내부 도구에 '실시간 자산 추적' 기능을 추가하는 것은 겉보기에는 간단해 보이지만 결코 그렇지 않은 요청 중 하나입니다. 문제는 자산에 GPS 칩이나 RFID 리더기를 부착하는 것이 아니라, 수많은 다른 프로토콜을 통해 센서 이벤트를 수집(ingest), 식별하고 정규화하며, 이해관계자가 '자산 #4471은 지금 어디에 있나요?'라고 물었을 때 1초 안에 결과를 반환할 수 있는 데이터 시스템을 설계하는 것입니다. 본 게시물에서는 일반적으로 프로덕션 환경에서 작동하는 아키텍처 패턴을 공유하며, 아이덴티티(identity), 위치(location), 센서 기반 추적 시스템이 어떻게 설계되는지 다룹니다.

3가지 데이터 유형, 3가지 다른 업데이트 속도

첫 번째 디자인 안티패턴은 모든 자산 데이터를 동일하게 취급하는 것입니다.

일반적으로 세 가지 별도의 스트림이 있습니다: 아이덴티티 이벤트(Identity events), 즉 RFID 또는 바코드/QR 스캔입니다. 이러한 이벤트는 발생 빈도가 낮지만 일반적으로 신뢰성이 매우 높습니다(즉, 스캔되었거나 스캔되지 않았음).

위치 이벤트(Location events), 즉 GPS 또는 Wi-Fi 삼각 측량(triangulation) 데이터입니다. 이벤트는 보통 연속적이거나 간격 기반이며, 신호 환경에 따라 편차가 큽니다(실내 GPS는 성능이 저하될 수 있고, Wi-Fi 삼각 측량은 부정확할 수 있습니다).

센서 이벤트(Sensor events), 즉 온도, 진동 또는 충격 센서 데이터입니다. 센서 데이터는 종종 고주파적이지만 임계값(thresholds)이 트리거될 때만 관심 대상이 됩니다. 이 세 가지 데이터 유형을 단일 스키마나 수집 스트림에 강제적으로 넣으면 일반적으로 다운스트림에서 문제가 발생합니다.

더 쉬운 설계 방법은 스트림을 유형별로 분리하고 개별적으로 처리한 다음, 읽기 시간(read time)에만 자산 ID를 기준으로 결합하는 것입니다.

프로토콜 현실

엣지(edge), 즉 자산 자체 또는 로컬 게이트웨이 장치에서 이를 필터링하고 처리하면—특정 임계값을 초과하거나 상당한 변화가 있을 때만 데이터를 전송하는 경우—네트워크 대역폭, 데이터 전송 및 클라우드 스토리지와 관련된 비용을 획기적으로 줄일 수 있습니다.

이는 또한 데이터 파이프라인이 끊임없는 센서 노이즈 대신 의미 있는 신호(meaningful signals)를 처리하므로 후속 작업 부하가 줄어든다는 것을 의미합니다. 이러한 개념은 예측 유지보수(predictive maintenance)와 밀접하게 관련되어 있습니다. 가치는 모든 진동 데이터를 저장하는 것보다 고장이 발생하기 전에 패턴을 인식하는 데 있습니다.

쿼리로서의 지오펜싱 (Geofencing as a Query, Not Just a Feature)
지오펜싱은 종종 특정 기능(feature)(

핵심은 아이덴티티(identity), 위치(location), 그리고 센서 데이터가 공통 키인 에셋 ID(asset ID)를 공유하는 별개의 데이터 타입이라는 점을 이해하는 것입니다. 아키텍처를 설계하기 전에 다양한 유형의 트래커에 대한 프로토콜 옵션 이해에 도움이 필요하다면 AssetTrackPro을 확인해 보세요.

팀의 다른 분들은 어떻게 다양한 프로토콜을 수집(ingestion)하고 GPS와 BLE 같은 노이즈가 많은 센서 데이터를 단일한 “현재 위치”로 결합했는지 궁금합니다.