My Bachelor's Thesis

Architektur und Implementierung eines modularen, skalierbaren Backends für Sensordaten verschiedener Nutzer

Meine Bachelorarbeit gibt's hier zum runterladen. Eine Zusammenfassung:

Sensoren in Zügen oder in deren Frachtgut können für mehr Kundenkomfort, eine zielgerichtete Instandhaltung und bessere Planbarkeit sorgen. Eine Sensorplattform sollte wiederverwendbar sein und einen „Live“-Datenzugriff ermöglichen. Vorhandene Frameworks wie AWS IoT Greengrass, Google Cloud IoT Core, Microsoft Azure RTOS oder Eclipse IoT binden die Plattform an eine spezifische Cloud oder lösen nur kleine Teilprobleme. In unserem Bachelorprojekt entwickeln wir deshalb eine eigene Plattform. In Wagen kann dazu Infrastruktur eingebaut werden, zu der sich Sensoren drahtlos verbinden können. Ein zentraler Server übernimmt die Verwaltung von Sensoren. Die Zuginfrastruktur sendet Messwerte direkt an Server, die von den Nutzern mithilfe einer bereitgestellten Bibliothek implementiert und selbst betrieben werden. Vorteil dieser Architektur gegenüber anderen betrachteten ist vor allem eine Unabhängigkeit der Nutzer vom Plattformbetreiber bezüglich Datenspeicherung und -verarbeitung. Die Implementierung der Backend-Komponenten verwendet Rust, asynchrone Programmierung, das Kommunikationsformat Cap’n Proto und die Datenbank MongoDB. Abhängig von der Anzahl der Verbindungen und versendeten Messwerte wird die CPU-, RAM- und Netzwerkauslastung der bereitgestellten Bibliothek betrachtet. Die Netzwerklast lässt sich durch Datenkompression während der Übertragung reduzieren; dabei werden ein Cap’n-Proto-spezifisches Packing sowie die Kompressionsverfahren zlib und LZ4 verglichen. Das Ausführen von Code direkt in Zügen kann mit einer Vorverarbeitung und Filterung der Messwerte ebenfalls den Netzwerkverkehr verringern.