本指南展示了如何使用 AWS 的 Cognite Data Fusion 技术实现工业数据编织架构框架。这种工业数据编织架构方法解决了工业组织在从不同和孤立的数据来源管理和获取价值时面临的挑战。Cognite Data Fusion 用于将 IT、运营技术 (OT) 和工程数据集成、连接和统一到一个紧密且可访问的数据环境中。工业数据的这种整合和情境化有助于组织解锁数据驱动的洞察,开发创新应用程序,从而推动生产效率、运营可持续性和决策的改进。
请注意:[免责声明]
开始使用

Well-Architected 支柱

当您在云中构建系统时,AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool,您可以通过回答每个支柱的一组问题,根据这些最佳实践来检查您的工作负载。
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构,您应该遵循尽可能多的 Well-Architected 最佳实践。
注意:以下 Well-Architected 支柱侧重于底层 Cognite Data Fusion SaaS 架构的特定 AWS 服务。
-
卓越运营
Cognite Data Fusion 使用 Amazon CloudWatch 作为监控服务来监视各个组件的性能,包括使用 AWS CloudTrail 和 Amazon EventBridge 监控应用程序日志和错误日志。这种全面的监控方法使组织能够追踪事件,分析和可视化技术堆栈的性能,并在出现错误时进行根本原因分析。
-
安全性
本指南使用多种安全措施来降低网络攻击风险,包括使用采用 AWS Shield Standard 的 Amazon Route 53 来防范分布式拒绝服务 (DDoS) 攻击。此外,还使用 AWS Key Management Service (AWS KMS) 和 AWS Secrets Manager 来加密和保护敏感机密和密钥。此外,本指南使用 AWS Identity and Access Management (IAM) 管理权限策略并确定适当的权限级别。
-
可靠性
弹性负载均衡 (ELB) 在多个目标之间自动分配传入的应用程序流量,以提供高可用性和容错能力。Amazon Elastic Compute Cloud (Amazon EC2) 提供可靠且可扩展的计算容量,支持根据需求自动向上或向下扩展基础设施,而 Amazon Elastic Container Service (Amazon ECS) 则简化了容器化应用程序的部署和管理,提供了高度可靠且可扩展的平台。此外,Amazon RDS 还负责处理数据库管理任务以确保可靠性和可用性。Amazon Simple Queue Service (Amazon SQS) 提高了微服务和分布式系统的可靠性和容错能力。最后,AWS Backup 促进了跨 AWS 服务和本地资源的数据备份的集中化和自动化,从而增强了整体数据保护策略。
-
性能效率
Amazon ElastiCache 提供亚毫秒级的响应时间,通过在内存中缓存经常访问的数据以及减少数据库和后端系统的负载,提高数据密集型应用程序的性能。Lambda 和 AWS Step Functions 通过合作为性能效率提供支持。Lambda 允许您在不管理服务器的情况下运行代码以响应事件或请求,而 Step Functions 则将多个 Lambda 函数编排成优化的无服务器工作流程。此外,Amazon Kinesis Firehose 是一项完全托管的服务,用于实时提取数据,支持低延迟捕获、转换流数据并将其加载到数据存储和分析服务中。这些 AWS 服务通过无服务器计算、内存缓存和可自动扩展的实时数据处理功能共同提供高性能效率。
-
成本优化
Amazon EC2 Auto Scaling 是一项提高成本效益的关键服务,它允许您根据需求自动向上或向下扩展计算资源,并通过仅为所用资源付费来优化基础设施成本。AWS Cost Explorer 成本管理服务可使您详细了解 AWS 支出,从而发现优化成本的机会并做出明智的资源利用决策。 Amazon RDS autoscaling 将这些优势扩大到数据库基础设施,可自动扩展存储和计算容量以应对需求变化,无需手动干预或超额预置。使用这些服务可以合理调整基础设施的规模,消除浪费并优化成本。
-
可持续性
本指南使用 Lambda 函数,根据预定义的时间表停止和启动资源,从而实现最佳的计算资源分配。通过根据需求高效管理计算资源,使用 Lambda 函数后最大限度地减少了空闲期间不必要的能源消耗。与传统的基于服务器的模式相比,这可以根据需求自动扩展,从而实现资源的最佳利用,减少能源消耗。
免责声明
示例代码;软件库;命令行工具;概念验证;模板;或其他相关技术(包括由我方人员提供的任何前述项)作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议(以适用者为准)向您提供。您不应将这些 AWS 内容用在您的生产账户中,或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容,例如示例代码,以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源(例如,运行 Amazon EC2 实例或使用 Amazon S3 存储)而产生 AWS 费用。
本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指导是一个技术起点,您可以在部署架构时自定义与第三方服务的集成。