The Doppler Quarterly (DEUTSCHE) Frühjahr 2016 | Page 29
Abbildung 1: IoT-Standardentwurfsmuster mit Google Dataflow und Pub/Sub
Mit Pub/Sub werden Nachrichten von den zugehöri-
gen Anwendungskomponenten getrennt, sodass die
Anwendungen im Lauf der Zeit problemlos geändert
werden können.
Skalierbarkeit der Datenerfassung
Erfolgreiche IoT-Plattformen müssen hoch flexibel
sein, um Daten aus einem wachsenden und sich
ständig verändernden Universum von Geräten auf-
nehmen zu können. Google Dataflow garantiert
diese Fähigkeit durch flexible Schnittstellen zur
Akquisition von Daten von einer Vielzahl unter-
schiedlicher Geräte und Quellen. Die native Integra-
tion mit den Computing- und Speicherkomponenten
der Google Cloud Platform bietet hinreichende Ska-
lierbarkeit für nahezu jede IoT-Anwendung.
Dataflow sorgt für einen zuverlässigen Datentrans-
port und ermöglicht die Ausführung von Datenver-
arbeitungsaufgaben im laufenden Betrieb. Mit sei-
nen Konnektoren für native Google Services bietet
Dataflow Entwicklern flexible Möglichkeiten zum
Erstellen von spezifischen Modulen für Aktivitäten
wie ETL oder prädiktive Modellausführung. Außer-
dem ermöglicht Dataflow die Implementierung von
Geschäftsprozessen in Form von konsistent ausge-
führten Workflows.
Datensynchronisierung
Bei vielen IoT-Datennutzern müssen die Daten von
Geräten oder Anwendungen auch nutzbar sein,
wenn diese offline oder nicht angeschlossen sind. In
solchen Umgebungen müssen die Daten zwischen
den lokalen Geräten und einem zentralisierten
Daten-Repository synchronisiert werden. Diesen
Prozess übernimmt Google Firebase [3] als natives
Tool in der Google Cloud. Mit Google Firebase kön-
nen Anwendungen auch im Offline-Modus betrieben
werden, da die Daten zur späteren Analyse und Ver-
wendung zu einem zentralen Speicherort repliziert
werden.
Modellmanagement
Das Modellmanagement stellt in konsistenter Weise
sicher, dass die Analysemodelle ordnungsgemäß
getestet, durchgängig überwacht und kontinuierlich
aktualisiert werden. Wenn Analysen an verschiede-
nen Orten ausgeführt werden, wie z. B. beim Modell
Analytics @ The Edge, wird das Modellmanagement
aufgrund der verteilten Ausführung und der Vielzahl
von Geräten mit lokal gespeicherten Analysemodel-
len umso wichtiger. Bei IoT-Plattformen, die mit dem
Entwurfsmodell Analytics @ The Edge arbeiten,
werden Rechenressourcen der angeschlossenen
Geräte zur Ausführung von Vorhersagemodellen
und Empfehlungsgeneratoren genutzt.
Gut konzipierte IoT-Plattformen zeichnen sich durch
Transparenz und Elastizität aus. Google Pub/Sub
und Google Dataflow ermöglichen es den Software-
und Betriebsteams, einzelne Komponenten einer
IoT-Plattform zu ersetzen, Ausfallzeigen zu mini-
mieren und die Performance bei Bedarf zu erhöhen.
Mithilfe dieser Technologien können IoT-Plattfor-
men schnell erstellt und im Lauf der Zeit an techno-
logische Entwicklungen und steigende Benutzer-
nachfrage angepasst werden.
FRÜHJAHR 2016 | THE DOPPLER | 27