使数据可用性达到 99.9%，实现无碳发电

GERE 是 General Electric 旗下的一个部门，为全球客户提供风能、太阳能和水力发电解决方案。每项资产都包含物联网（IoT）传感器，可持续收集状态、性能和事件数据。使用这些数据，GERE 的数字服务团队构建了云原生和本地资产管理解决方案，供其合同服务团队和外部客户使用。在 GERE 担任 Chief Architect of Digital Engineering 的 Prahalad Tarigopula 说道：“每个传感器都会从资产中发出关键数据。我们利用这些数据为全球客户提供见解。我们使用我们的系统来检测异常情况、预测故障、快速部署维护以及为客户创造价值。”

管理数千项资产以最大限度地提高发电量，同时控制成本，是所有可再生能源公司共同关注的问题，GERE 也不例外。尽管该公司已经建立了资产管理系统，但其不断扩大的机组和不断增长的客户需求给运营成本、可扩展性和可靠性带来了挑战。孤立的应用程序导致 GERE 企业内的用户体验不一致和信息重叠。

GERE 选择创建一个全新的、完全托管的、以用户为中心的数字服务平台，用于收集、使用和分析资产数据。同时还希望在新的角色驱动界面上向客户展示数据。为了实现这些目标，GERE 求助于 AWS。Tarigopula 说道：“很明显，AWS 拥有我们解决所面临挑战所需的所有基石。例如，我们可以在 AWS 上快速扩展我们的解决方案，为大量用户提供服务，而无需预置、管理或设置基础设施。”

2020 年，GERE 在 AWS 上构建了其数字服务平台。该解决方案使用 Amazon Elastic Kubernetes Service（Amazon EKS）上的容器化架构，这是一种托管容器服务，可以在云中或本地运行和扩展 Kubernetes 应用程序。Tarigopula 说道：“由于我们在 Amazon EKS 上有基于容器的架构，因此我们可以更轻松地添加更多应用程序和数字功能来支持我们的解决方案。”GERE 使用了 AWS Enterprise Support 来帮助设计其架构并更好地理解 AWS 的服务能力，该服务为公司提供类似礼宾的服务，帮助他们在云端取得成果并实现成功。

GERE 的解决方案还使用了 Amazon Managed Streaming for Apache Kafka（Amazon MSK），这是一项完全托管的 Apache Kafka 服务，可以轻松地近乎实时地摄取和处理日志和其他形式的流媒体数据。使用 Amazon MSK，GERE 每天处理来自 40000 多项资产的万亿字节数据，与之前的解决方案相比，数据量增加了 500%。该平台在 AWS 上的可用性也有所提高，从 89-92% 提高到 99.9%。GERE 数字服务首席数字官 Brian Case 说道：“通过迁移到 AWS，我们的团队将部署频率提高了五倍以上。我们能够以与行业增长和客户需求相匹配的速度部署功能。”

在 GERE 的新系统中，数据经过处理后，会被发送到 AWS Glue（一种无服务器数据集成服务，可轻松发现、准备和组合数据以用于分析、机器学习（ML）和应用程序开发），然后通过提取、转换、加载任务对数据加以处理。接下来，数据被发送到由 Amazon EMR 提供支持的分析解决方案，该解决方案用于使用开源框架快速处理、分析机器学习并将其应用于大数据。GERE 使用 Amazon EMR 对其风力涡轮机数据运行分析，这有助于其准确地检测和排查异常情况，并在涡轮机性能下降之前执行预防性维护。

经过分析后，这些数据可以由在 Amazon EKS 上运行的 300 多个微服务使用，这有助于为 GERE 的客户提供有价值的、可操作的见解。Tarigopula 说道：“使用 Amazon EKS 从根本上改变了我们构建服务和应用程序的方式。我们过去有多个在自己的整体式架构上运行的大型应用程序。现在我们使用基于容器的架构，有单一的统一解决方案，可以一种统一的方式将许多不同的应用程序整合在一起。” GERE 还改善了 AWS 上的升级和应用程序部署周期。在之前的解决方案中，部署频率仅限每 2 周一次或两次。现在，GERE 每天有多个部署，还可以按需部署新的更改。

GERE 还提高了在 AWS 上扩展的能力。以前，该公司在需要更多容量时手动扩展，这是劳动力和资源密集型工作。GERE 现在可以自动按需扩展，无需预置基础设施。GERE 还从单租户解决方案迁移到多租户解决方案。现在，GERE 可以快速扩展以支持新用户，而无需支付高额基础设施开销或前期成本，而以前，如果要在先前的解决方案上创建新租户，这笔费用是无法避免的。GERE 数字工程首席技术官 Anwar Ahmed 说道：“通过使用云原生、完全托管的 AWS 服务，GERE 可以专注于大规模构建能力，在保持敏捷性和速度的同时，为客户带来直接价值。”

在 AWS 上，GERE 在扩展其数字功能和迎接新挑战方面处于有利地位。在完成该解决方案的初始开发工作后，GERE 计划使用由 Amazon EMR 和 Amazon Redshift 提供支持的高级人工智能来推进其解决方案，后者是一项完全托管的千万亿字节级云端数据仓库服务。

GERE 还计划使用 Amazon SageMaker 来增强其机器学习能力，数据科学家和开发人员可以使用它来快速准备、构建、训练和部署高质量的机器学习模型。Tarigopula 说道：“在与 AWS 团队合作时，我们的节奏很自然。使用 AWS Enterprise Support，我们获得了构建此解决方案和解锁我们面临的一些挑战所需的帮助。在这段旅程中，AWS 服务的使用体验非常棒。”