fournies par ces dispositifs.

Lors de la tâche de traitement, le logiciel de base de données du périphérique STM32U5 diffuse des données en temps réel qui sont traitées, filtrées et agrégées selon certains critères définis. En conséquence, seules les informations raffinées sont répliquées entre les appareils. Par exemple, l'appareil peut réduire l’échantillonnage de 1 000 points de données par seconde pour ne répliquer qu’un seul échantillon par seconde. Ce processus de traitement et de stockage peut se poursuivre sur le deuxième, le troisième et tous les autres dispositifs à l’intérieur du système embarqué.

ITTIA DB est une base de données HTAP pour l'informatique en périphérie (edge computing). Mais qu’est-ce que le HTAP ? Le traitement Hybride Transactionnel/Analytique (HTAP) est une architecture émergente (déjà disponible dans le cloud) qui brise la barrière entre le traitement des transactions et l'analyse. Il permet une prise de décision plus éclairée et en temps réel pour les systèmes embarqués. HTAP permet aux dispositifs intégrés au système de configurer plusieurs tâches qu'ils doivent tous traiter et de produire des résultats pour le dispositif central qui surveille le processus de travail pour chaque dispositif.

En conséquence, chaque appareil est capable d’effectuer seul des analyses et du stockage de données. HTAP est également un choix idéal pour le calcul de données d’IA embarquées.

Une base de données HTAP, comme ITTIA DB, permet à chaque appareil individuel d'évoluer et de bénéficier d'une infrastructure habilitée à recevoir des informations de toutes les sources de données des dispositifs, y compris les événements, les alarmes, les pannes, etc. La gestion des données en temps réel permet désormais des utilisations variées, telles que la surveillance de la santé autonome, la prise de décisions autonomes et la maintenance prédictive autonome.

Comme l'unité centrale a accès en permanence aux données mises à jour en temps réel pour l'ensemble du système embarqué, elle peut être le candidat idéal pour l'intégration de l'IA et son implication dans la consolidation, la gouvernance et la maintenance, et peut contribuer à automatiser de nombreuses tâches provenant de différents dispositifs.

Cette unité centrale peut également stocker des données, identifier des modèles et des tendances au sein de l'ensemble du système et découvrir des informations à diverses fins, notamment l'auto-apprentissage. Par exemple, la combinaison de données et d'applications d'IA peut permettre d’identifier des tendances et des erreurs qui peuvent être utilisées pour optimiser les campagnes de données pour diverses tâches, y compris les tâches orientées vers l'autonomie.