Перейти до вмісту

Аналітика мережі на 2,6 млрд показників щодня

Python, Kafka і ClickHouse для нідерландського оператора мережі

Voltgrid · Netherlands
Клієнт
Voltgrid
Галузь
Енергетика та промисловий IoT
Рік
2026
Тривалість
10 місяців
Команда
8
Модель співпраці
Time & material

Показники

2.6B

Readings per day

4 s

Anomaly alert latency

-68%

Storage cost per billion rows

340 ms

p95 dashboard query

Задача

Аналітика Voltgrid працювала на нічних пакетних завданнях. Оператори бачили аномалії мережі наступного ранку, що надто пізно для реакції на дисбаланс навантаження, а вартість зберігання зростала на 40% щороку.

Що ми зробили

Прийом через Kafka зі schema registry, потокова обробка на Python і ClickHouse для зберігання з багаторівневим збереженням. Виявлення аномалій працює на ковзних вікнах і надсилає алерти в диспетчерську менш ніж за чотири секунди. Ми переписали розкладку зберігання й скоротили вартість на мільярд рядків на 68%.

Результат

Оператори бачать аномалії за чотири секунди замість наступного дня. Вартість зберігання впала на 68% на мільярд рядків попри потроєння обсягу прийому.

“Вони втричі збільшили обсяг даних і скоротили витрати на зберігання на дві третини.”
SD

Sanne de Vries

Керівниця платформи даних, Voltgrid

DirectNetherlands

Наступний кейс

Низьколатентний торговий термінал

→

Розкажіть, що ви будуєте

Надішліть бриф — архітектор рішень відповість протягом одного робочого дня. Запитаннями, а не шаблоном.