【MongoDB行业案例】Bosch IoT 和应用程序驱动型分析的重要性

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
简介: 将运营和分析工作负载整合到一处的数据平台

对于 Kai Hackbarth 和他在 Bosch 的团队而言,他们有能力将实时分析构建到其应用程序中,处理海量数据。

“没有数据的支撑,就只是一次又一次的试错。”Kai Hackbarth如是说。他是 Bosch Global Software 的高级技术宣传负责人,在物联网领域拥有超过 22 年的行业经验。“不论是汽车、工业、还是智能家居,我们都有相关经验。”Hackbarth 说道。但轮胎是个例外,他最近正密切关注该领域及技术挑战。

“听起来可能挺简单的,”Hackbarth 表示,“但细想的话,[其实很复杂]。”


因为实践证明,轮胎可以收集大量不同类型的数据,让系统全面了解汽车在某一时间不同部件的运作状态。


“压力、温度、加速计,”Hackbarth 说道,“当然还有其他数据……对汽车安全和可持续性有重要影响。”


但是,想要发挥数据的真正价值,就需要在尽可能靠近来源的位置对其进行实时分析。为什么?


“事关安全大事儿,数据的全面性非常重要,”Hackbarth 说道,“但想要将全部原始数据上传到云中,会消耗大量成本。”

其中上传数据需要花费的时间是主要成本。


要想对问题做出反应,就不能依赖历史数据。因为与轮胎失压或湿路打滑相关的历史数据对车载应用程序并无意义,而这些应用程序恰好又需要在发生这种状况时作出及时响应。

所幸,Hackbarth 及他在 Bosch 的团队能够将实时分析技术部署到其应用程序中,处理海量数据。

内置分析为更智能应用程序实现良好开局

一直以来,应用程序和分析都作为两个不同类别的工作负载而存在。因此,读写访问模式、并发及延迟等需求也不同。企业通常会部署专属的数据存储区,包括适用于应用程序的数据库以及适用于分析的数据仓库,然后再在这两种数据存储区之间输送或复制数据。


这种做法效果不错,但前提是,分析不需要影响应用程序实时响应的方式。然而,大多数客户期望应用程序能够在当下就采取智能措施,而不是事后补救。


Bosch 的轮胎项目同样以此为原则。要让一辆速度过快的车在逼近另一辆车时能够主动刹车,或是在轮胎感测到湿路打滑时减速,车载应用程序就需要能够实时分析从所有传感器传来的全部数据。

将实时分析内置到应用程序的这个过程称为“应用程序驱动型分析”。应用程序就是通过这种方式变得更加智能的。手机上的电商应用程序、车载安全应用程序以及能够监控火箭发射的应用程序都属于这类智能应用程序。

对于许多开发团队来说,他们需要关注应如何轻松地将这个功能内置到自己的应用程序中。在很长一段时间里,这都是一个亟待解答的难题。

将实时分析内置到既有应用程序的平台

“根据我从业22 年的经验,”Hackbarth 说道,“我们从未具备这能力。”


此前,各个公司的团队 (不单是 Bosch 的团队) 都不得不做大量的定制工程工作,才能在靠近来源的位置实现实时分析:

1)拼凑多个数据库来处理不同数据结构(文档、表格、时间序列测量数据、键值、图形等),且需要通过独有的查询 API 来访问每一种数据结构。

2)打造 ETL 数据管道,将数据转换为所需的分析格式,再将数据从实时数据库分层为成本更低的对象存储

3)加速运转联盟查询引擎,跨各个数据层运作,且利用的还是自己独有的查询 API。

4)集成Serverless,响应实时数据变化。

5)设立自己的 API 层,将数据提供给使用中的应用程序。

以上操作会产生众多需要处理的运营和安全模型、大量数据集成工作以及大量数据复制。

然而,今时不同往日。市面上已有能够将运营和分析工作负载整合到一处的数据平台,进而将实时运营数据和实时分析结合起来。

我就在 MongoDB 任职,因此十分熟悉 MongoDB Atlas 平台。它能够为开发人员提供契合其工作流程的一系列集成式数据和应用程序服务。

开发人员能够载入任意结构的数据,以自己想要的任何方式索引、查询及分析数据,然后再对其进行归档。值得一提的是,无需打造自己的数据管道或复制数据,只需通过一个统一的 API 就能完成所有这些操作。

Bosch 团队就是以该平台为基础持续打造自己的解决方案。


Hackbarth 表示,“没有数据的支撑,就只是一次又一次的试错。”如今,有了数据和单一平台之后,他们能够将实时分析内置到应用程序中,收获兼顾响应能力和可行性的切实成果,变得更加智能。对于 Bosch 正在推进的轮胎项目及其他关键用例来说,他们尤其看重这个特质。

Jay Runkel 是 MongoDB 的杰出解决方案架构师,一直效力于世界 500 强企业。在近 15 年的时间里,他使用 NoSQL 文档数据库来架设企业解决方案。加入 MongoDB 前,Runkel 曾担任 MarkLogic 的主要技术专家…查看 Jay Runkel 的其他博客


立即注册 阿里云版MongoDB进行免费试用。

立即加入阿里云MongoDB开发者训练营,带你5天快速入门全球最受欢迎的 NoSQL数据库!或扫码加入钉群,与MongoDB专家一对一沟通,了解更多阿里云MongoDB产品与方案,市场活动及线上培训等内容。

钉钉入群二维码原图.jpeg

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
14天前
|
存储 NoSQL MongoDB
MongoDB 查询分析
10月更文挑战第21天
9 1
|
8天前
|
SQL 监控 物联网
ClickHouse在物联网(IoT)中的应用:实时监控与分析
【10月更文挑战第27天】随着物联网(IoT)技术的快速发展,越来越多的设备被连接到互联网上,产生了海量的数据。这些数据不仅包含了设备的状态信息,还包括用户的使用习惯、环境参数等。如何高效地处理和分析这些数据,成为了一个重要的挑战。作为一位数据工程师,我在一个物联网项目中深入使用了ClickHouse,以下是我的经验和思考。
24 0
|
2月前
|
NoSQL MongoDB 数据库
python3操作MongoDB的crud以及聚合案例,代码可直接运行(python经典编程案例)
这篇文章提供了使用Python操作MongoDB数据库进行CRUD(创建、读取、更新、删除)操作的详细代码示例,以及如何执行聚合查询的案例。
30 6
|
3月前
|
NoSQL atlas MongoDB
构建实时银行应用程序:英国金融机构 Nationwide 为何选择 MongoDB Atlas
正如 Nationwide 在135 年前的初衷一样,无论数字化程度如何,Nationwide仍将继续以会员为核心,满足会员的日常需求
3862 3
|
5月前
|
NoSQL 物联网 atlas
智能制造案例专题|与MongoDB一起解锁工业4.0转型与增长的无限潜力!
欢迎访问MongoDB中文官网 https://www.mongodb.com/zh-cn 了解更多智能制造业的MongoDB解决方案
5410 2
|
6月前
|
存储 NoSQL 物联网
【MongoDB 专栏】MongoDB 在物联网(IoT)领域的应用
【5月更文挑战第11天】MongoDB,一种灵活可扩展的非关系型数据库,在物联网(IoT)领域中大放异彩。应对海量设备产生的多样化数据,MongoDB的文档型数据结构适应性强,适合存储设备信息及传感器读数。其实时更新、强大查询语言、索引机制和扩展性(通过分片技术)满足物联网的高实时性、复杂查询和数据增长需求。尽管面临数据安全和管理挑战,MongoDB已广泛应用于智能家居、工业 IoT 和智能交通等领域,并有望随着物联网技术进步和与其他领域的融合,如人工智能、大数据,持续发展。未来,优化数据质量、提升并发处理能力将是关键,MongoDB将在物联网的智能未来中扮演重要角色。
451 2
【MongoDB 专栏】MongoDB 在物联网(IoT)领域的应用
|
6月前
|
存储 监控 NoSQL
【MongoDB 专栏】MongoDB 的日志管理与分析
【5月更文挑战第11天】MongoDB日志管理与分析至关重要,包括系统日志和操作日志,用于监控、故障排查和性能优化。合理配置日志详细程度、存储位置和保留策略,使用日志分析工具提升效率,发现性能瓶颈和安全性问题。日志分析有助于优化查询、调整配置,确保数据安全,并可与其他监控系统集成。面对日志量增长的挑战,需采用新技术如分布式存储和数据压缩来保障存储和传输。随着技术发展,不断进化日志管理与分析能力,以支持MongoDB的稳定高效运行。
155 2
【MongoDB 专栏】MongoDB 的日志管理与分析
|
5月前
|
NoSQL 物联网 atlas

相关产品

  • 云数据库 MongoDB 版