Clover Platform. Назначение и основные функции платформы

Назначение и основные функции платформы
Сбор и накопление исторических данных о работе оборудования
Визуализация данных в разных разрезах
Анализ данных с применением математических методов, в том числе методов машинного обучения
Прогноз технического состояния оборудования
Сбор бизнес-приложений (например, Умный Локомотив)

Архитектура платформы
Производительность
Масштабируемость
Гибкость в конфигурации решения в зависимости от задачи
Надежность, отказоустойчивость
Расширяемость за счет подключения дополнительных модулей
Модульная (микросервисная) REST архитектура обеспечивает

Архитектура отдельного модуля
Самостоятельно балансирует нагрузку и масштабируется при необходимости
Поддерживает асинхронный механизм взаимодействия и работает через брокер сообщений (Message Broker)
Все необходимые данные получает в запросе или имеет доступ к источникам данных
Взаимодействует с единым сервисом логгирования (Logging Service)
Предоставляет доступ сервису мониторинга (Monitoring Service)
Модуль – реализует одну бизнес-функцию

Схема обработки данных
Business Process Engine – Сервис управления бизнес-процессами обработки данных
Процесс обработки данных строится из кубиков, как конструктор
Что позволяет настраивать сложные алгоритмы обработки без привлечения разработчиков

Сервисы загрузки и хранения данных
Агенты по сбору данных, ETL и хранилища данных
Информация поступает из различных источников: базы данных, файлы, агенты.
И в разных режимах: потоковом или пакетном
ETL сервис извлекает, очищает, преобразует и загружает данные в хранилища
Инициирует процессы дальнейшей обработки данных

Поиск аномалий
Правила – позволяют эксперту сформулировать и найти отклонения в работе оборудования
Правило задается на специально разработанном языке
(Rule Language)
Этот язык понимается специальным Сервисом Правил
(Rule Service)
Который выявит аномалии в прошлом и обнаружит их в будущем
Работая в пакетном или же потоковом режимах

Визуализация
Важная информация о работе оборудования представлена на панели мониторинга
8

9

10

Сервис Математики
Набор математических методов для поиска зависимостей и отклонений рассматриваемых объектов
Модели распространяются как плагины и подключаются к платформе.
В зависимости от поставленных задач могут использоваться:
Предиктивные модели
Статистические модели
Физические модели
Модели непрерывного обучения
Модели валидации
Индекс здоровья
оборудования

Безопасность
Принципы безопасности
Микросервисная архитектура и дублирование компонентов – отсутствие единой точки отказа, повышение сложности слома системы
Несколько уровней информационной безопасности данных:
VPN – все компоненты системы размещаются в защищенной инфраструктуре
Единый сервис аутентификации и авторизации (Access Management Service) – остальные сервисы получают подтверждение на обработку запроса от него
Гибридная модель доступа на основе RBAC (роли) и ABAC (атрибуты) моделей – возможность гибкой настройки доступных пользователю действий и ограничений по данным.
Логирование операций в системе – кто, что, когда сделал
Мониторинг состояния системы – контроль состояния системы онлайн
Резервное копирование данных
12

Технологический стек
Микросервисы
Python 3.6
(celery, django, sqlAlchemy, django rest framework)
Scala
СУБД
PostgreSQL
ClickHouse
Redis
…
GUI
Средства развертывания
React
Redux
D3
Gitlab (git, CI, CD)
Docker
13

Технические требования
Требования к системному ПО
CentOS, Linux Ubuntu, Linux Debian
Процессор: 8 ядер по 2.4 ГГц
Оперативная память: 16 Гб оперативной памяти
Жесткий диск: 128 Гб
Требования рабочей станции
4 Гб оперативной памяти
Браузер Chrome 66 и выше
14
Минимальные аппаратные требования
Рекомендуемые требования
Рассчитываются исходя из
объема данных (например, одна секция локомотива в среднем содержит 10-15 Гб данных в год),
решаемых задач,
количества одновременных пользователей