Hazelcast是一个开源的内存数据网格(IMDG ),每月安装数十万个集群和超过3900万台服务器。它公布了由运营智能数据平台开发商-Future Grid设计的新物联网平台的细节，该平台为发电提供实时、简化的物联网(IoT)数据视图。该平台结合了IMDG hazel cast公司独特的内存功能和Apache Cassandra，能够经济高效地处理大量数据。
Future Grid与许多澳大利亚公用事业公司合作，在整个能源网络中自动处理传感器和智能电表数据。他们的客户每天收集大约30亿个数据点。就日常后期处理而言，这相当于200亿条记录，因为每条记录都有多个单独的数据点，这是一个巨大的扩展挑战。为了充分利用这些信息，客户需要一个实时数据聚合和处理解决方案，使他们能够做出复杂的实时决策。
当Future Grid首次尝试解决这个问题时，它使用了传统的关系数据库。然而，人们很快发现，传统数据库无法实时处理大量数据，主要问题是无法足够快地对输入数据执行算法。因此，Future Grid决定将Hazelcast IMDG和Apache Cassandra的持久数据存储功能结合起来，构建自己的解决方案。
Future Grid的联合创始人兼董事总经理克里斯劳(Chris Law)解释道，“我们在产品的记忆功能核心实施了Hazelcast IMDG，同时我们还将其与一系列专门构建的技术相集成，以提供客户所需的平台。
例如，Hazelcast IMDG与Apache Cassandra集成，后者在维护分布式网格架构的同时为参考数据提供内部数据存储。我们发现将Hazelcast与Cassandra集成是一个非常简单的过程。"
对于未来网格，卡珊德拉的坚持能力至关重要。在计算机系统中存储数据的情况下，持久性意味着数据在其创建过程之后仍然可以被保留。因此，未来电网为其能源客户结合了两种开源解决方案的优势。
将IMDG哈兹尔卡斯特公司与卡珊德拉公司整合在一起可以提供更有效的数据。重要的是，这种组合解决方案保留了Cassandra的高可用性和水平可扩展性，并且由于Hazelcast IMDG，其性能比基于磁盘的方法快1000倍。
对于公用事业公司，以下是该解决方案涵盖的使用案例：
电能质量、时间间隔、事件的推演：剔除去重的五分钟电能质量数据，每天“汇总”每台设备，包括预计算，使进一步分析更快更准。
检测丢失：使用机器学习和快速数据处理来监测和预测安全问题，从而大大减少触电事件。
基于阶段的变电站汇总：使用汇总的仪器间隔数据进行变压器建模，以更好地了解每个阶段的变电站使用情况。用于长期资产规划、阶段平衡和超过设计额定值的报警。
客户交叉引用：使用机器学习来调查从电表到变电站映射的数据正确性，包括响应的实时可视化解决方案。
法律继续说：“使用黑兹卡斯特IMDG使我们的客户能够实现他们的实时数据梦想，而无需在传统的关系数据库模型上花费大量资金。开箱即用的速度和灵活性有助于我们的客户交付对其运营至关重要的生产系统。”
Hazelcast首席执行官Greg Luck表示：“Hazelcast IMDG公司旨在持续处理大量数据，同时确保低端到端延迟。我们的技术天生就快，我们通过组建存储集群来解决存储问题。当值发生变化时，它还可以传输响应访问模式来通知分析师。因此，它可以在处理过程中作为大型数据集的缓存，同时在内存中形成一个数据湖，用于经常使用的数据。重要的是，它还易于部署。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！