Архитектура программно-аппаратного комплекса обработки больших данных в распределённых системах мониторинга и диагностики технологических параметров сельскохозяйственных объектов

Разработана пятиуровневая архитектура программно-аппаратного комплекса обработки потоковых данных в распределенных системах мониторинга и диагностики технологических параметров сельскохозяйственных объектов. Актуальность определена ростом объемов сенсорной телеметрии АПК при ограниченной пропускной способности сельских каналов связи. Архитектура объединяет полевые сенсорные узлы на ESP32-S3 с датчиками влажности, температуры и мультиспектральными модулями, концентраторы LoRaWAN на Raspberry Pi с платами RAK2287, распределенную шину Apache Kafka из трех брокеров, потоковый аналитический движок Apache Spark Structured Streaming и аналитическое хранилище PostgreSQL с расширением TimescaleDB. Сопоставлены три архитектурных паттерна — Lambda, Kappa и гибридный периферийно-облачный — по медианной задержке, пропускной способности, доле потерянных сообщений и совокупной стоимости владения. Предложена методика расчёта индекса качества мониторинга IQM с весами, полученными методом анализа иерархий по согласованным экспертным оценкам. Верификация проведена на стенде из 240 сенсорных узлов с 14-суточным непрерывным нагрузочным тестированием на четырех частотах опроса. Гибридный паттерн обеспечил медианную задержку 92 мс при пропускной способности 14 600 сообщений в секунду, доле потерь 0,11% и сокращении облачного трафика в 4,8 раза за счёт периферийной агрегации 78% сообщений на уровне концентраторов. Методика верифицирована статистически.

1. Вострухин А.В., Мастепаненко М.А., Воротников И.Н., Вахтина Е.А. Алгоритм разработки программного обеспечения беспроводной системы мониторинга температуры сельскохозяйственных объектов. Агроинженерия. 2025; 27(1): 75–81.https://doi.org/10.26897/2687-1149-2025-1-75-81

2. Каличкин В.К., Донченко А.С., Голохваст К.С. Платформенный подход к обработке данных мониторинга и полевых опытов СФНЦА РАН для реализации цифрового земледелия. Сибирский вестник сельскохозяйственной науки. 2025; 55(11): 5–21.https://doi.org/10.26898/0370-8799-2025-11-1

3. Савин И.Ю., Блохин Ю.И., Чинилин А.В. Методология оперативного мониторинга состояния посевов на основе технологий интернета вещей. Российская сельскохозяйственная наука. 2023; (6): 43–46.https://doi.org/10.31857/S2500262723060091

4. Цепляев В.А., Цепляев А.Н., Лебедь Н.И., Токарев К.Е. Моделирование и аппаратно-программная реализация автоматизированной системы мониторинга сорной растительности в посевах сельскохозяйственных культур и управление дифференцированным внесением гербицидов. Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2024; (5): 302–311.EDN CPIOFR

5. Федосеев Д.В. и др. Разработка информационной системы для хранения и обработки результатов мониторинга сельскохозяйственных угодий юга Дальнего Востока. Системы и средства информатики. 2024; 34(1): 44–56.https://doi.org/10.14357/08696527240104

6. Костомахин М.Н., Пестряков Е.В. Программный комплекс для дистанционного контроля узлов и агрегатов. Сельскохозяйственные машины и технологии. 2022; 16(4): 19–25.https://doi.org/10.22314/2073-7599-2022-16-4-19-25

7. Лебедь Н.И., Токарев К.Е., Фомин С.Д. Проектирование и компьютерная реализация комплекса программ для интеллектуального мониторинга роста и развития агробиоценозов в условиях их контролируемого выращивания. Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2023; (4): 38–49.EDN HXPKUU

8. Кутырёв А.И. Разработка системы мониторинга стволов деревьев и опорных конструкций интенсивных садовых насаждений. Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2025; (2): 449–458.EDN IMGAHX

9. Сердечная Ю.Н., Сердечный Д.В., Андриянов Н.А., Корчагин С.А. Разработка эффективной системы мониторинга и анализа современных технологий развития агропромышленного комплекса в горных территориях. Устойчивое развитие горных территорий. 2024; 16(2): 770–779.https://doi.org/10.21177/1998-4502-2024-16-2-770-779

10. Zorkin A., Ivanova N. IoT-based agriculture monitoring platform architecture. IOP Conference Series: Earth and Environmental Science. 2022; 949: 012005.https://doi.org/10.1088/1755-1315/949/1/012005

11. Kalyani Y., Collier R. A Systematic Survey on the Role of Cloud, Fog, and Edge Computing Combination in Smart Agriculture. Sensors. 2021; 21(17): 5922.https://doi.org/10.3390/s21175922

12. Пестряков Е.В. Программное обеспечение для диагностирования и прогнозирования технического состояния сельскохозяйственных машин. Техника и оборудование для села. 2021; (12): 37–41.EDN NUTMPU

13. Aldhaheri L. et al. LoRa Communication for Agriculture 4.0: Opportunities, Challenges, and Future Directions. arXiv. 2024; 2409.11200.https://doi.org/10.48550/arXiv.2409.11200

14. Mohammad M. Analysis of Design Patterns and Benchmark Practices in Apache Kafka Event-Streaming Systems. 2025 5th International Conference on Intelligent Cybernetics Technology & Applications (ICICyTA). IEEE. 2025; 612–617.https://doi.org/10.1109/ICICyTA68677.2025.11362748

15. Liu R., Yuan J., Huang X. Benchmarking Time Series Databases with IoTDB-Benchmark for IoT Scenarios. arXiv. 2019; 1901.08304.https://doi.org/10.48550/arXiv.1901.08304

16. Islam U., Alatawi M.N., Alqazzaz A., Alamro S., Shah B., Moreira F. A hybrid fog-edge computing architecture for real-time health monitoring in IoMT systems with optimized latency and threat resilience. Scientific Reports. 2025; 15: 25655.https://doi.org/10.1038/s41598-025-09696-3

17. Брежнев Р.В., Маглинец Ю.А., Хорошева Н.С., Раевич К.В. Интерактивная технология формирования рабочих потоков обработки пространственных данных. Современные проблемы дистанционного зондирования Земли из космоса. 2024; 21(2): 89–100.https://doi.org/10.21046/2070-7401-2024-21-2-89-100