자동차 메시징, 데이터 및 분석 참조 아키텍처

이 참조 아키텍처는 고급 커넥티드 차량 애플리케이션 및 디지털 서비스 개발에서 자동차 OEM 및 모바일 공급자를 지원하도록 설계되었습니다. 안정적이고 효율적인 메시징, 데이터 및 분석 인프라를 제공하는 것이 목표입니다. 아키텍처에는 관리되는 API를 통해 다양한 서비스의 통합을 용이하게 하는 메시지 처리, 명령 처리 및 상태 스토리지 기능이 포함됩니다. 또한 디지털 엔지니어링 및 더 광범위한 모바일 에코시스템과의 데이터 공유를 위해 확장 가능하고 안전한 방식으로 데이터의 저장 및 접근성을 보장하는 데이터 및 분석 솔루션에 대해 설명합니다.

아키텍처

개괄적인 아키텍처 다이어그램은 자동차 메시징, 데이터 및 분석 솔루션의 주요 논리적 블록 및 서비스를 보여 줍니다. 자세한 내용은 다음 섹션에서 확인할 수 있습니다.

• 차량에는 디바이스 컬렉션이 포함되어 있습니다. 이러한 디바이스 중 일부는 소프트웨어 정의 디바이스이며 클라우드에서 관리되는 소프트웨어 워크로드를 실행할 수 있습니다. 차량은 배터리 관리 시스템과 같은 전기 기계 디바이스의 센서 정보부터 소프트웨어 로그 파일에 이르는 출처에서 다양한 데이터를 수집하고 처리합니다.
• 차량 메시징 서비스는 차량 과의 통신을 관리합니다. 이 서비스는 메시지를 처리하고, 워크플로를 사용하여 명령을 실행하고, 차량, 사용자 및 디바이스 관리 백 엔드를 중재하는 작업을 담당합니다. 또한 차량, 디바이스 및 인증서 등록 및 프로비전을 추적합니다.
• 차량 및 디바이스 관리 백 엔드는 수리 및 유지 관리를 위해 공장에서부터 차량 구성을 추적하는 OEM 시스템입니다.
• 운영자는 차량과 백 엔드의 가용성과 성능을 보장하기 위해 IT 및 운영 인력을 보유하고 있습니다.
• 데이터 및 분석 서비스는 데이터 스토리지를 제공하고 모든 데이터 사용자를 위한 처리 및 분석을 가능하게 합니다. 데이터를 더 나은 비즈니스 의사 결정을 이끌어 내는 인사이트로 바꿉니다.
• 차량 제조업체는 도우미 앱에서부터 수리 및 유지 관리 애플리케이션에 이르기까지 부가가치를 창출하는 서비스로 디지털 서비스를 최종 고객에게 제공합니다.
• 여러 디지털 서비스에는 DMS(딜러 관리), CRM(고객 관계 관리) 또는 ERP(전사적 자원 관리) 시스템과 같은 백 엔드 시스템에 대한 비즈니스 통합이 필요합니다.
• 동의 관리 백 엔드는 고객 관리의 일부이며 지리적 국가/지역 법률에 따라 데이터 수집을 위한 사용자 권한 부여를 추적합니다.
• 차량에서 수집된 데이터는 분석 및 기계 학습을 사용한 지속적인 제품 개선을 목표로 디지털 엔지니어링 프로세스에 입력됩니다.
• 스마트 모바일 에코시스템은 라이브 원격 분석뿐만 아니라 집계된 인사이트를 구독하고 사용하여 더 많은 제품과 서비스를 제공할 수 있습니다.

Microsoft는 차량 소프트웨어 플랫폼에 오픈 소스 방식을 사용하는 공개 협업 포럼인 Eclipse Software Defined Vehicle 작업 그룹의 구성원입니다.

데이터 흐름

이 아키텍처는 게시자/구독자 메시징 패턴을 사용하여 차량과 서비스를 분리합니다.

차량-클라우드 메시지

차량-클라우드 데이터 흐름은 차량에서 원격 분석 데이터를 처리하는 데 사용됩니다. 원격 분석 데이터는 주기적으로(차량 상태, 차량 센서에서 수집된 정보) 또는 이벤트(오류 조건에 대한 트리거, 사용자 동작에 대한 반응)를 기반으로 전송할 수 있습니다.

1. 차량은 관리 API를 사용하여 선택한 옵션에 따라 고객에 맞춰 구성됩니다. 구성에는 다음 정보가 포함됩니다.
   1. 차량 및 디바이스에 대한 프로비전 정보
   2. 시장 및 비즈니스 고려 사항에 따라 초기 차량의 데이터 수집 구성 정보
   3. 차량 옵션 및 사용자 승인을 기반으로 초기 사용자 동의 설정 저장
2. 차량은 정의된 토픽과 함께 MQTT(Message Queuing Telemetry Transport) 클라이언트를 통해 차량 메시징 서비스의 Azure Event Grid의 MQTT 브로커 기능에 원격 분석 및 이벤트 메시지를 게시합니다.
3. Event Grid는 토픽 및 메시지 특성에 따라 여러 구독자에게 메시지를 라우팅합니다.
   1. 즉각적인 처리가 필요하지 않은 우선 순위가 낮은 메시지(예: 분석 메시지)는 버퍼링을 위해 Event Hubs 인스턴스를 사용하여 스토리지로 직접 라우팅됩니다.
   2. 즉각적인 처리가 필요한 우선 순위가 높은 메시지(예: 사용자 연결 애플리케이션에서 시각화해야 하는 상태 변경 사항)는 버퍼링을 위해 Event Hubs 인스턴스를 사용하여 Azure Function으로 라우팅됩니다.
4. 우선 순위가 낮은 메시지는 이벤트 캡처를 사용하여 데이터 레이크에 직접 저장됩니다. 비용을 최적화하기 위해 이러한 메시지는 일괄 처리 디코딩 및 처리를 사용할 수 있습니다.
5. 우선 순위가 높은 메시지는 Azure 함수를 사용하여 처리됩니다. 함수는 디바이스 레지스트리에서 차량, 디바이스 및 사용자 동의 설정을 읽고 다음 단계를 수행합니다.
   1. 차량과 장치가 등록되고 활성 상태인지 확인합니다.
   2. 사용자가 메시지 토픽에 대한 동의를 제공했는지 확인합니다.
   3. 페이로드를 디코딩하고 보강합니다.
   4. 더 많은 라우팅 정보를 추가합니다.
6. 데이터 및 분석 솔루션의 라이브 원격 분석 이벤트 허브는 디코딩된 메시지를 수신합니다. Azure Data Explorer에서는 스트리밍 수집을 사용하여 수신될 때 메시지를 처리하고 저장합니다.
7. 디지털 서비스 계층은 디코딩된 메시지를 수신합니다. Service Bus는 차량 상태의 중요한 변경/이벤트에 대한 알림을 애플리케이션에 제공합니다. Azure Data Explorer에서는 차량의 마지막으로 알려진 상태와 단기 기록을 제공합니다.

클라우드-차량 메시지

클라우드-차량 데이터 흐름은 일반적으로 차량에서 디지털 서비스로부터 원격 명령을 실행하는 데 사용됩니다. 이러한 명령에는 도어 잠금/잠금 해제, 공조 제어(선호하는 실내 온도 설정) 또는 구성 변경과 같은 사용 사례가 포함됩니다. 성공적인 실행은 차량 상태에 따라 달라지며 완료하는 데 약간의 시간이 필요할 수 있습니다.

차량 기능 및 동작 유형에 따라 명령 실행에 여러 가지 가능한 방법이 있습니다. 두 가지 변형을 다룹니다.

• 응답 시간이 예측 가능하고 사용자 동의 확인이 필요하지 않은 다이렉트 클라우드-디바이스 메시지(A). 여기에는 개별 차량과 여러 차량 둘 다에 관한 메시지가 포함됩니다. 날씨 알림을 예로 들 수 있습니다.
• 성공 여부를 확인하는 데 차량 상태를 사용하고 사용자 동의가 필요한 차량 명령 (B). 메시징 솔루션에는 사용자 동의를 확인하고 명령 실행 상태를 추적하고 완료되면 디지털 서비스에 알리는 명령 워크플로 논리가 있어야 합니다.

도우미 앱 디지털 서비스에서 실행된 다음 데이터 흐름 사용자 명령을 예로 들 수 있습니다.

다이렉트 메시지는 성능을 최적화하기 위해 홉의 양을 최소화하여실행됩니다(A).

1. 도우미 앱은 Event Grid에 메시지를 게시할 수 있는 인증된 서비스입니다.
2. Event Grid는 도우미 앱 서비스에 대한 권한 부여를 확인하여 제공된 토픽에 메시지를 보낼 수 있는지 확인합니다.
3. 도우미 앱은 특정 차량/명령 조합의 응답을 구독합니다.

차량 상태에 따른 명령에 사용자 동의가 필요한 경우(B):

1. 차량 소유자/사용자는 디지털 서비스(이 예제에서는 도우미 앱)에 대한 명령 및 제어 기능 실행에 대해 동의를 제공합니다. 사용자가 앱을 다운로드/활성화하고 OEM이 계정을 활성화할 때 일반적으로 동의가 제공됩니다. 이렇게 하면 MQTT 브로커에서 연결된 명령 토픽을 구독하도록 차량의 구성 변경이 트리거됩니다.
2. 도우미 앱은 명령 및 제어 관리 API를 사용하여 원격 명령의 실행을 요청합니다.
   1. 명령 실행에는 시간 제한, 저장 및 전달 옵션 등의 옵션을 구성하는 매개 변수가 더 있을 수 있습니다.
   2. 명령 논리는 토픽 및 기타 속성에 따라 명령을 처리하는 방법을 결정합니다.
   3. 워크플로 논리는 실행의 상태 추적하기 위한 상태를 만듭니다.
3. 명령 워크플로 논리는 사용자 동의 정보를 기준으로 확인하여 메시지를 실행할 수 있는지 확인합니다.
4. 명령 워크플로 논리는 명령 및 매개 변수 값을 사용하여 Event Grid에 메시지를 게시합니다.
5. 차량의 메시징 모듈은 명령 토픽을 구독하고 알림을 받습니다. 명령을 올바른 워크로드로 라우팅합니다.
6. 메시징 모듈은 완료된 워크로드(또는 오류)가 있는지 워크로드를 모니터링합니다. 워크로드는 명령의 (물리적) 실행을 담당합니다.
7. 메시징 모듈은 Event Grid에 명령 상태 보고서를 게시합니다.
8. 워크플로 모듈은 명령 상태 업데이트를 구독하고 명령 실행의 내부 상태를 업데이트합니다.
9. 명령 실행이 완료되면 서비스 앱은 명령 및 제어 API를 통해 실행 결과를 수신합니다.

차량 및 디바이스 프로비저닝

이 데이터 흐름은 차량 및 디바이스를 차량 메시징 서비스에 등록하고 프로비전하는 프로세스를 다룹니다. 이 프로세스는 일반적으로 차량 제조의 일부로 시작됩니다.

1. 팩터리 시스템은 차량 디바이스를 원하는 제조 상태로 시운전합니다. 여기에는 펌웨어 및 소프트웨어 초기 설치 및 구성이 포함될 수 있습니다. 이 프로세스의 일부로 팩터리 시스템은 공개 키 인프라 공급자에서 생성된 디바이스 인증서를 가져오고 작성합니다.
2. 팩터리 시스템은 차량 및 디바이스 프로비저닝 API를 사용하여 차량 및 디바이스를 등록합니다.
3. 팩터리 시스템은 디바이스 프로비저닝 클라이언트를 트리거하여 디바이스 등록에 연결하고 디바이스를 프로비전합니다. 디바이스는 MQTT 브로커에 대한 연결 정보를 검색합니다.
4. 디바이스 등록 애플리케이션은 MQTT 브로커를 사용하여 디바이스 ID를 만듭니다.
5. 팩터리 시스템은 처음으로 MQTT 브로커에 대한 연결을 설정하도록 디바이스를 트리거합니다.
   1. MQTT 브로커는 CA 루트 인증서를 사용하여 디바이스를 인증하고 클라이언트 정보를 추출합니다.
6. MQTT 브로커는 로컬 레지스트리를 사용하여 허용된 토픽에 대한 권한 부여를 관리합니다.
7. 부품 대체의 경우 OEM 딜러 시스템에서 새 디바이스 등록을 트리거할 수 있습니다.

참고 항목

팩터리 시스템은 일반적으로 온-프레미스이며 클라우드에 직접 연결되지 않습니다.

데이터 분석

이 데이터 흐름은 차량 데이터에 대한 분석을 다룹니다. 공장 또는 워크샵 운영자와 같은 다른 데이터 원본을 사용하여 차량 데이터에 대한 컨텍스트를 보강하고 제공할 수 있습니다.

1. 차량 메시징 서비스 계층은 양방향 통신에서 차량으로의 원격 분석, 이벤트, 명령 및 구성 메시지를 제공합니다.
2. IT 및 운영 계층은 차량에서 실행되는 소프트웨어 및 관련 클라우드 서비스에 대한 정보를 제공합니다.
3. 여러 파이프라인은 데이터를 보다 구체화된 상태로 처리합니다.
   • 원시 데이터부터 중복이 제거되어 보강된 차량 데이터까지 처리합니다.
   • 차량 데이터 집계, 주요 성능 지표 및 인사이트
   • 기계 학습을 위한 학습 데이터 생성
4. 다양한 애플리케이션이 구체화되고 집계된 데이터를 사용합니다.
   • Power BI를 사용한 시각화
   • Dataverse에 통합된 Logic Apps를 사용하는 비즈니스 통합 워크플로
5. 생성된 학습 데이터는 ML Studio와 같은 도구에서 ML 모델을 생성하는 데 사용됩니다.

확장성

연결된 차량 및 데이터 솔루션은 수백만 대의 차량과 수천 개의 서비스로 확장할 수 있습니다. 확장성과 탄력성을 얻으려면 배포 스탬프 패턴을 사용하는 것이 좋습니다.

각 차량 메시징 배율 단위는 정의된 차량 모집단(예: 모델 연식별로 분할된 특정 지역의 차량)을 지원합니다. 애플리케이션 배율 단위는 차량으로 메시지를 보내거나 받아야 하는 서비스의 크기를 조정하는 데 사용됩니다. 공통 서비스는 모든 배율 단위에서 액세스할 수 있으며 애플리케이션 및 디바이스에 대한 디바이스 관리 및 구독 서비스를 제공합니다.

1. 애플리케이션 배율 단위는 관심 있는 메시지를 구독합니다. 공통 서비스는 차량 메시징 배율 단위 구성 요소에 대한 구독을 처리합니다.
2. 차량은 디바이스 관리 서비스를 사용하여 차량 메시징 배율 단위에 대한 할당을 검색합니다.
3. 필요한 경우 차량은 차량 및 디바이스 프로비저닝 워크플로를 사용하여 프로비전 됩니다.
4. 차량은 MQTT 브로커에 메시지를 게시합니다.
5. Event Grid는 구독 정보를 사용하여 메시지를 라우팅합니다.
   1. 처리 및 클레임 검사가 필요 없는 메시지의 경우 해당 애플리케이션 배율 단위의 수신 허브로 라우팅됩니다.
   2. 처리가 필요한 메시지는 디코딩 및 권한 부여(사용자 동의)를 위해 D2C 처리 논리로 라우팅됩니다.
6. 애플리케이션은 앱 수신 이벤트 허브의 이벤트를 사용합니다.
7. 애플리케이션은 차량에 대한 메시지를 게시합니다.
   1. 추가 처리가 필요 없는 메시지는 MQTT 브로커에 게시됩니다.
   2. 추가 처리, 워크플로 제어 및 권한 부여가 필요한 메시지는 Event Hubs 인스턴스를 통해 관련 C2D 처리 논리로 라우팅됩니다.

구성 요소

이 참조 아키텍처는 다음 Azure 구성 요소를 참조합니다.

연결

• Azure Event Grid는 MQTT v5를 통한 디바이스 온보딩, AuthN/Z 및 pub-sub를 허용합니다.
• Azure Functions는 차량 메시지를 처리합니다. 짧게 실행되어야 할 관리 API를 구현하는 데 사용할 수도 있습니다.
• 관리되는 API 뒤에 있는 기능이 컨테이너화된 애플리케이션으로 배포된 복잡한 워크로드로 구성된 경우 AKS(Azure Kubernetes Service)가 대안입니다.
• Azure Cosmos DB는 차량, 디바이스 및 사용자 동의 설정을 저장합니다.
• Azure API Management는 차량 수명 주기 관리(OTA 포함) 및 사용자 동의 관리와 같은 기존 백 엔드 서비스에 관리되는 API 게이트웨이를 제공합니다.
• Azure Batch는 차량 통신 추적 수집과 같은 대규모 컴퓨팅 집약적 작업을 효율적으로 실행합니다.

데이터 및 분석

• Azure Event Hubs를 사용하면 엄청난 양의 원격 분석 데이터를 처리하고 수집할 수 있습니다.
• Azure Data Explorer는 시계열 기반 차량 원격 분석 데이터의 탐색, 큐레이션 및 분석을 제공합니다.
• Azure Blob Storage는 대형 문서(예: 비디오 및 CAN 추적)와 큐레이팅된 차량 데이터를 저장합니다.
• Azure Databricks는 엔터프라이즈급 데이터 솔루션을 대규모로 유지하기 위한 도구 집합을 제공합니다. 엄청난 양의 차량 데이터에 대한 장기 실행 작업에 필요합니다.

백 엔드 통합

• Azure Logic Apps는 차량 데이터를 기반으로 비즈니스 통합을 위한 자동화된 워크플로를 실행합니다.
• Azure App Service는 사용자 연결 웹앱 및 모바일 백 엔드(예: 도우미 앱)를 제공합니다.
• Azure Cache for Redis는 사용자 연결 애플리케이션에서 자주 사용하는 데이터의 메모리 내 캐싱을 제공합니다.
• Azure Service Bus는 디지털 서비스와 비즈니스 통합에서 차량 연결을 분리하는 중개를 제공합니다.

대안

메시지 처리 및 관리되는 API를 구현하기 위한 올바른 유형의 컴퓨팅 선택은 다양한 요인에 따라 달라집니다. Azure 컴퓨팅 서비스 선택 가이드를 참조하여 올바른 서비스를 선택합니다.

예:

• Azure Functions: 원격 분석 수집과 같은 수명이 짧은 이벤트 기반 프로세스용
• Azure Batch: 큰 CAN 추적/비디오 파일 디코딩 등과 같은 고성능 컴퓨팅 작업용
• Azure Kubernetes Service: 명령 및 제어 워크플로 관리와 같은 복잡한 논리의 관리되는 완전한 오케스트레이션용

데이터 레이크 수준에서 일괄 처리 동기화를 수행하는 것이 목표인 경우 이벤트 기반 데이터 공유에 대한 대안으로 Azure Data Share를 사용할 수도 있습니다.

시나리오 정보

자동차 OEM은 고정 제품 생산에서 연결된 소프트웨어 정의 차량 제공으로 전환하면서 상당한 변화를 겪고 있습니다. 차량은 무선 업데이트, 원격 진단 및 개인 설정된 사용자 환경과 같은 다양한 기능을 제공합니다. 이러한 전환을 통해 OEM은 실시간 데이터 및 인사이트를 기반으로 제품을 지속적으로 개선하는 동시에 새로운 서비스 및 수익원을 포함하도록 비즈니스 모델을 확장할 수 있습니다.

이 참조 아키텍처를 통해 자동차 제조업체 및 모바일 공급자는 다음을 수행할 수 있습니다.

• 디지털 엔지니어링 프로세스의 일부로 피드백 데이터를 사용하여 지속적인 제품 개선을 주도하고, 문제의 근본 원인을 사전에 해결하고, 새로운 고객 가치를 창출합니다.
• 새로운 디지털 제품 및 서비스를 제공하고, ERP(Enterprise Resource Planning) 및 CRM(고객 관계 관리)과 같은 백 엔드 시스템과 비즈니스 통합을 통해 운영을 디지털화합니다.
• 보다 광범위한 스마트 모바일 에코시스템과 데이터를 안전하게 공유하여 사용자 동의를 얻기 위한 국가/지역별 요구 사항을 해결합니다.
• 차량 수명 주기 관리를 위한 백 엔드 시스템과의 통합으로 동의 관리가 간소화되고 소프트웨어 정의 차량 DevOps 툴체인을 사용하여 연결된 차량 솔루션의 배포 및 관리를 가속화합니다.
• 차량 및 분석을 위해 대규모로 컴퓨팅을 저장하고 제공합니다.
• 비용 효율적인 방법으로 수백만 대의 디바이스에 대한 차량 연결을 관리합니다.

잠재적인 사용 사례

OEM 자동차 사용 사례는 차량 성능, 안전성 및 사용자 환경 향상과 관련이 있습니다.

• 지속적인 제품 개선: 실시간 데이터를 분석하고 원격으로 업데이트를 적용하여 차량 성능을 개선합니다.
• 엔지니어링 테스트 집합 유효성 검사: 테스트 집합에서 데이터를 수집하고 분석하여 차량 안전 및 안정성을 보장합니다.
• 도우미 앱 및 사용자 포털: 개인 설정된 앱 및 웹 포털을 통해 원격 차량 액세스 및 제어를 사용하도록 설정합니다.
• 사전 복구 및 유지 관리: 데이터 기반 인사이트를 바탕으로 차량 유지 관리를 예측하고 예약합니다.

광범위한 에코시스템 사용 사례는 연결된 차량 애플리케이션을 확장하여 전체 운송 환경에서 차량 운영, 보험, 마케팅 및 노변 지원을 개선합니다.

• 연결된 상업용 집합 운영: 실시간 모니터링 및 데이터 기반 의사 결정을 통해 차량 관리를 최적화합니다.
• 디지털 차량 보험: 운전 행동에 따라 보험료를 맞춤화하고 즉각적인 사고 보고를 제공합니다.
• 위치 기반 마케팅: 위치 및 기본 설정에 따라 운전자에게 타겟 마케팅 캠페인을 제공합니다.
• 도로 지원: 차량 위치 및 진단 데이터를 사용하여 도움이 필요한 운전자에게 실시간 지원 및 지원을 제공합니다.

고려 사항

이러한 고려 사항은 워크로드의 품질을 향상시키는 데 사용할 수 있는 일단의 지침 원칙인 Azure Well-Architected Framework의 핵심 요소를 구현합니다. 자세한 내용은 Microsoft Azure Well-Architected Framework를 참조하세요.

안정성

안정성은 애플리케이션이 고객에 대한 약속을 충족할 수 있도록 합니다. 자세한 내용은 안정성 핵심 요소 개요를 참조하세요.

• 안정성을 추가하려면 수평 크기 조정을 고려합니다.
• 배율 단위를 사용하여 규정이 서로 다른 지리적 지역을 구분합니다.
• 자동 크기 조정 및 예약 인스턴스: 수요에 따라 동적으로 크기를 조정하고 미리 할당된 인스턴스를 사용하여 비용을 최적화해 컴퓨팅 리소스를 관리합니다.
• 지역 중복성: 내결함성 및 재해 복구를 위해 여러 지리적 위치에 데이터를 복제합니다.

보안

우수한 보안은 중요한 데이터 및 시스템에 대한 고의적인 공격과 악용을 방어합니다. 자세한 내용은 보안 요소의 개요를 참조하세요.

• 차량 연결 보안: X.509 인증서를 사용하여 보안 차량 통신을 설정하는 방법을 이해하려면 인증서 관리 섹션을 참조하세요.

비용 최적화

비용 최적화는 불필요한 비용을 줄이고 운영 효율성을 높이는 방법을 찾는 것입니다. 자세한 내용은 비용 최적화 핵심 요소 개요를 참조하세요.

• 차량당 비용 고려 사항: 통신 비용은 제공되는 디지털 서비스 수에 따라 달라야 합니다. 운영 비용에 대해 디지털 서비스의 RoI를 계산합니다.
• 메시지 트래픽을 기반으로 비용 분석에 대한 사례를 설정합니다. 더 많은 서비스가 추가됨에 따라 시간이 지남에 따라 연결된 차량 트래픽이 증가하는 경향이 있습니다.
• 네트워킹 및 모바일 비용 고려
  • MQTT 토픽 별칭을 사용하여 트래픽 볼륨을 줄입니다.
  • 효율적인 방법을 사용하여 페이로드 메시지를 인코딩하고 압축합니다.
• 트래픽 처리
  • 메시지 우선 순위: 차량에는 일별/주별 수요 피크를 생성하는 반복 사용 패턴이 나타나는 경향이 있습니다. 메시지 속성을 사용하여 중요하지 않은 메시지 또는 분석 메시지의 처리를 지연시켜 로드를 원활하게 하고 리소스 사용을 최적화합니다.
  • 수요에 따라 자동 크기 조정됩니다.
• 데이터를 핫/웜/콜드로 저장해야 할 기간을 고려합니다.
• 비용을 최적화하기 위해 예약 인스턴스를 사용하는 것이 좋습니다.

운영 우수성

운영 우수성은 애플리케이션을 배포하고 프로덕션에서 계속 실행하는 운영 프로세스를 다룹니다. 자세한 내용은 운영 우수성 핵심 요소 개요를 참조하세요.

• 통합된 IT 운영의 일환으로 차량 소프트웨어(로그/메트릭/추적), 메시징 서비스, 데이터 및 분석 서비스 및 관련 백 엔드 서비스를 모니터링하는 것이 좋습니다.

성능 효율성

성능 효율성은 사용자가 배치된 요구 사항을 효율적인 방식으로 충족하기 위해 워크로드의 크기를 조정할 수 있는 기능입니다. 자세한 내용은 성능 효율성 핵심 요소 개요를 참조하세요.

• 특히 지리적 지역이 여러 개 필요한 경우 50,000개 이상의 디바이스를 확장하는 솔루션에 크기 조정 개념을 사용하는 것이 좋습니다.
• 데이터를 수집하는 가장 좋은 방법(메시징, 스트리밍 또는 일괄 처리)을 신중하게 고려합니다.
• 사용 사례에 따라 데이터를 분석하는 가장 좋은 방법을 고려합니다.

다음 단계

• 자율 주행 및 보조 주행을 위한 자동차 디지털 엔지니어링을 보다 광범위하게 살펴볼 수 있는 AVOps(Autonomous Vehicle Operations) 솔루션을 만듭니다.

관련 참고 자료

다음 문서에서는 아키텍처에 사용되는 몇 가지 개념을 다룹니다.

• 클레임 확인 패턴은 파일 업로드와 같은 대용량 메시지 처리를 지원하는 데 사용됩니다.
• 배포 스탬프는 솔루션을 수백만 대의 차량으로 확장하는 데 필요한 일반적인 개념을 다룹니다.
• 제한은 차량의 이례적으로 많은 메시지 수를 처리하는 데 필요한 개념을 설명합니다.

다음 문서에서는 아키텍처의 구성 요소 간의 상호 작용에 대해 설명합니다.

• Azure Data Explorer 클러스터에서 스트리밍 수집 구성
• parquet 형식으로 Event Hubs 데이터를 캡처하고 Azure Synapse Analytics를 사용하여 분석