Tanítható IoT-platform a vállalatok szolgálatában

A Machine Learning és Internet of Things hallatán legtöbbünk Startupokra, vagy kísérleti fázisú kutatásokra, frissen kijött kiállítási termékekre gondol – pedig tudtunk nélkül is ma már az élet minden területén napi szinten használjuk őket.

Miért ne tehetnénk hát hatékonyabbá velük a vállalati alkalmazásokat?

Az interneten fellelhető piaci trend kutatások egyre inkább rávilágítanak, hogy érdemes IoT (Internet of Things) technológiákat adaptálni, hiszen ezen területen a felhasználási lehetőségek folyamatosan, kimagasló ütemben bővülnek.

Az IoT a jövőkutatások egyik kedvenc témájából fokozatosan immár a mindennapok szerves részévé vált a végfelhasználók számára is azzal, hogy okoseszközök telepítése révén kevesebb feladatot kellhet ellátniuk. Ezen eszközök távolról is vezérelhetőek vagy éppen beépített előreprogramozott moduljaik révén segítik az ember mindennapi életét. Azzal, hogy az okoseszközök mögött lévő platformok egyre gyorsabban és egyre nagyobb mennyiségű adatot tudnak feldolgozni, egyrészről csökkenthetik a működési/fenntartási költségeket, másrészről növelik a hatékonyságot és segítik a vállalatok döntéshozatali folyamatát. Azoknak immár nem csak feltételezésük, sejtésük van a lezajló eseményekről, hanem a kihelyezett érzékelőkből érkező adatok feldolgozása révén pontos képet kapnak arról, hogy ténylegesen mi zajlik telephelyeiken, kritikus eszközeikben, vagy épp a felhasználóiknál. Ezek alapján megalapozottan népszerű a technológia - olyannyira, hogy az IoT piac, a hardvert, a szoftvert, a rendszerintegrációt, valamint az adat- és telekommunikációs szolgáltatásokat magába foglalva, várhatóan 520 milliárdos növekedés produkál 2021-ben. (forrás: Unlocking Opportunities in the Internet of Things)

Az IoT eszközök és az általuk használt hálózat technikai ismerete, kiépítésének költsége, valamint a kapcsolódó háttérrendszerek szolgáltatása, az erre épülő cél alkalmazás rétegeinek felépítése és üzemeltetése szempontjából olyan eredő komplexitást, továbbá kapcsolódó szaktudást feltételeznek, amit világszinten is kevés cég tud biztosítani. A legtöbb cég jogosan inkább a drágább, nagyobb Telco cégek által használt hálózatot és valamelyik vezető Cloud Computing Vendor IoT specifikus cloud infrastruktúráját használja, elkerülve a technológia megismerésére szánt időt és költségeket.
Viszont bármilyen jó mutatókkal is rendelkeznek ezen felhős szolgáltatások, adataikat távoli szervereken tárolják, így a versenyszférában és az állami területeken sem garantálható a törvényi kötelezettségeknek, többek között az utóbbi időben központi témává vált GDPR-nak való megfelelőség. További rizikó, hogy minden csatlakoztatott eszköz potenciális támadási lehetőséget jelent és növeli a rendszer sebezhetőségét. Szintén fontos kiemelni, hogy a pénzintézetek és stratégiai fontosságú infrastruktúrát biztosító cégek belső security előírásai gyakran szigorúbbak a törvényi előírásoknál. Ez leginkább a 4T, illetve egyéb szenzitív adatok IT biztonságtechnikai tanúsíthatóságának nehézségeiből ered. Másik alapvető probléma a piacon megtalálható IoT rendszerekkel, hogy azok rendkívül specifikusak egy adott felhasználási területre nézve, legyen az okosotthon, egészségügyi, ipari, vagy mezőgazdasági felhasználás. Az az IoT szolgáltatás, ami kávéfőzők hibajelzéseit gyűjti, nem használható fel mezőgazdasági eszközökhöz. Egyfajta specifikus, zárt szoftvert képeznek, vagy platform esetén számottevő alapszintű fejlesztést és IoT specifikus tapasztalatot igényelnek. Harmadik probléma, hogy ezen rendszerek többsége nem rendelkezik semmilyen intelligens gépi tanulási algoritmussal – nem öntanulóak, mivel az egy önmagában létező különálló szakterület. Az eleve nehezen tervezhető költségek ily módon végképp bizonytalanná, kezelhetetlen kockázattá válnak.

Ahhoz, hogy a rendszer ügyféligénytől és a rendelkezésre álló infrastruktúrától függetlenül hosztolható legyen, akár egy felhőszolgáltatónál, akár On-premises, szükség van egy olyan technológiára, amely mind a két környezetben képes egy egységes, önmagában is életképes rendszert biztosítani. A környezetfüggetlenség megteremtésére napjainkban standard a Docker alapú konténerizációs megoldás, mely ugyan előremutató, azonban a konténer példányok közötti infrastruktúra még mindig helyhez kötött, az IoT pedig gyakran extrém skálázhatóságot igényel. Szükséges tehát egy olyan megoldás, ami biztosítja a portolhatóságot, mind a hosztolt szolgáltatások, mind az infrastruktúra tekintetében. A Kubernetes konténer alapú alkalmazáskezelő szoftver ezekre a problémákra ad választ azzal, hogy lényegében egy konténerizációval és az azokat összefogó, mikroszolgáltatás architektúrához ideális – és nem utolsó sorban remekül skálázható – infrastruktúrával rendelkező ún. „privát felhőt” biztosít bármely cég számára.

További problémát jelent az IoT világot lefedő vendorok széles spektruma és egyedi megoldásai, ezeket szükséges kezelni mind adatkezelés, mind konnektivitás szintjén. A flexibilis eszköztípus kezelés mellett szükséges egy olyan adatbázis kezelő rendszer, ami képes az akár változó sémájú adatokat is egységesen, könnyen lekérdezhetően tárolni. A hagyományos relációs adatbázisok a séma kötöttség miatt nem jöhettek szóba, a probléma áthidalása mindenképpen NoSQL alapú megoldást igényel. Ez a technológia amellett, hogy lehetőséget ad a változó sémájú adatok kezelésére, egyszerűbb lekérdezések esetén számottevően gyorsabb is lehet, mint egy hagyományos relációs társa. Az adatok tömegéből és gyors továbbítási igényükből adódóan pedig esemény alapú architektúrát jelentő stream processing-et kell megvalósítani, erre szolgáló speciális adatkezelőkkel.

A konnektivitási problémára egységes megoldást találni már nehezebb. Ahány vendor, annyi eszköz és protokoll, és ezekből is megannyi különböző verzió. Belátható, hogy ezen interface-ek egyedi lefejlesztése és karbantartása lehetetlen, ezért a problémát érdemes absztrahálni. A legtöbb vendor által használt IoT protokoll (pl. ZigBee, Z-Wave, Cat-M, Bluetooth) a TCP/IP hálózati rétegein belül az IP réteg alatt helyezkednek el. Ha a konnektivitás az IP rétegből van megközelítve a probléma leszűkül néhány message queue-ra, pl. MQTT, AMQP, és a hagyományos REST interfészekre. Ezt kihasználva kialakítható egy széles spektrumot lefedő, de karbantartható interfész az eszközök felé rendszer szinten, a különböző alacsonyabb szintű protokollok pedig absztrahálhatók egy-egy hardveres vagy szoftveres gateway segítségével.

Grape Solutions Zrt., amely a kezdetektől fogva az innovációt képviseli egyedi szoftvermegoldásaival, főképpen a fenti problémákra nyújt innovatív megoldásokat. Az utóbbi időszakban olyan IoT platform termék/szolgáltatás kifejlesztésébe fogott, amely nemcsak felhőbe (cloud) futtatható, hanem a megrendelő saját környezetébe (on-prem) is telepíthető. Ezen rendszer nem beégett módon eszközspecifikus, mint a legtöbb ismert rendszer, hanem fel lett készítve bármilyen típusú okoseszköz gyors megtanítására, ill. nagy mennyiségű okoseszköz csatlakozására is, így nagy rendelkezésre állás biztosít, ahol a felhasznált üzemeltetési erőforrás a rendszer terheltségének függvénye. Ebből következik, hogy a skálázhatóság, mint lehetőség adott, a szolgáltatást igénybe vevő vállalat a rendszer rendelkezésre állását saját igényeire szabhatja.

A technológia folyamatos fejlődése lehetővé teszi a platform hosszútávú fejlesztését, ahol is a gépi tanulással kapcsolatos módszerek feltérképezése mellett egy automatikus adatfelismerés illeszthető tetszőleges adatfolyamra. A cél egy olyan egységes generikus informatikai platform kialakítása, amit a leendő vásárló a saját informatikai rendszerének kiterjesztéseként használhat, mindezt teljeskörű beépített funkcionalitással, és olyan gépi tanulási alapszolgáltatással, amely egyébként csak költséges saját fejlesztés keretében lenne elérhető.

Amennyiben felkeltette érdeklődését és szeretne bővebb információt kapni a Grape IoT platform megoldásáról, forduljon hozzánk bizalommal!

Tovább olvasna? Nézze meg, mely fő trendek határozzák meg az egyedi szoftverfejlesztés fejlődését. Tovább a blogbejegyzéshez.