AWS-Integration - Senden von Daten an AWS über API-Gateway und Lambda

Rationalisierung der Datenübertragung von Tulip zu AWS für breitere Analyse- und Integrationsmöglichkeiten

Zweck

In dieser Anleitung wird Schritt für Schritt beschrieben, wie Tulip-Daten jeglicher Art über API Gateway, Lambda-Funktion und eine Tulip-Connector-Funktion an AWS gesendet werden können.

Eine Beispielarchitektur ist unten aufgeführt:

Das ist wichtig, denn mit API Gateway und Lambda-Funktionen müssen Sie die Datenbanken auf der Tulip-Seite nicht mit Benutzername und Passwort authentifizieren; Sie können sich auf die IAM-Authentifizierungsmethoden innerhalb von AWS verlassen. Dies vereinfacht auch die Nutzung anderer AWS-Dienste wie Redshift, DynamoDB und andere.

Einrichtung

Dieses Integrationsbeispiel beinhaltet das Pushen von Daten von Tulip zu AWS über Connector Functions. Es gibt alternative Möglichkeiten, Daten von Tulip Tables über die Tables API zu erhalten. Diese Methode ermöglicht es App-Entwicklern, beliebige Daten in einer App über eine Connector-Funktion an AWS zu senden.

Anforderungen auf höchster Ebene: 1. Erstellen Sie eine AWS Lambda Funktion mit einem API Gateway als Auslöser{height="" width=""}
2. Beziehen Sie die Nutzdaten der Tulip-Connector-Funktion mit einem Skript, das in etwa dem folgenden Beispiel entspricht: ``python import json import base64

def lambda_handler(event, context): body = event['body'] data = json.loads(body)

# Verwenden Sie die Variable data, um in S3, Firehose, # Datenbanken und mehr zu schreiben.

1. Das API-Gateway kann entweder HTTP-API oder REST-API sein, abhängig von den Sicherheits- und Komplexitätseinschränkungen. Die REST-API-Option umfasst beispielsweise eine API-Schlüssel-Authentifizierungsmethode, während die HTTPS-API nur über JWT (JSON Web Token) verfügt. Stellen Sie sicher, dass die IAM-Rolle, die die Lambda-Funktion ausführt, auch über die entsprechenden Berechtigungen verfügt.
2. Fügen Sie dann alle erforderlichen Integrationen hinzu. Sie können die Daten von Lambda-Funktionen in eine Datenbank, S3 oder einen Benachrichtigungsdienst schreiben.


## Anwendungsfälle und nächste Schritte


Sobald Sie die Integration mit Lambda abgeschlossen haben, können Sie die Daten problemlos mit einem Sagemaker-Notebook, QuickSight oder einer Vielzahl anderer Tools analysieren.


**1. Fehlervorhersage**- Identifizieren Sie Produktionsfehler, bevor sie auftreten, und erhöhen Sie die Fehlerquote beim ersten Mal. - Identifizieren Sie die wichtigsten Qualitätsfaktoren in der Produktion, um Verbesserungen zu implementieren.


**2. Optimierung der Qualitätskosten**- Identifizierung von Möglichkeiten zur Optimierung des Produktdesigns ohne Beeinträchtigung der Kundenzufriedenheit


**3. Optimierung des Energieverbrauchs in der Produktion**- Identifizierung von Produktionshebeln zur Optimierung des Energieverbrauchs


**4. Liefer- und Planungsvorhersage und -optimierung**- Optimierung des Produktionsplans auf der Grundlage der Kundennachfrage und des Echtzeit-Auftragsplans


**5. Globales Maschinen-/Linien-Benchmarking**- Benchmarking ähnlicher Maschinen oder Anlagen mit Normalisierung


**6. Globales/regionales digitales Leistungsmanagement**- Konsolidierte Daten zur Erstellung von Dashboards in Echtzeit