Описание
Harbor Scale разработан для устранения трудоемкого процесса настройки и управления инфраструктурой мониторинга для IoT-устройств и серверов. Вместо того чтобы тратить часы на настройку Grafana и InfluxDB, пользователи могут визуализировать свои данные на управляемых дашбордах Grafana в течение 60 секунд. Эта услуга особенно полезна для разработчиков, работающих с устройствами ESP32, Arduino и LoRaWAN, а также для мониторинга серверов Linux, контейнеров Docker и периферийных устройств.
Платформа делает акцент на подходе «прекратите настройку, начните визуализацию». Она предлагает значительно более быстрое время настройки по сравнению с самостоятельными решениями, сокращая его с часов до секунд. Harbor Scale также обеспечивает расширенное хранение данных, предлагая 180 дней истории по сравнению с 14 днями, часто встречающимися в самостоятельных решениях, и более экономичное решение с фиксированной ежемесячной ставкой вместо потенциально высоких счетов за облачные услуги.
Harbor Scale упрощает процесс с помощью одной команды для установки агента, который автоматически обнаруживает работающие службы и системные метрики, устраняя необходимость в конфигурационных файлах. После входа в систему пользователи обнаруживают, что их рабочее пространство Grafana уже подготовлено с дашбордами и поступающими данными. Платформа поддерживает нативные сборщики для Linux, Docker и служб Systemd, а также может принимать данные из широкого спектра IoT-устройств и пользовательских приложений.
Ключевой инновацией является Harbor AI — персональный аналитик данных, который позволяет пользователям запрашивать данные на обычном английском языке. Он может выполнять сложные анализы, такие как кластеризация K-средних и линейная регрессия, генерировать визуализации, такие как диаграммы и тепловые карты, и обеспечивать полную прозрачность, показывая точные используемые запросы. Harbor AI также предлагает обнаружение аномалий и прогнозирование, проактивно выявляя потенциальные проблемы и тенденции до того, как они повлияют на работу.
Платформа может похвастаться «интеграцией копированием-вставкой» всего с несколькими строками кода, необходимыми для начала потоковой передачи данных с устройств. Она поддерживает широкую экосистему аппаратного и программного обеспечения, включая ESP32, Arduino, Python, MicroPython, C++, Linux, Docker, Node.js и различные решения LoRaWAN, такие как The Things Network. Эта обширная совместимость гарантирует, что пользователи смогут беспрепятственно интегрировать Harbor Scale со своим существующим технологическим стеком.
Основные функции Harbor Scale
Управляемые дашборды Grafana
Настройка визуализации данных IoT за 60 секунд
Доступен бесплатный тариф
Бесплатный тариф не требует кредитной карты
Агент с нулевой конфигурацией для серверов и периферийных устройств
Автоматическое обнаружение служб и системных метрик
Хранение данных в течение 180 дней
Harbor AI для запросов данных на естественном языке
Обнаружение аномалий и прогнозирование на основе ИИ
Визуализации, сгенерированные ИИ
Поддержка ESP32, Arduino, LoRaWAN, Linux, Docker
Интеграция копированием-вставкой с SDK
Прием данных в реальном времени
Единый интерфейс для разнообразных источников данных
Как использовать Harbor Scale?
Установка агента: Разверните агент на вашем сервере или IoT-устройстве с помощью одной команды.
Именование источника: Присвойте имя вашему источнику данных.
Потоковая передача данных: Данные начнут поступать на ваш управляемый дашборд Grafana автоматически.
Визуализация данных: Получите доступ к предварительно настроенным дашбордам Grafana для анализа ваших данных в реальном времени.
Запросы с помощью ИИ: Используйте Harbor AI для получения ответов на вопросы о ваших данных на обычном английском языке.
Анализ тенденций: Используйте ИИ для обнаружения аномалий, прогнозирования и генерации визуализаций.
Варианты использования Harbor Scale
- Визуализация данных IoT
- Мониторинг серверов
- Аналитика встраиваемых систем
- Обнаружение аномалий
- Прогнозное обслуживание
- Исследование данных
- Управление парком устройств
- Мониторинг умного дома




