MongoDB -
Bosch IoT 和应用程序驱动型分析的重要性
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 的高级技术宣传官，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： 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。 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。 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。 集成Serverless，响应实时数据变化。 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。 如需深入了解如何将应用程序驱动型分析内置到应用程序中，欢迎参加由我主持的由三部分构成的直播演示，届时将展示如何在 MongoDB Atlas 中打造应用程序驱动型分析应用程序。 在这个三大板块系列中，我们将针对能够管理火箭发射的模拟系统打造实时分析功能。 第 1 部分将介绍基本要点，使用 MongoDB 的聚合框架打造复杂的分析查询，以及使用图表打造可视化效果。 第 2 部分将重点介绍 Atlas 的其他功能，如 Atlas Search、Atlas Triggers，这些功能对于打造应用程序驱动型分析以及将图表生成的可视化嵌入应用程序 UI 具有无限价值。 第 3 部分将聚焦如何使用 Atlas Data Federation、Atlas Data Lake 和 Atlas SQL Interface，并依靠跨多个数据来源的大量历史数据和联盟查询来执行分析。 第 1 场直播时间为 3 月 15 日上午 10 点，接下来的两场分别安排在 3 月 22 日和 3 月 29 日。 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→
AI生成摘要 Kai Hackbarth和他在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。他们使用MongoDB Atlas平台，将运营和分析工作负载整合到一处，实现实时运营数据和实时分析的结合。他们能够将实时分析内置到应用程序中，变得更加智能。他们将在MongoDB Atlas中展示如何打造应用程序驱动型分析应用程序。
