Panoramica
L'azienda gestisce diversi stabilimenti produttivi che si affidano all'ingestione dei dati in tempo reale per guidare le decisioni di produzione. Il sistema esistente usava trigger di SQL Server per catturare gli eventi del database e inoltrarli a valle, ma questo approccio stava sovraccaricando pesantemente la CPU dei server di database di produzione e minacciava la stabilità operativa.
Sfida
Il sistema di ingestione basato su trigger SQL causava una contesa critica sulla CPU dei database di produzione, con impatti sulla consegna dei dati in tempo reale. Le attività produttive richiedono flussi di dati a bassa latenza: ritardi di più di qualche minuto possono far scattare allarmi in reparto e perfino fermi obbligatori degli impianti. Il middleware di worker esistente era difficile da mantenere e mancava di un fornitore responsabile.
Ambiente
Cluster Kubernetes Rancher on-premise, database SQL Server, SCADA Ignition, più sistemi MES (manufacturing execution system) in sei stabilimenti, con un piano di rollout in produzione che si estende fino al 2027.
Approccio
AceMQ ha avviato un incarico di consulenza a fasi, iniziato con tre settimane di discovery e assessment dell'architettura. Il team ha valutato diversi strumenti di messaging, tra cui RabbitMQ, MQTT e Kafka, poi ha progettato e realizzato un proof of concept che dimostra un pattern a shadow table per l'estrazione non bloccante dei dati, eliminando la contesa sul database e mantenendo la consegna in tempo reale.
Soluzione
- Progettazione di un pattern a shadow table che consente l'estrazione non bloccante dei dati da SQL Server senza impattare le prestazioni del database di produzione
- Realizzazione di una demo del flusso di dati da Ignition a RabbitMQ per validare la pubblicazione degli eventi in tempo reale
- Valutazione e raccomandazione degli strumenti di messaging (MQTT, Kafka, RabbitMQ) per i diversi casi d'uso in reparto
- Creazione di un blueprint architetturale per l'ingestione dati event-driven nei sei stabilimenti
- Definizione di una strategia di supporto e manutenzione continuativa con un fornitore responsabile
Esito
Il proof of concept ha confermato che la nuova architettura elimina la contesa sulla CPU del database mantenendo una consegna dei dati inferiore al minuto. Il rollout a fasi nei sei stabilimenti procede secondo il piano 2026–2027, con AceMQ che fornisce consulenza architetturale e supporto all'implementazione continuativi.