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。
