ПРОЄКТУВАННЯ АРХІТЕКТУРИ ДЛЯ ЗБЕРІГАННЯ ЧАСОВОЇ ЗВ’ЯЗНОЇ МОДЕЛІ ЦИФРОВОГО ДВІЙНИКА
DOI:
https://doi.org/10.34185/1562-9945-4-141-2022-10Ключові слова:
цифровий двійник, мультимодальні дані, часова модель цифрового двійника, бази даних для часових рядів, TimescaleDB, архітектураАнотація
У зв’язку з розвитком інформатизації усіх сфер даяльності широкого поширення на-буває використання технології цифрового двійника. Дана технологія дозволяє замі-нити фізичні та аналогові ресурси цифровими. Однак вона потребує зберігання та обробки великої кількості даних та інформації у режимі реального часу що ставить додаткові вимоги до пошуку відповідного сховища даних, яке їх задовольнятиме. На основі концепцій бази даних TimescaleDB було спроєктовано трирівневу архітектуру для зберігання та агрегації мультимодальних даних цифрового двійника. У роботі пропонується адаптувати часову зв’язну модель для відображення цифрового двій-ника використовуючи концепцію зберігання часових даних у TimescaleDB з розподіле-ними гіпертаблицями. Для цього у якості ключа для розподілу простору пропонуєть-ся обрати унікальний ідентифікатор модальності даних. Таким чином розподіл те-мпоральних мультимодальних даних забезпечується власне самою базою даних TimescaleDB. Отже вибірка даних, згрупована за часом та модальністю, працюва-тиме швидше, оскільки навантаження на пошук розподіляється в паралелі між кі-лькома вузлами даних. За рахунок використання та адаптаціії концепції розподіле-них гіпертаблиць TimescaleDB запропонований спосіб дозволяє досягти ефективного зберігання та відтворення часової зв’язної моделі.
Посилання
Cimino C., Negri E., Fumagalli L. Review of digital twin applications in manu-facturing //Computers in Industry. – 2019. – V. 113. – P. 103130.
Liu M. et al. Review of digital twin about concepts, technologies, and industrial applications //Journal of Manufacturing Systems. – 2020.
Sulema Ye. S. Methods, models, and means of researched objects digital twins multimodal data processing: The thesis for the degree of Doctor of technical scienc-es, specialty 01.05.03 – Mathematical Support and Software of Computers and Sys-tems / Sulema Yevgeniya Stanislavivna. – Kyiv, 2020. – 343 p.
B. Shah, P. M. Jat, K. Sashidhar. Performance Study of Time Series Databases // Computer Science and Information Technology Trends. – 2022. Crossref. DOI: https://doi.org/10.5121/csit.2022.121406.
J. Mostafa, S. Wehbi, S. Chilingaryan, and А. Kopmann. SciTS: A Benchmark for Time-Series Databases in Scientific Experiments and Industrial Internet of Things // Proceedings of the 34th International Conference on Scientific and Statistical Data-base Management (SSDBM '22). Association for Computing Machinery. – New York, 2022. – Article 12. – P. 1–11. DOI: https://doi.org/10.1145/3538712.3538723.
M. Kammakomati. Performance Evaluation of TimescaleDB for Storage of His-torical Data from WinCC OA SCADA Systems // Zenodo. – 2021.
DOI: https://doi.org/10.5281/zenodo.5541641
Shen, L., Lou, Y., Chen, Y., Lu, M., Ye, F.. Meteorological Sensor Data Storage Mechanism Based on TimescaleDB and Kafka // Data Science. ICPCSEE 2019. Com-munications in Computer and Information Science. – Singapore, Springer, 2019. – Vol. 1058 – P. 137-147. DOI: https://doi.org/10.1007/978-981-15-0118-0_11
Freedman M. TimescaleDB vs. InfluxDB: Purpose Built Differently for Time-Series Data [Електронний ресурс] / M. Freedman, A. Sewrathan. – 2020. – Режим доступу до ресурсу: https://www.timescale.com/blog/timescaledb-vs-influxdb-for-time-series-data-timescale-influx-sql-nosql-36489299877/.
Hypertables and chunks [Електронний ресурс]. – 2021. – Режим доступу до ресурсу:
About distributed hypertables [Електронний ресурс]. – 2021. – Режим доступу до ресурсу:
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
