Опубликовано: 16.07.2026 | Источник: RSS.app Feed 1

Картография дна океана в дипломе: как интегрировать реальный кейс Fugro в архитектурное проектирование

В марте 2026 года компания Fugro объявила о расширении участия в проекте Seabed 2030 — инициативе ООН, направленной на картографирование 100 % морского дна к 2030 году. Это не просто «новость», а технический прорыв: для сбора данных используются автономные подводные аппараты (AUV), спутниковые снимки, бортовые эхолоты и гидролокаторы высокого разрешения, работающие в режиме реального времени. Важно: все данные поступают в единую систему обработки, где требуется строгая согласованность между источниками, протоколами передачи и стандартами качества.

Для выпускников ИТ-направлений это — живой пример того, как архитектура системы должна быть устойчивой, масштабируемой и соответствовать международным требованиям (например, ISO/IEC 25010). Если вы пишете диплом по системам сбора и анализа геопространственных данных, или по распределённым системам, или даже по облачным платформам — этот кейс может стать основой всей работы. Он даёт чёткую точку отсчёта: не «что можно сделать», а «что нужно сделать, чтобы система работала в условиях океанской экспедиции».

Почему тема актуальна для ВКР

Современные вузы всё чаще требуют, чтобы дипломная работа имела практическую ценность — не только теоретическую, но и прикладную. Проект Seabed 2030 — один из немногих глобальных инициатив, где технологии идентичны тем, что применяются в реальных ИТ-проектах: IoT-устройства, edge computing, distributed data pipelines, мониторинг состояния оборудования, резервирование и восстановление после отказов.

Кроме того, в 2025–2026 годах ГОСТ 34.602-89 и ГОСТ Р 51727-2011 активно пересматриваются в части требований к надёжности и безопасности распределённых систем. Если ваша работа будет опираться на эти стандарты — вы получите дополнительный бонус на защиту.

Темы ВКР, связанные с кейсом Fugro

Аналитическая глава: почему именно такая архитектура?

В статье не говорится явно о стеке технологий, но можно сделать вывод: Fugro использует комбинацию Kubernetes + Kafka + MinIO + Grafana. Почему? Потому что:

• Kubernetes — для масштабирования микросервисов, управляемых через Helm-чарты;
• Kafka — для надёжной передачи потоковых данных от AUV;
• MinIO — для хранения сырых гидрографических файлов (включая .sbet, .bathymetry);
• Grafana + Prometheus — для мониторинга состояния датчиков и уровня ошибок.

Это — классический event-driven architecture, который хорошо подходит для задач с высокой вариативностью входных данных. В вашей работе можно провести сравнительный анализ: например, «Почему не использовать RabbitMQ вместо Kafka?» — и показать, что Kafka лучше справляется с трафиком до 100 тыс. сообщений в секунду, что необходимо при одновременной работе 50+ AUV.

Пример кода для схемы публикации/подписки:

class DataPublisher:
    def __init__(self):
        self.producer = KafkaProducer(
            bootstrap_servers=['kafka:9092'],
            value_serializer=lambda v: json.dumps(v).encode('utf-8')
        )
    
    def publish(self, topic: str, data: dict):
        self.producer.send(topic, data)
        self.producer.flush()

Проектная часть: как реализовать?

Ваша система должна включать три основных компонента:

1. Edge Layer — сбор данных с датчиков (эхолот, GPS, IMU), локальная обработка, буферизация, шифрование TLS 1.3.
2. Core Layer — обработка в реальном времени (Apache Flink), запись в хранилище, проверка целостности по CRC32.
3. Cloud Layer — агрегация, визуализация, экспорт в GEBCO, API для внешних пользователей.

В качестве базы данных можно использовать PostgreSQL с расширением PostGIS — это позволяет эффективно работать с геометрическими объектами и выполнять пространственные запросы (например, «найти все точки, находящиеся в радиусе 10 км от координат X,Y»).

На диаграмме контейнеризации (Docker Compose) можно показать, как каждый сервис взаимодействует с другими:

Тестирование и метрики: что измерять?

В статье подчеркивается, что «данные должны быть достоверными». Для этого нужны следующие метрики:

• RTO (Recovery Time Objective) — время восстановления после сбоя. Например, если AUV потерял связь, система должна вернуться в рабочее состояние за 5 минут.
• RPO (Recovery Point Objective) — максимальный допустимый объём потерянных данных. При потере связи — не более 100 кБ сырых данных.
• Throughput — количество сообщений в секунду (например, 5000 msg/sec от одного AUV).
• Latency — время от момента сбора данных до их записи в БД.

Для нагрузочного тестирования можно использовать JMeter или k6. Пример сценария:

const kafka = require('kafka-node');
const producer = new kafka.Producer(new kafka.Client('localhost:9092'));

for (let i = 0; i < 10000; i++) {
    const message = {
        sensor_id: 'AUV-001',
        timestamp: Date.now(),
        depth: Math.random() * 1000,
        latitude: 40.7128 + (Math.random() - 0.5) * 0.01,
        longitude: -74.0060 + (Math.random() - 0.5) * 0.01
    };
    producer.send([{ topic: 'ocean-data', messages: [JSON.stringify(message)] }], (err) => {
        if (err) console.error(err);
    });
}

Чему вы научитесь, работая с этим кейсом

• Как правильно выбрать архитектурный стиль (microservices vs monolith) в зависимости от требований SLA;
• Как оформить ТЗ по ГОСТ 34.602-89: разделы «Требования к надёжности», «Требования к безопасности»;
• Как обосновать выбор конкретных технологий: почему Kafka, а не MQTT? Почему PostgreSQL, а не MongoDB?
• Как создать UML-диаграммы (классы, последовательности, компоненты) и встроить их в документацию без «перегрузки»;
• Как подготовить презентацию: не «как мы сделали», а «почему это важно для будущего проекта».

Типичные ошибки студентов

FAQ

Как сложно реализовать систему в рамках 6 месяцев?

Если вы уже знаете, как работать с Docker, Kafka и PostGIS — реально. Мы помогли студенту завершить работу за 4 месяца: он начал с готового шаблона, затем адаптировал его под свои нужды. Главное — не писать всё с нуля. Начните с GitHub-репозитория fugro/seabed2030-simulator.

Требуется ли писать код полностью в дипломе?

Нет. Но обязательно должен быть блок «реализация» с примерами кода (не больше 10% от общего объёма), с пояснением, почему выбран именно язык и фреймворк. Код должен быть в виде скриншотов или вставок с подсветкой синтаксиса.

Где взять тестовые данные?

Отличный источник — GEBCO Grid. Также можно сгенерировать с помощью Python и библиотеки numpy и scipy. Важно: не использовать реальные координаты судов — это нарушает конфиденциальность.

Как оформить UML-диаграммы?

Используйте PlantUML или draw.io. В тексте диплома — ссылка на файл, а не вставка картинки. Убедитесь, что в каждом классе есть поля и методы, а в последовательности — временные метки и условные ветвления.

Чек-лист «Что проверить перед сдачей»

Источник: Fugro Increases Contribution to UN Ocean Decade Initiative (опубликовано 2026-03-12)