Skip to main content
Top
Published in: HMD Praxis der Wirtschaftsinformatik 6/2019

25-10-2019 | Schwerpunkt

Anforderungen für Zeitreihendatenbanken in der industriellen Edge

Authors: Dimitri Petrik, Mathias Mormul, Peter Reimann

Published in: HMD Praxis der Wirtschaftsinformatik | Issue 6/2019

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Das industrielle Internet der Dinge (iIoT) integriert Informations- und Kommunikationstechnologien in die industriellen Prozesse und erweitert sie durch Echtzeit-Datenanalyse. Eine bedeutende Menge an Daten, die in der industriellen Fertigung generiert werden, sind sensorbasierte Zeitreihendaten, die in regelmäßigen Abständen generiert werden und zusätzlich zum Sensorwert einen Zeitstempel enthalten. Spezielle Zeitreihen-Datenbanken (TSDB) sind dafür ausgelegt, die Zeitreihendaten effizienter zu speichern. Wenn TSDBs in der Nähe der Maschine (in der industriellen Edge) eingesetzt werden, sind Maschinendaten zur Überwachung zeitkritischer Prozesse aufgrund der niedrigen Latenz schnell verfügbar, was die erforderliche Zeit für die Datenverarbeitung reduziert. Bisherige Untersuchungen zu TSDBs sind bei der Auswahl für den Einsatz in der industriellen Edge nur begrenzt hilfreich. Die meisten verfügbaren Benchmarks von TSDBs sind performanceorientiert und berücksichtigen nicht die Einschränkungen der industriellen Edge. Wir adressieren diese Lücke und identifizieren die funktionalen Kriterien für den Einsatz von TSDBs im maschinennahen Umfeld und bilden somit einen qualitativen Anforderungskatalog. Des Weiteren zeigen wir am Beispiel von InfluxDB, wie dieser Katalog verwendet werden kann, mit dem Ziel die Auswahl einer geeigneten TSDB für Sensordaten in der Edge zu unterstützen.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Show more products
Literature
go back to reference Bader A, Kopp O, Falkenthal M (2017) Survey and comparison of open source time series databases. In: Mitschang B, Nicklas D, Leymann F, Schöning H, Herschel M, Teubner J, Härder T, Kopp O, Wieland M (Hrsg) Datenbanksysteme für Business, Technologie und Web (BTW 2017) – Workshopband. Gesellschaft für Informatik e.V, Bonn, S 249–268 Bader A, Kopp O, Falkenthal M (2017) Survey and comparison of open source time series databases. In: Mitschang B, Nicklas D, Leymann F, Schöning H, Herschel M, Teubner J, Härder T, Kopp O, Wieland M (Hrsg) Datenbanksysteme für Business, Technologie und Web (BTW 2017) – Workshopband. Gesellschaft für Informatik e.V, Bonn, S 249–268
go back to reference Burdack M, Rössle M, Kübler R (2018) A concept of an in-memory database for IoT sensor data. In: 14. Annual international conference on information technology & computer science Burdack M, Rössle M, Kübler R (2018) A concept of an in-memory database for IoT sensor data. In: 14. Annual international conference on information technology & computer science
go back to reference Corneo L, Gunningber P (2018) Scheduling at the edge of assisting cloud real-time systems. In: Proceedings of the 2018 workshop on theory and practice for integrated cloud, fog and edge computing paradigms, S 9–14 Corneo L, Gunningber P (2018) Scheduling at the edge of assisting cloud real-time systems. In: Proceedings of the 2018 workshop on theory and practice for integrated cloud, fog and edge computing paradigms, S 9–14
go back to reference Gehring M, Charfuelan M, Markl V (2019) A comparison of distributed stream processing systems for time series analysis. In: Meyer H, Ritter N, Thor A, Nicklas D, Heuer A, Klettke M (Hrsg) BTW 2019 – Workshopband. Gesellschaft für Informatik, Bonn, S 205–214 https://doi.org/10.18420/btw2019-ws-21 CrossRef Gehring M, Charfuelan M, Markl V (2019) A comparison of distributed stream processing systems for time series analysis. In: Meyer H, Ritter N, Thor A, Nicklas D, Heuer A, Klettke M (Hrsg) BTW 2019 – Workshopband. Gesellschaft für Informatik, Bonn, S 205–214 https://​doi.​org/​10.​18420/​btw2019-ws-21 CrossRef
go back to reference Martinviita M (2018) Time series database in Industrial IoT and is testing tool. University of Oulu, Oulu Martinviita M (2018) Time series database in Industrial IoT and is testing tool. University of Oulu, Oulu
go back to reference Metcalfe AV, Cowpertwait PSP (2009) Introductory time series with R. Springer, New York, S 2CrossRef Metcalfe AV, Cowpertwait PSP (2009) Introductory time series with R. Springer, New York, S 2CrossRef
go back to reference Mueller H, Gogouvitis SV, Seitz A, Bruegge B (2017) Seamless computing for industrial systems spanning cloud and edge. In: International conference on high performance computing & simulation (HPCS), S 209–216CrossRef Mueller H, Gogouvitis SV, Seitz A, Bruegge B (2017) Seamless computing for industrial systems spanning cloud and edge. In: International conference on high performance computing & simulation (HPCS), S 209–216CrossRef
go back to reference Oyekanlu E (2017) Predictive edge computing for time series of industrial IoT and large scale critical infrastructure based on open-source software analytic of big data. In: Proceedings of the IEEE international conference on big data, S 1663–1669 Oyekanlu E (2017) Predictive edge computing for time series of industrial IoT and large scale critical infrastructure based on open-source software analytic of big data. In: Proceedings of the IEEE international conference on big data, S 1663–1669
go back to reference Väänänen O, Hämäläinen T (2018) Requirements for energy efficient edge computing: a survey. In: Galinina O, Andreev S, Balandin S, Koucheryavy Y (Hrsg) Internet of things, smart spaces, and next generation networks and systems 18th International Conference, NEW2AN 2018, and 11th Conference, ruSMART 2018, St. Petersburg, Russia, August 27–29, 2018 Springer, Cham, S 3–15 https://doi.org/10.1007/978-3-030-01168-0_1 (Lecture Notes in Computer Science, 11118)CrossRef Väänänen O, Hämäläinen T (2018) Requirements for energy efficient edge computing: a survey. In: Galinina O, Andreev S, Balandin S, Koucheryavy Y (Hrsg) Internet of things, smart spaces, and next generation networks and systems 18th International Conference, NEW2AN 2018, and 11th Conference, ruSMART 2018, St. Petersburg, Russia, August 27–29, 2018 Springer, Cham, S 3–15 https://​doi.​org/​10.​1007/​978-3-030-01168-0_​1 (Lecture Notes in Computer Science, 11118)CrossRef
Metadata
Title
Anforderungen für Zeitreihendatenbanken in der industriellen Edge
Authors
Dimitri Petrik
Mathias Mormul
Peter Reimann
Publication date
25-10-2019
Publisher
Springer Fachmedien Wiesbaden
Published in
HMD Praxis der Wirtschaftsinformatik / Issue 6/2019
Print ISSN: 1436-3011
Electronic ISSN: 2198-2775
DOI
https://doi.org/10.1365/s40702-019-00568-9

Other articles of this Issue 6/2019

HMD Praxis der Wirtschaftsinformatik 6/2019 Go to the issue

Premium Partner