工业大数据分析平台：Titan Control Center（软件影响7（2021）100050）

软件影响7（2021）100050原始软件出版物用于工业DevOps分析研究SörenHenning，Wilhelm Hasselbring软件工程组，基尔大学，24098基尔，德国A R T I C L E I N F O关键词：工业DevOps大数据物联网流分析可扩展性可扩展性代码元数据A B标准Titan Control Center是一个支持工业大数据分析研究的软件平台。 Titan Control Center基于可扩展和可扩展的架构，分析和可视化工业生产中物联网传感器的数据流。它执行不同类型的聚合、关联、预测和异常检测，以更深入地了解工业生产数据，从而实现工业DevOps。此外，Titan Control Center还用于研究多维传感器数据流聚合的新方法，作为模块化分析软件可扩展性基准测试的参考平台，以及分析工业能耗的研究。当前代码版本0.9.0用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2020-62可复制胶囊Apache许可证，版本2.0使用Git的代码版本控制系统使用Java、Python、TypeScript的软件代码语言、工具和服务编译要求，操作环境Java 11，Python 3.7，TypeScript 3.9，Docker如果可用，链接到开发人员文档/手册https://github.com/cau-se/titan-ccp问题支持电子邮件soeren. email.uni-kiel.de软件元数据当前软件版本0.9.0此版本可执行文件的永久链接https://github.com/cau-se/titan-ccp/releases/tag/v0.9.0可复制胶囊法律软件许可证Apache许可证，2.0计算平台/操作系统各种，包括Linux，macOS，Microsoft Windows安装要求依赖Docker Compose或Kubernetes如果可用，链接到用户https://github.com/cau-se/titan-ccp问题支持电子邮件soeren. email.uni-kiel.de1. 工业DevOps分析工业DevOps是一种通过为各种利益相关者提供工业数据来实现工业制造持续适应和改进的方法[1]。由于智能制造、网络物理生产系统和工业4.0的趋势∗通讯作者。这些数据创造了巨大的数量，速度和种类（工业大数据），传统的分析技术是不够的[2]。因此，实现工业DevOps需要近实时的可扩展、可扩展和资源高效的数据分析在我们的研究项目泰坦中，我们与几个工业伙伴 对 方法 和 工具 为 使 工业 DevOps 作为电子邮件地址：soeren. email.uni-kiel.de（S. Henning），hasselbring@email.uni-kiel.de（W.Hasselbring）。第1https://www.industrial-devops.org/enhttps://doi.org/10.1016/j.simpa.2020.100050收稿日期：2020年12月12日;接受日期：2020年12月15日2665-9638/©2020作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsS. Henning和W. 哈塞尔布林软件影响7（2021）1000502图1.一、使 用 T i t a n C o n t r o l C e n t e r 实现工业功耗数据的 可 视 化 [3]。该 项 目 的 一 个 成 果 是 Titan Control Center for Industrial DevOpsanalytics。Titan控制中心建立在可扩展和可扩展的架构基础上，可以近乎实时地在线分析和可视化IIoT传感器的数据流[4]。 因此，它支持对工业大数据分析的研究，特别是工业DevOps。在下文中，我们概述了Titan控制中心2. 泰坦控制中心Titan控制中心被设计为在云环境中部署的软件平台。2它处理连续的传感器数据流，并执行各种在线分析任务。关键特征用于研究的泰坦控制中心是：想象力。Titan Control Center可在信息仪表板中可视化记录的传感器数据和分析结果（参见图①的人。这些仪表板包含多个可视组件，其中显示季节性（例如，每日或每周）模式、直方图以及聚集数据的组成。特别注重将以前的测量结果显示为时间序列图。此图会使用实时数据不断更新，并允许通过平移和缩放来探索历史数据。显示的数据动态检索在不同的分辨率，考虑到选定的时域和缩放级别。为了获得最佳的可访问性，泰坦控制中心聚合来Titan控制中心支持不同类型的连续传感器数据流的聚合。这包括以固定大小的连续时间间隔聚合数据点，聚合具有相同时间属性（例如，星期几），以及将传感器分层聚合成组和组的组。2我们提供了泰坦控制中心的公开展示案例，网址为http：//samoa.se.informatik.uni-kiel.de:8185网站。汇总的数据是可视化的，并通过数据流提供，作为进一步分析的基础。相关性基于先前对分析海洋观测数据的研究[5]，泰坦控制中心提供了一个交互式图形工具，用于关联多个数据源的时间序列数据。时间序列可以排列在多个具有同步时域的图中，并允许详细分析某些时间点预测。Titan控制中心通过将传感器流的测量结果馈送到先前训练的神经网络中来支持预测。因此，研究人员可以专注于构建复杂的预测模型，而将这些模型应用于连续的传感器数据流（模型服务）则委托给Titan控制中心。异常检测。泰坦控制中心配备了基于Z分数的一般异常检测。它将传感器测量值与一天中同一小时和一周中同一天记录的历史数据进行比较。使用我们的神经网络预测进行更复杂的异常检测 目前正在开发中。传感器数据集成。Titan Control Center与Titan Flow Engine无缝集成，Titan Flow Engine是一个低代码平台，允许领域专家以图形建模语言对工业数据流进行建模。 我们为Titan Flow Engine提供即用型组件，将这些数据流与Titan Control Center连接起来。因此，集成传感器只需要很少或不需要编程技能。同样，我们提供用于处理分析结果（如检测到的异常）的组件。可扩展架构。Titan控制中心设计为事件驱动的微服务架构（参见图2）的情况。分析任务被实现为自包含的软件组件，这些组件通过消息传递系统以订阅-订阅的方式彼此异步通信。这种架构允许轻松扩展，因为分析任务与其他任务没有编译时依赖关系，但仍然能够构建它们的结果。要添加微服务，研究人员只需将其封装在Docker容器中并让其订阅所需的数据流。S. Henning和W. 哈塞尔布林软件影响7（2021）1000503图二、Tit a n 控 制 中 心 的可伸缩和可扩展的 软件架构[3]。大规模数据处理。Titan控制中心基于微服务的架构允许其单独的分析任务独立扩展[6]。此外，我们在微服务中应用大数据流处理技术和工具。因此，分析任务可以通过将数据处理分布在多个计算节点上来利用云计算，以应对快速增长的IIoT数据量。3. 研究影响Titan控制中心通过提供即用型软件平台，支持对事件驱动、基于微服务的IIoT分析的研究。因此，它被用于评估现实场景中传感器数据流的多维聚合研究[7，8]。所提出的聚合方法后来作为专用微服务集成到Titan控制中心。代表数据流分析的典型用例，微服务Titan ControlCenter的数据库用于对不同流处理引擎及其部署选项的可扩展性进行基准测试[9，10]。其用于分析和可视化传感器数据的多种功能使工业能耗分析研究成为可能。Titan控制中心用于根据能源数据实现报告、优化、故障检测和预测性维护[3]。还在两个工业环境中评估了用于分析能耗的实施措施[3，4]。除了将泰坦控制中心作为工业大数据分析研究的工具外，泰坦控制中心本身也被用作研究对象。这包括研究其可扩展架构的设计，实现和评估[4]，转移对软件性能监控的研究[11]，以及研究清洁代码实践以构建长寿软件[12]。Titan Control Center是开源研究软件[13]，在Apache许可证2.0下许可，因此它可以不受任何限制地用于商业用途。在相关的研究项目[14，15]中，我们的经验表明，这种许可证是技术转让的良好法律框架。特别是，我们希望刺激对一个很少使用开源软件的行业的竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢该研究由德国联邦教育和研究部（BMBF）资助，资助编号为01IS17084。我们非常感谢在源代码、研究成果和案例研究方面对Titan控制中心的众多贡献。这包括来自泰坦相关研究论文的学生，受雇的学生助理以及我们在泰坦项目中的行业合作伙伴的贡献引用[1]W. Hasselbring， S.亨宁 湾Latte， A. Möbius， T.里希 特， S。Schalk， M. Wo-jcieszak ， Industrial devops ， in ： Proc. IEEE International Conference onSoftwareArchitectureCompanion，2019，pp.123http://dx.doi.org/10.1109/ICSA-[2]P. O'Donovan，K.莱希K. Bruton，D. T. J.http://dx.doi.org/10.1186/[3]S. Henning，W. Hasselbring，H. Burmester，A.莫比乌斯湾Wojcieszak，制造企业功耗数据分析的目标和措施，2020，arXiv：2009.10369。[4]S. Henning，W. Hasselbring，A. Möbius，工业生产环境中功耗监控的可扩展架构 ， 在 ： Proc 。 IEEE 雾 计 算 国 际 会 议 ， 2019年 ， pp 。 124 http://dx.doi。org/10.1109/ICFC.2019.00024。[5]A. Johanson ， S. 弗 勒 格 尔 角 杜 洛 Hasselbring ， Oceantea ： Exploring ocean-derivedclimate data using microservices ， in ： Proceedings of the SixthInternationalWorkshop on Climate Informatics ， in ： NCAR Technical NoteNCAR/TN，2016，pp. 25比28[6]W. Hasselbring，G. Steinacker，电子商务中可扩展性，敏捷性和可靠性的微服务架构， 2017年IEEE软件架构研讨会国际会议（ICSAW），2017年，pp. 243http://dx.doi。org/10.1109/ICSAW.2017.11。[7]S. Henning，W. Hasselbring，传感器数据流的可扩展和可靠的多维聚合，在：2019年IEEE大数据国际会议，2019年，pp.3512http://dx.doi.org/10.1109/BigData47090.2019.9006452[8]S. Henning，W. Hasselbring，数据流架构中的可扩展和可靠的多维传感器数据聚合，数据启用发现。4（1）（2020）http://dx.doi.org/10.1007/s41688-020-00041-3。[9]S. Henning，W. Hasselbring，Theodolite：微服务架构中分布式流处理引擎的可扩展性基准测试，2020，arXiv：2009.00304。[10] S. Henning，W. Hasselbring，Toward efficient scalability benchmarking of event-driven microservice architectures at large scale ， Softwaretechnik-Trends（ 2020 ） in press. 第 11 届 软 件 性 能 研 讨 会 （ SSP 2020 ） 。 网 址https://www.performance-symposium.org/2020/program/。S. Henning和W. 哈塞尔布林软件影响7（2021）1000504[11] S.Henning ， MonitoringelectricalpowerconsumptionwithKieker ，Softwartechnik-Trends 39 （ 3 ） （ 2019 ） 31-33 ， Proceedings of the 9thSymposiumonSoftwarePerformance（SSP2018）。网址siegen.de/stt/39_3http://pi.informatik.uni-[12] B.拿铁，S。Henning，M. Wojcieszak，Clean code：On the use of practices andtools to produce mainingcode for long-living software，in：Proceedings of 2019年软件工程会议研讨会，2019年，CEUR研讨会论文集，德国斯图加特，第2308页。96-ws.org/Vol-2308[13] W.哈塞尔布林湖Carr，S. Hettrick，H. Packer，T. Tiropanis，开源研究软件，计算机53（8）（2020）84 http://dx.doi.org/10.1109/MC.2020。二九九八二三五[14] W. Hasselbring，A. van Hoorn，Kieker：A monitoring framework for softwareengineering research. 影 响 5 （ 2020 年 ） http://dx.doi.org/10.1016/j.simpa 。2020.100019。[15] W. Hasselbring，A.克劳斯角，澳-地Zirkelbach，ExplorViz：软件可视化，理解和协作研究，Softw。影响6（2020）http：//dx.doi.org/10.1016/j.simpa.2020.100034网站。