实战技巧|新零售 IOT 监控实战 — 数字孪生
共 1777字,需浏览 4分钟
·
2021-07-08 02:53
业务背景
IOT 让所有能行使独立功能的普通物体实现互联互通的网络。IOT 为用户提供更多元化的生活娱乐媒介,同时产生了更丰富的业态。对这些业态的主导,需要更全局的掌控硬件的状态,更完善的监控运维服务。
构建新零售 IOT 数字孪生
在 IOT 领域运用充分利用 物理模型、传感器数据、运行历史等数据,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。
数字孪生不但能够解决足不出户监控调度的问题,更能够在业务角度,实现从被动运维到主动运维。主动预测分析,提前识别故障进行预警,基于基于商业意图主动优化闭环。
整个构建过程是将物理智能硬件所采集到的数据,包括运行日志、传感器数据、后台应用数据、物理模型数据一一映射,并呈现在监控大盘中。监控大屏是数字孪生的一个有效呈现方式。
场景一 线下购物一体化运维监控:亲城里
当数据全面具备 “孪生” 条件下,体系化梳理并呈现数据变得更加重要。在亲城里运维监控的 case 中,我们将整个线下购物抽离为 “人、物、场” 三个角色。三个角色互相产生交互,迸发出围绕交互链路产生的数据。
如,人和亲城里这个空间中的物体产生的数据围绕 “停车、购物、娱乐” 等;亲城里这个场和物围绕 “在线率、空间分布、状态” 等;人和亲城里间产生 “人群热力分布、客流量、转化会员” 等。
设计和产品的思路还要贴合实际业务需求,经过以上分析,结合业务方的实际反馈,确定核心监控场景:全局视角掌控 “人、物、场” 概览数据;突出监控 "人、物" 交互场景中停车环节;
亲城里停车场监控 (非真实数据)
亲城里停车场监控 (非真实数据)
场景二 支付链路的联通核心点:POS 机
在进一步的探索中,我们发现整个 “人、物、场” 的监控模型中,每个交互环节背后都隐藏着很多层的调用关系。
譬如在店里购物时,“物”—— POS 的整个交易链路需要经过多个环节,每个环节都会调用多个底层应用,最终完成支付。
基于这种细分场景,结合业务方实际监控痛点确定核心监控场景:全国门店 POS 监控,具体门店监控。
POS监控(非真实数据)
POS 监控(非真实数据)
场景三 盒马线上线下交易链路的联通核心点:悬挂链
悬挂链监控是我们探索 “物和场” 的交互,通过对悬挂链容器,通道的布局位置还原,帮助运维同学快速发现定位问题。同时,增加预警专家规则模块,主动预测,及时处理。
悬挂链监控 (非真实数据)
模块及主题沉淀
在一系列的尝试之后,对大屏设计进行分层沉淀,常用组件,如告警模块、结合专家规则、智能决策、配套硬件状态、环节成功率使用尤其频繁,落地到数据平台中。
对于不同场景下的类似组件使用方式,我们进行汇总后,将细微差异提取为配置项,通过配置达到不同的效果。下图以线图的梳理思路为例:
常用主题配色沉淀为主题包,落地到数据平台中,达到一键切主题的效果。