The Doppler Quarterly (DEUTSCHE) Frühjahr 2016

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

The Doppler Quarterly (DEUTSCHE) Frühjahr 2016 | Page 29