EMQ X+TDengine怎么搭建MQTT物聯網可視化平臺

這篇文章主要講解了“EMQ X+TDengine怎么搭建MQTT物聯網可視化平臺”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“EMQ X+TDengine怎么搭建MQTT物聯網可視化平臺”吧！

EMQ X 簡介

EMQ X  是基于高并發的 Erlang/OTP 語言平臺開發，支持百萬級連接和分布式集群架構，發布訂閱模式的開源 MQTT 消息服務器。EMQ X 內置了大量開箱即用的功能，其 開源版 EMQ X Broker 及 企業版 EMQ X Enterprise 均支持通過規則引擎將設備消息存儲到 TDengine。

TDengine 是什么

TDengine 是濤思數據專為物聯網、車聯網、工業互聯網、IT 運維等設計和優化的大數據平臺。除核心的快 10 倍以上的時序數據庫功能外，還提供緩存、數據訂閱、流式計算等功能，最大程度減少研發和運維的復雜度，且核心代碼，包括集群功能全部開源。

TDengine 提供社區版、企業版和云服務版，安裝/使用教程詳見 TDengine 使用文檔。

Grafana 簡介

Grafana 是一個跨平臺、開源的度量分析和可視化工具，可以查詢處理各類數據源中的數據，進行可視化的展示。它可以快速靈活創建的客戶端圖表，面板插件有許多不同方式的可視化指標和日志，官方庫中具有豐富的儀表盤插件，比如熱圖、折線圖、圖表等多種展示方式；支持 Graphite，TDengine、InfluxDB，OpenTSDB，Prometheus，Elasticsearch，CloudWatch和 KairosDB 等數據源，支持數據項獨立/混合查詢展示；可以創建自定義告警規則并通知到其他消息處理服務或組件中。

業務場景

本文模擬物聯網環境數據采集場景，假設現有一定數據的環境數據采集點，所有采集點數據均通過 MQTT 協議 傳輸至采集平臺（MQTT Publish），主題設計如下：

sensor/data

傳感器發送的數據格式為 JSON，數據包括傳感器采集的溫度、濕度、噪聲音量、PM10、PM2.5、二氧化硫、二氧化氮、一氧化碳、傳感器 ID、區域、采集時間等數據。

{
    "temperature": 30,
    "humidity" : 20,
    "volume": 44.5,
    "PM10": 23,
    "pm25": 61,
    "SO2": 14,
    "NO2": 4,
    "CO": 5,
    "id": "10-c6-1f-1a-1f-47",
    "area": 1,
    "ts": 1596157444170
}

現在需要實時存儲以便在后續任意時間查看數據，提出以下的需求：

• 每個設備按照每 5 秒鐘一次的頻率進行數據上報，數據庫需存儲每條數據以供后續回溯分析；

• 通過可視化系統查看 任意區域、任意時間區間內 的指標數據，如平均值、最大值、最小值。

環境準備

本文所用各個組件均有 Docker 鏡像，除 EMQ X 需要修改少數配置為了便于操作使用下載安裝外，TDengine 與 Grafana 均使用 Docker 搭建。

安裝包資源與使用教程參照各自官網：

• EMQ X：EMQ 官網 https://www.emqx.io/cn/

• TDengine：濤思數據官網 https://www.taosdata.com/cn/

• Grafana：Grafana 官網 https://grafana.com/

安裝 EMQ X

如果您是 EMQ X 新手用戶，推薦通過 EMQ X 文檔 快速上手

訪問 EMQ X 下載 頁面下載適合您操作系統的安裝包，本文截稿時 EMQ X 開源版最新版本為 v4.1.1，下載 zip 包的啟動步驟如下 ：

## 解壓下載好的安裝包
unzip emqx-macosx-v4.1.1.zip
cd emqx

## 以 console 模式啟動 EMQ X 方便調試
./bin/emqx console

啟動成功后瀏覽器訪問 http://127.0.0.1:18083 訪問 EMQ X 管理控制臺 Dashboard，使用 admin public 默認用戶名密碼完成初次登錄。

EMQ X 企業版 4.1.2 提供了原生 TDengine 寫入插件，性能更好、使用更方便，請移步規則引擎-寫入數據到 TDengine查看

安裝 TDengine

為了方便測試使用通過 Docker 進行安裝（需映射網絡端口），也可以使用安裝包的方式進行安裝：

## 拉取并啟動容器
docker run -d --name tdengine -p 6030-6041:6030-6041 tdengine/tdengine:latest

## 啟動后檢查容器運行狀態
docker ps -a

安裝 Grafana

使用以下命令通過 Docker 安裝并啟動 Grafana：

docker run -d --name=grafana -p 3000:3000 grafana/grafana

啟動成功后瀏覽器訪問 http://127.0.0.1:3000 訪問 Grafana 可視化面板，使用 admin admin 默認用戶名密碼完成初次登錄，登錄后按照提示修改密碼使用新密碼登錄進入主界面：

配置 EMQ X 存儲數據到 TDengine

TDengine 創建數據庫與數據表

進入TDengine Docker 容器：

docker exec -it tdengine bash

創建 test 數據庫:

taos
create database test;

創建 sensor_data 表，關于 TDengine 數據結構以及 SQL 命令參見 TAOS SQL：

use test;
CREATE TABLE sensor_data (
  ts timestamp,
  temperature float,
  humidity float,
  volume float,
  PM10 float,
  pm25 float,
  SO2 float,
  NO2 float,
  CO float,
  sensor_id NCHAR(255), 
  area TINYINT,
  coll_time timestamp
);

配置 EMQ X 規則引擎

打開 EMQ X Dashboared，進入 規則引擎 -> 規則 頁面，點擊 創建 按鈕進入創建頁面。

規則 SQL

規則 SQL 用于 EMQ X 消息以及事件篩選，以下 SQL 表示從 sensor/data 主題篩選出 payload 數據：

SELECT
  payload
FROM
  "sensor/data"

使用 SQL 測試功能 ，輸入測試數據進行篩選結果測試，測試有結果且輸出內容如下，標明 SQL 編寫正確：

{
  "payload": "{\"temperature\":30,\"humidity\":20,\"volume\":44.5,\"PM10\":23,\"pm2.5\":61,\"SO2\":14,\"NO2\":4,\"CO\":5,\"id\":\"10-c6-1f-1a-1f-47\",\"area\":1,\"ts\":1596157444170}"
}

響應動作

為支持各種不同類型平臺的開發，TDengine 提供符合 REST 設計標準的 API。通過 RESTful Connector 提供了最簡單的連接方式，即使用 HTTP 請求攜帶認證信息與要執行的 SQL 操作 TDengine。

使用 EMQ X 開源版中的 發送到 Web 服務 即可通過 RESTful Connector 寫入數據到 TDengine。即將到來的 EMQ X 企業版 4.1.1 版本將提供原生更高性能的寫入 Connector。

發送到 Web 服務需要兩個數據，一個是關聯資源，另一個是消息內容模板。

• 關聯資源：HTTP 服務器配置信息，此處為 TDengine 的 RESTful Connector

• 消息內容模板：此處為攜帶數據的 INSERT SQL，注意我們應當在 SQL 中指定數據庫名，字符類型也要用單引號括起來， 消息內容模板為：

INSERT INTO test.sensor_data VALUES(
  now,
  ${payload.temperature},
  ${payload.humidity},
  ${payload.volume},
  ${payload.PM10},
  ${payload.pm25},
  ${payload.SO2},
  ${payload.NO2},
  ${payload.CO},
  '${payload.id}',
  ${payload.area},
  ${payload.ts}
)

創建過程

點擊響應動作下的 添加 按鈕，在彈出框內選擇 發送數據到 Web 服務，點擊 新建資源 新建一個 WebHook 資源。

資源類型選擇 Webhook，請求 URL 填寫 http://127.0.0.1:6041/rest/sql，請求方法選擇 POST， 還需添加 Authorization 請求頭作為認證信息 。

Authorization 的值為 Basic + TDengine 的 {username}:{password} 經過 Base64 編碼之后的字符串, 例如 root:taosdata 編碼后實際填入的值為：Basic cm9vdDp0YW9zZGF0YQ==

在響應動作創建頁面選擇新建的資源，并填入消息模板內容即可。

生成模擬數據

以下腳本模擬了 10000 個設備在過去 24 小時內、每隔 5 秒鐘上報一條模擬數據并發送到 EMQ X 的場景。

• 總數據量： 24 * 3600 / 5 * 100 = 172 萬條

• 消息 TPS： 20

讀者安裝 Node.js ，按需修改配置參數后可以通過以下命令啟動：

npm install mqtt mockjs --save --registry=https://registry.npm.taobao.org
node mock.js

附：模擬生成數據并發送到 EMQ X 代碼，請根據集群性能調整相關參數

// mock.js
const mqtt = require('mqtt')
const Mock = require('mockjs')

const EMQX_SERVER = 'mqtt://localhost:1883'
const CLIENT_NUM = 100
const STEP = 5000 // 模擬采集時間間隔 ms
const AWAIT = 5000 // 每次發送完后休眠時間，防止消息速率過快 ms
const CLIENT_POOL = []

startMock()


function sleep(timer = 100) {
  return new Promise(resolve => {
    setTimeout(resolve, timer)
  })
}

async function startMock() {
  const now = Date.now()
  for (let i = 0; i < CLIENT_NUM; i++) {
    const client = await createClient(`mock_client_${i}`)
    CLIENT_POOL.push(client)
  }
  // last 24h every 5s
  const last = 24 * 3600 * 1000
  for (let ts = now - last; ts <= now; ts += STEP) {
    for (const client of CLIENT_POOL) {
      const mockData = generateMockData()
      const data = {
        ...mockData,
        id: client.options.clientId,
        ts,
      }
      client.publish('sensor/data', JSON.stringify(data))
    }
    const dateStr = new Date(ts).toLocaleTimeString()
    console.log(`${dateStr} send success.`)
    await sleep(AWAIT)
  }
  console.log(`Done, use ${(Date.now() - now) / 1000}s`)
}

/**
 * Init a virtual mqtt client
 * @param {string} clientId ClientID
 */
function createClient(clientId) {
  return new Promise((resolve, reject) => {
    const client = mqtt.connect(EMQX_SERVER, {
      clientId,
    })
    client.on('connect', () => {
      console.log(`client ${clientId} connected`)
      resolve(client)
    })
    client.on('reconnect', () => {
      console.log('reconnect')
    })
    client.on('error', (e) => {
      console.error(e)
      reject(e)
    })
  })
}

/**
* Generate mock data
*/
function generateMockData() {
 return {
   "temperature": parseFloat(Mock.Random.float(22, 100).toFixed(2)),
   "humidity": parseFloat(Mock.Random.float(12, 86).toFixed(2)),
   "volume": parseFloat(Mock.Random.float(20, 200).toFixed(2)),
   "PM10": parseFloat(Mock.Random.float(0, 300).toFixed(2)),
   "pm25": parseFloat(Mock.Random.float(0, 300).toFixed(2)),
   "SO2": parseFloat(Mock.Random.float(0, 50).toFixed(2)),
   "NO2": parseFloat(Mock.Random.float(0, 50).toFixed(2)),
   "CO": parseFloat(Mock.Random.float(0, 50).toFixed(2)),
   "area": Mock.Random.integer(0, 20),
   "ts": 1596157444170,
 }
}

可視化配置

組件安裝完成，模擬數據寫入成功后，按照 Grafana 可視化界面的操作指引，完成業務所需數據可視化配置。

添加數據源(Add data source)

Grafana 的 TDengine 數據源需要手動安裝插件，具體安裝范式以 TDengine 文檔為準。

添加數據源，即顯示的數據源信息。選取 TDengine 類型數據源，輸入連接參數進行配置，默認情況下，關鍵配置信息如下：

添加儀表盤(New Dashboard)

在 EMQ X Sample 倉庫獲取Grafana 儀表盤導出文件導入即可查看圖表示例。

添加好數據源后，添加需要顯示的數據儀表盤信息。儀表盤為多個可視化面板的集合，點擊 New Dashboard 后，選擇 + Query 通過查詢來添加數據面板。

創建面板需要四個步驟，分別是 Queries(查詢) 、 Visualization(可視化) 、 General(圖表配置) 、 Alert(告警) ，創建時間

平均值面板

使用 Grafana 的可視化查詢構建工具，查詢出所有設備的平均值。

以下 SQL 按照指定時間段（$form $to）、指定時間間隔($interval)，查詢出數據中關鍵指標的平均值：

select avg(temperature), avg(humidity), avg(volume), avg(PM10), avg(pm25), avg(SO2), avg(NO2), avg(CO)  from test.sensor_data where coll_time >= $from and coll_time < $to interval($interval)

Visualization 默認不做更改， General 里面修改面板名稱為 歷史平均值，如果需要對業務進行監控告警，可以在 Alert 里編排告警規則，此處僅做可視化展示，不使用此功能。

完成創建后，點擊左上角返回按鈕，該 Dashboard 里成功添加一個數據面板。點擊頂部導航欄 保存 圖標，輸入 Dashboard 名稱完成 Dashboard 的創建。

最大值、最小值面板

繼續點擊 Dashboard 的 Add panel 按鈕，添加最大值、最小值圖表。操作步驟同添加平均值，僅對查詢中 SELECT 統計方法字段做出調整，調整為 AVG 函數為 MAX 與 MIN：

select max(temperature), max(humidity), max(volume), max(PM10), max(pm25), max(SO2), max(NO2), max(CO), min(temperature), min(humidity), min(volume), min(PM10), min(pm25), min(SO2), min(NO2), min(CO)  from test.sensor_data where coll_time >= $from and coll_time < $to interval($interval)

儀表盤效果

保存儀表盤，拖拽調整每個數據面板大小、位置，最終得到一個視覺效果較好的數據儀表盤。儀表盤右上角可以選擇時間區間、自動刷新時間，此時設備持續發送數據采集數據，儀表盤數據值會有所變動，實現了比較好的可視化效果。

FAQ

Q: 為什么 Grafana 中沒有圖標數據？

• 請拖動時間范圍，檢查、確保所選時段內有數據

Q: EMQ X 開源版和 EMQ X 企業版寫入 TDengine 功能上有什么區別？

• 開源版使用 Webhook + TDengine RESTful Connector，兩邊都有一定的性能損耗，最大寫入速度約為 700 條/秒

• 企業版使用 EMQ X 原生插件，能夠做到 20,000 條/秒寫入

Q: 規則執行了，但是寫入不了數據？

• 請檢查認證信息是否配置正確，請求頭、連接地址、端口等信息是否匹配 TDengin 版本

總結

至此我們借助 EMQ X + TDengine 完成了物聯網數據傳輸、存儲、展現整個流程的系統搭建，讀者可以了解到 EMQ X 豐富的拓展能力與 TDengine 完備的大數據平臺特性在物聯網數據采集中的應用。深入學習掌握 Grafana 的其他功能后，用戶可以定制出更完善的數據可視化乃至監控告警系統。

感謝各位的閱讀，以上就是“EMQ X+TDengine怎么搭建MQTT物聯網可視化平臺”的內容了，經過本文的學習后，相信大家對EMQ X+TDengine怎么搭建MQTT物聯網可視化平臺這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！