物联网后端数据可视化消息队列【免费下载链接】thingsboardAll-in-one IoT Platform - Device management, data collection, processing and visualization.项目地址https://gitcode.com/GitHub_Trending/th/thingsboard点击查看免费下载本文面向在 ThingsBoard 中使用 Smart Retail智慧零售解决方案的开发者与运维人员讲解如何为该解决方案可选地启用边缘计算将 ThingsBoard Edge 部署到每家门店在本地完成传感器与摄像头数据的实时分析和决策并在断网时保证数据不丢失。读完本文你将掌握 Edge 实体与实体分组的预配置方式、Edge 安装与连接云端的方法以及通过 HTTP 向 Edge 上报遥测数据的完整 curl 实战命令。什么是 Smart Retail 解决方案中的边缘计算ThingsBoard 的解决方案Solution体系中Smart Retail 解决方案用于管理超市、冷柜、货架、门磁、烟雾传感器等零售场景的物联网设备配套的告警规则位于 application/src/main/data/json/solutions/smart_retail/alarm_rules 目录例如freezer_high_temperature_alarm.json冷柜温度过高告警、door_sensor_door_left_open.json门磁长时间未关告警等。而在 smart_retail/edge_instructions.md 中明确说明边缘计算是本解决方案的可选扩展Optionally。其核心思路是把数据分析和设备管理下沉到数据产生的地方——门店本地。当超市分布在城市不同区域、不同国家甚至全球各地时可以在每一家超市内部署一台 ThingsBoard Edge就近处理来自传感器和摄像头的原始数据边缘节点支持实时分析与决策例如当冷柜温度超过阈值时在本地生成告警告警规则同样由云端解决方案配置下发当门店与中心 ThingsBoard 服务器之间的网络断开时Edge 依然持续处理数据不丢数据且关键决策在本地即可完成网络恢复后必要的数据会被自动同步推送到云端ThingsBoard cloud边缘计算业务逻辑的配置集中在一个地方——ThingsBoard 服务器无需逐店维护业务规则。从仓库源码结构看边缘同步能力由 common/edge-api 模块提供其中 EdgeGrpcClient.java 和 edge.proto 表明 Edge 与云端之间通过 gRPC 通道完成数据与指令的双向同步这与文档中一旦网络连接建立所需数据将被推送到云端的描述相互印证。Edge 实体与预分配实体分组在本解决方案范围内ThingsBoard 已为客户Retail Company B新增了一个 Edge 实体Remote Supermarket R1远程超市 R1并在其详情页提供安装与连接指引。为了简化边缘部署以下实体分组Entity Group已经被预先分配assign到该 Edge 实体上Edge 会把这些分组下的实体自动同步到本地分组名称实体类型所属范围Smart Retail UsersUSER用户客户 Retail Company BSupermarketsASSET资产客户 Retail Company BSupermarket DevicesDEVICE设备客户 Retail Company BSupermarket Users SharedDASHBOARD仪表板当前租户这种以实体分组为单位同步的设计意味着管理员只需要在云端维护这些分组Edge 会按分组自动把用户、资产、设备和仪表板同步到本地节点从而避免在每家门店手工重复创建实体。安装 ThingsBoard Edge 并连接云端文档给出的标准接入流程如下打开 Edge 实体Remote Supermarket R1的edge details pageEdge 详情页点击Install Connect instructions安装与连接指引按钮按页面指引完成 ThingsBoard Edge 的安装并建立与云端的连接连接建立后即可使用租户账号或客户Retail Company B下用户的凭证登录 Edge 本地界面。登录 Edge 后你可以在Entities - Devices页面中看到已同步的设备列表——由于Supermarket DevicesDEVICE 分组已分配给 Edge 实体 Remote Supermarket R1该分组下的所有设备都会**自动下发自动 provision**到 Edge 上。向 Edge 上报设备遥测数据HTTP API 实战为验证边缘数据通路文档以位于超市Supermarket S3内的设备Freezer 67478冷柜为例演示如何向 Edge 本地 HTTP 接口上报温度遥测。默认端口8080命令curl -v -X POST -d {\temperature\: -5.4} http://localhost:8080/api/v1/${Freezer 67478ACCESS_TOKEN}/telemetry --header Content-Type:application/json修改过绑定端口18080的命令如果在 Edge 安装过程中将 HTTP 8080 绑定端口改为18080则使用curl -v -X POST -d {\temperature\: -5.4} http://localhost:18080/api/v1/${Freezer 67478ACCESS_TOKEN}/telemetry --header Content-Type:application/json说明${Freezer 67478ACCESS_TOKEN}是设备 Freezer 67478 的访问令牌Access Token占位符实际执行时需替换为该设备在 Edge或云端设备详情页中显示的真实令牌。该路径/api/v1/{accessToken}/telemetry正是 ThingsBoard 为 MQTT/HTTP 等传输层提供的统一遥测上报接口相关传输实现可参见 common/transport/mqtt 与 common/transport/http 模块。验证同步效果一旦成功向 Edge 上的设备 Freezer 67478 推送了数据你就可以在云端看到该设备对应的遥测更新——这证明数据已经由 Edge 自动同步到 ThingsBoard 云服务器。这正是文档所述断网本地处理、联网云端同步机制的直观验证即便门店本地断网这条 curl 上报的温度数据也会先落在 Edge 上待网络恢复后再补传到云端期间不丢失任何数据。源码级佐证边缘同步与告警规则边缘同步协议edge.proto 定义了 Edge 与云端的 RPC 消息结构EdgeGrpcClient.java 负责建立与维护 gRPC 连接支撑实体分组同步、遥测上云等能力遥测上报链路HTTP 传输模块common/transport/http处理/api/v1/{accessToken}/telemetry请求将遥测数据路由进消息队列再由边缘通道同步至云端本地告警规则Smart Retail 的告警逻辑集中在 alarm_rules 目录例如freezer_high_temperature_alarm.json、chiller_high_temperature_alarm.json等。这些规则由云端集中配置并随实体分组下发到 Edge使 Edge 在本地即可完成温度超阈值即告警的实时决策。小结Smart Retail 的边缘计算扩展把集中配置、分布执行的架构落地到了零售连锁场景云端统一管理业务逻辑与实体分组Edge 自动同步、本地执行断网时本地继续处理与告警联网后数据自动补传云端通过/api/v1/{accessToken}/telemetry即可在门店本地完成设备遥测模拟上报并在云端即时看到同步结果。对于拥有分散门店、对网络稳定性要求高的零售场景这套 Edge 方案提供了一条本地实时响应 云端统一管控的可行路径。如需在具体部署中启用该能力可直接参考 edge_instructions.md 原文并结合 Edge 详情页的Install Connect instructions完成安装与连接。赞分享物联网后端数据可视化消息队列【免费下载链接】thingsboardAll-in-one IoT Platform - Device management, data collection, processing and visualization.项目地址https://gitcode.com/GitHub_Trending/th/thingsboard点击查看免费下载相关推荐终极磁盘清理工具Czkawka10分钟快速释放存储空间的完整指南终极磁盘清理工具Czkawka10分钟快速释放存储空间的完整指南 您是否经常为电脑存储空间不足而烦恼面对重复文件、相似图片和垃圾文件的堆积手动清理既耗时又桌面应用ThingsBoard 空气质量指数AQI解决方案的 Edge 计算扩展部署边缘节点与数据上云实战指南ThingsBoard 空气质量指数AQI解决方案的 Edge 计算扩展部署边缘节点与数据上云实战指南 导读 本文围绕 ThingsBoard 开源仓库中物联网后端数据可视化消息队列Front-End-Performance-Checklist Edge Computing终极边缘计算性能优化指南Front End Performance Checklist Edge Computing终极边缘计算性能优化指南 Front End Performanc前端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考