当前位置：首页 > news >正文

基于MQTT与Docker的物联网数据采集与可视化实战

news 2026/6/1 21:19:08

1. 项目概述：从物理感知到数据流动的实践

几年前，我在家里布置了几个传感器，初衷很简单：想知道有没有人进出我的房间。一开始，我用杜邦线直接把传感器接到我的主力电脑上，代码一跑，数据就在终端里跳出来了。但很快我就发现了问题——我的电脑被“栓”在了房间角落，想抱着笔记本去客厅或者书房工作一会儿都成了奢望。更麻烦的是，如果我想在客厅或者厨房也加装传感器，难道要拉一屋子飞线，或者给每个房间都配一台电脑吗？这显然不是个可持续的方案。

这个小小的不便，恰恰是很多物联网（IoT）项目从原型走向实用化时遇到的第一道坎：数据采集端与数据处理端的解耦。我们需要一种方式，让分布在各个角落的传感器能独立、可靠地把数据“报告”上来，而中央处理单元（比如我的电脑）可以自由移动，甚至可以是云端的一台虚拟机。这时，MQTT协议进入了我的视野。它是一种基于发布/订阅模式的轻量级消息传输协议，专为网络带宽有限、设备资源受限的物联网场景设计。传感器作为“发布者”，只需要将数据扔到指定的“主题”（Topic）上；而我的电脑作为“订阅者”，只需要订阅这个主题，就能收到所有消息。双方无需知道对方的具体位置或状态，实现了彻底的松耦合。

为了搭建这个通信桥梁，我选择了Solace PubSub+作为消息代理（Broker）。你可以把它理解为一个“邮局”或者“消息交换机”。所有设备（Raspberry Pi）都把消息寄到这个邮局，并写明收件人地址（主题）；而需要处理消息的应用（如运行在我电脑上的数据看板）则到邮局登记订阅这个地址。邮局负责可靠地中转所有信件。为了让整个环境干净、易于管理，我使用Docker将 Solace 和后续的数据处理流程（如Node-RED流编排、InfluxDB时序数据库、Grafana可视化）全部容器化。最终，Raspberry Pi 负责采集物理世界的数据（比如人体移动），通过 MQTT 协议发布到 Solace Broker，再由 Node-RED 接收、处理，并存入数据库用于持久化和可视化。

这套方案的核心价值在于其模块化和可扩展性。无论你是想监测房间的温湿度、检测门窗开关状态，还是像我做人体感应，其数据流的骨架是一致的。你可以轻易地复制出第二个、第三个 Raspberry Pi 节点，只需将其配置为向同一个 Broker 发布数据即可，中央处理系统无需做任何改动。这对于智能家居、环境监测、工业传感等场景来说，是一个坚实且优雅的基础架构。

2. 核心架构与工具选型解析

在动手接线写代码之前，理清整个系统的架构和为什么选择这些工具，能避免后期很多不必要的折腾。整个系统的数据流可以清晰地分为三层：感知层、传输层、应用层。

感知层的核心是 Raspberry Pi 及其连接的传感器。我选择 Raspberry Pi（树莓派）的原因很直接：它是一台完整的、可运行 Linux 的微型电脑，拥有丰富的 GPIO（通用输入输出）接口，可以直接连接各种电子传感器，同时具备网络连接能力。相比单纯的单片机（如 Arduino），它的优势在于可以直接运行 Python、Node.js 等高级语言程序，处理复杂的网络通信协议（如 MQTT 客户端库）轻而易举，免去了在单片机上移植 TCP/IP 协议栈的麻烦。

传输层的核心是 MQTT 协议和 Solace PubSub+ Broker。为什么是 MQTT 而不是 HTTP 或 WebSocket？

轻量级：MQTT 协议头很小，最小消息仅需 2 字节，非常适合传感器这种可能使用蜂窝网络（流量贵、延迟高）或电池供电（需要节能）的场景。
异步发布/订阅：传感器（发布者）发送数据后无需等待响应，立即进入休眠以省电。处理程序（订阅者）即使暂时离线，Broker 也可以为其保留消息（需配置 QoS 等级），待其上线后重新推送，保证了消息的可靠交付。
一对多通信：一个传感器数据可以被多个后端应用同时订阅。例如，同一个移动传感器数据可以同时触发告警、更新数据库、并刷新前端仪表盘。

而选择Solace PubSub+作为 Broker，一方面是它的社区版功能足够强大且免费，支持标准的 MQTT 3.1.1/5.0 协议；另一方面，它作为企业级消息中间件，提供了高吞吐、低延迟的特性，并且其 Docker 镜像部署极其简单。当然，你也可以选择更轻量的Mosquitto或云服务商提供的 MQTT Broker（如 EMQX Cloud, AWS IoT Core），但 Solace 在功能完整性和部署简便性上取得了很好的平衡。

应用层我使用了Node-RED、InfluxDB和Grafana的组合。这是一个在物联网领域非常流行的“铁三角”。

Node-RED：一个基于流的低代码编程工具。用它可以像搭积木一样，通过拖拽节点并连线，快速构建出数据接收、过滤、转换、分发的逻辑。对于快速原型和中小型项目来说，它比从头编写后端服务高效得多。
InfluxDB：一个专门为时间序列数据（如传感器读数）优化的数据库。它写入速度快，压缩效率高，并且提供了强大的时间范围查询函数，非常适合存储“时间戳-值”这样的数据对。
Grafana：一个功能强大的数据可视化平台。它可以轻松地从 InfluxDB 中读取数据，绘制出实时曲线图、仪表盘、统计面板等，让我们能直观地观察数据变化趋势。

最后，Docker是整个系统的“粘合剂”和“保险箱”。它将每个服务（Solace, Node-RED, InfluxDB, Grafana）封装在独立的容器中，彼此隔离。

注意：使用 Docker 的最大好处是环境一致性和可移植性。你在一台机器上配好的整套服务，可以轻易地通过docker-compose.yml文件在另一台机器上原样复现，完全不用担心操作系统差异、依赖库冲突等问题。如果某个容器崩溃了，重启它也不会影响其他服务。

3. 基础环境搭建：虚拟机与Docker部署

我的主力机是 Windows，虽然 Docker Desktop for Windows 已经很好用，但在处理网络桥接和端口暴露时，有时会遇到一些棘手的兼容性问题。为了让 Raspberry Pi（在家庭局域网内）能稳定地访问到运行在主机上的 Docker 服务，我决定引入一个中间层：虚拟机。这样，所有服务都部署在一个独立的 Linux 虚拟机中，虚拟机的网络模式可以灵活配置，完美解决了跨设备通信的问题。

3.1 创建Linux虚拟机

我选择了VirtualBox作为虚拟机软件，因为它免费、开源且功能全面。客户机操作系统我推荐Ubuntu Server LTS版本，它没有图形界面，更轻量，通过 SSH 管理即可，非常适合作为服务器环境。

下载与安装：从 Ubuntu 官网下载最新的 Server LTS 镜像。在 VirtualBox 中创建新虚拟机，类型选 Linux，版本选 Ubuntu (64-bit)。内存分配建议至少 2GB，硬盘空间 20GB 以上。在存储设置中，加载下载好的 Ubuntu ISO 文件作为启动盘。
系统安装：启动虚拟机，跟随安装向导。关键步骤包括配置键盘布局、设置主机名（如iot-gateway）、创建用户（避免一直用 root）。在软件选择界面，只需勾选 “OpenSSH server”，这样安装完成后就可以从主机通过 SSH 连接了，无需在 VirtualBox 界面里操作，更方便。
网络配置（关键步骤）：安装完成后，关闭虚拟机。进入虚拟机设置 -> 网络。这里我推荐使用“桥接网卡”模式。在这种模式下，虚拟机会从你的家庭路由器获取一个独立的 IP 地址，就像一台真实的新设备接入了你的局域网。这样，你的 Raspberry Pi 和主机都能通过这个 IP 直接访问虚拟机内的服务。
- 适配器类型通常选择 “Intel PRO/1000 MT 桌面” 即可，兼容性好。
- 确保 “混杂模式” 设置为 “允许全部”。

实操心得：如果桥接模式遇到问题（例如无法获取IP），可以尝试先使用 “网络地址转换（NAT）” 模式安装系统并更新，然后再在虚拟机设置里添加第二块网卡，设置为 “仅主机（Host-Only）网络”，并在 Ubuntu 内配置静态IP。这种方式下，主机和虚拟机互通，但 Raspberry Pi 需要通过主机的端口转发才能访问虚拟机服务，稍复杂一些。

3.2 在虚拟机中安装Docker

通过 SSH 连接到你的 Ubuntu 虚拟机（命令如ssh youruser@虚拟机IP），然后执行以下命令安装 Docker。

# 1. 更新软件包索引并安装必要工具 sudo apt update sudo apt install -y apt-transport-https ca-certificates curl software-properties-common # 2. 添加 Docker 的官方 GPG 密钥和软件源 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 3. 安装 Docker 引擎 sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io # 4. 验证安装 sudo docker run hello-world

如果看到 “Hello from Docker!” 的信息，说明安装成功。

为了方便，我们通常希望非 root 用户也能直接运行docker命令，并且让 Docker 服务开机自启。

# 将当前用户加入 docker 用户组 sudo usermod -aG docker $USER # 重启 Docker 服务 sudo systemctl restart docker # 设置 Docker 开机自启 sudo systemctl enable docker

执行完usermod命令后，你需要完全退出当前 SSH 会话，然后重新登录，用户组变更才会生效。之后运行docker ps就不需要sudo了。

3.3 部署核心服务容器

我们将使用docker run命令来启动三个核心容器：Solace PubSub+ Broker, Node-RED, InfluxDB 和 Grafana。为了管理方便，我们可以创建一个docker-compose.yml文件，但为了理解每个参数的含义，我们先分开运行。

1. 启动 Solace PubSub+ 标准版容器Solace 的官方镜像比较大（约1GB），下载需要一些时间。

docker run -d \ -p 1883:1883 \ -p 8080:8080 \ -p 8008:8008 \ -p 9000:9000 \ --shm-size=2g \ --env username_admin_globalaccesslevel=admin \ --env username_admin_password=admin \ --name solace \ solace/solace-pubsub-standard

参数解析：

-d：后台运行。
-p 主机端口:容器端口：端口映射。1883是 MQTT 协议默认端口，必须暴露。8080是 Solace 的 Web 管理界面（SEMP）端口，8008是监控界面端口，9000是用于客户端连接的 WebSocket 端口。
--shm-size=2g：共享内存大小，Solace 需要较大的共享内存来保证性能。
--env：设置环境变量。这里设置了默认的管理员用户名和密码（均为admin），在生产环境中务必修改！
--name solace：给容器起个名字，方便后续管理。

2. 启动 Node-RED 容器

docker run -d \ -p 1880:1880 \ -v node_red_data:/data \ --name mynodered \ nodered/node-red

-p 1880:1880：Node-RED 的流编辑界面默认运行在 1880 端口。
-v node_red_data:/data：将容器内的/data目录挂载到 Docker 管理的名为node_red_data的卷（Volume）上。这样，你创建的流、安装的节点包都会持久化保存，即使容器被删除重建，数据也不会丢失。

3. 启动 InfluxDB 2.x 容器

docker run -d \ -p 8086:8086 \ -v influxdb2_data:/var/lib/influxdb2 \ -e DOCKER_INFLUXDB_INIT_MODE=setup \ -e DOCKER_INFLUXDB_INIT_USERNAME=admin \ -e DOCKER_INFLUXDB_INIT_PASSWORD=your_secure_password \ -e DOCKER_INFLUXDB_INIT_ORG=my-org \ -e DOCKER_INFLUXDB_INIT_BUCKET=my-bucket \ -e DOCKER_INFLUXDB_INIT_ADMIN_TOKEN=my-super-secret-auth-token \ --name influxdb \ influxdb:2

环境变量用于初始设置：用户名、密码、组织、存储桶（Bucket）和管理员令牌。请务必替换your_secure_password和my-super-secret-auth-token为强密码和令牌。

4. 启动 Grafana 容器

docker run -d \ -p 3000:3000 \ -v grafana_data:/var/lib/grafana \ --name=grafana \ grafana/grafana-enterprise

-p 3000:3000：Grafana 的 Web 界面运行在 3000 端口。
默认登录账号密码为admin/admin，首次登录会要求修改。

启动后，你可以在浏览器中访问以下服务（将<虚拟机IP>替换为你的 Ubuntu 虚拟机 IP）：

Solace 管理界面：http://<虚拟机IP>:8080
Node-RED：http://<虚拟机IP>:1880
InfluxDB：http://<虚拟机IP>:8086
Grafana：http://<虚拟机IP>:3000

4. Raspberry Pi端：传感器连接与数据发布

现在，我们把目光转向数据采集端。我使用的传感器是HC-SR04 超声波测距模块。它不仅能检测前方是否有物体（可用于人体感应），还能精确测量距离，比单纯的人体红外（PIR）传感器提供更多信息。当然，你可以根据需求替换为 DHT11/DHT22（温湿度）、MQ-2（烟雾）等任何兼容 3.3V/5V 的传感器。

4.1 硬件连接与电路原理

HC-SR04 有四个引脚：VCC（电源）、Trig（触发）、Echo（回响）、GND（地）。Raspberry Pi 的 GPIO 引脚工作电压是3.3V，而 HC-SR04 的 Echo 引脚输出是5V电平。直接连接可能会损坏树莓派的 GPIO 芯片！因此，我们需要一个简单的电平转换电路，通常使用两个电阻进行分压。

安全连接方案（分压电路）：

VCC-> 连接到 Raspberry Pi 的5V引脚（如物理引脚 2 或 4）。
GND-> 连接到 Raspberry Pi 的GND引脚（如物理引脚 6）。
Trig-> 连接到 Raspberry Pi 的任意GPIO引脚（如 GPIO23，物理引脚 16），并设置为输出模式。
Echo-> 这是关键。先串联一个1kΩ电阻，再连接到 Raspberry Pi 的 GPIO 引脚（如 GPIO24，物理引脚 18）。然后，从该 GPIO 引脚处，连接一个2kΩ电阻到 GND。这样就构成了一个分压器，将 5V 信号降至约 3.3V (5V * (2k/(1k+2k)) ≈ 3.33V)。

重要提示：务必在通电前仔细检查连线。错误的电压是损坏树莓派的最常见原因。如果不确定，可以先使用面包板和杜邦线进行测试。网上也有现成的 HC-SR04 模块，其 Echo 引脚已内置分压电路，可直接连接 3.3V 系统，购买时请注意甄别。

4.2 软件环境与Python脚本

在 Raspberry Pi 上，我们使用 Python 来读取传感器数据并发布 MQTT 消息。首先确保系统已更新，并安装必要的库。

# 更新系统 sudo apt update sudo apt upgrade -y # 安装 Python3 和 pip（如果尚未安装） sudo apt install -y python3 python3-pip # 安装 GPIO 控制库和 MQTT 客户端库 sudo pip3 install RPi.GPIO paho-mqtt

接下来是核心的 Python 脚本sensor_mqtt.py。这个脚本会持续读取超声波传感器数据，并通过 MQTT 发布到 Solace Broker。

#!/usr/bin/env python3 import RPi.GPIO as GPIO import time import json import paho.mqtt.client as mqtt # ===== 配置区域 ===== # GPIO 引脚定义 (BCM 编号) TRIG_PIN = 23 ECHO_PIN = 24 # MQTT 配置 BROKER_IP = "192.168.1.100" # 替换为你的虚拟机 IP 地址 BROKER_PORT = 1883 MQTT_TOPIC = "home/room1/ultrasonic" CLIENT_ID = "raspberrypi_sensor_01" # ==================== # 初始化 GPIO GPIO.setmode(GPIO.BCM) GPIO.setup(TRIG_PIN, GPIO.OUT) GPIO.setup(ECHO_PIN, GPIO.IN) GPIO.output(TRIG_PIN, False) time.sleep(0.5) # 让传感器稳定一下 # 初始化 MQTT 客户端 client = mqtt.Client(client_id=CLIENT_ID, protocol=mqtt.MQTTv311) # 如果 Broker 需要用户名密码，在此处添加 # client.username_pw_set("username", "password") def measure_distance(): """测量一次距离，返回厘米值。如果超时或错误，返回 None。""" # 发送10us的高电平脉冲触发测距 GPIO.output(TRIG_PIN, True) time.sleep(0.00001) # 10微秒 GPIO.output(TRIG_PIN, False) pulse_start = time.time() pulse_end = time.time() # 等待 Echo 引脚变为高电平（开始接收回波） timeout_start = time.time() while GPIO.input(ECHO_PIN) == 0: pulse_start = time.time() if pulse_start - timeout_start > 0.1: # 100ms 超时 return None # 等待 Echo 引脚变为低电平（回波结束） timeout_start = time.time() while GPIO.input(ECHO_PIN) == 1: pulse_end = time.time() if pulse_end - timeout_start > 0.1: # 100ms 超时 return None # 计算声波往返时间 pulse_duration = pulse_end - pulse_start # 声速约 34300 cm/s，距离 = (时间 * 声速) / 2 distance = (pulse_duration * 34300) / 2 # 有效测距范围通常在 2cm - 400cm if 2 < distance < 400: return round(distance, 2) else: return None def on_connect(client, userdata, flags, rc): """MQTT 连接回调函数""" if rc == 0: print(f"成功连接到 MQTT Broker: {BROKER_IP}") else: print(f"连接失败，返回码: {rc}") def main(): # 连接 MQTT Broker client.on_connect = on_connect try: client.connect(BROKER_IP, BROKER_PORT, 60) client.loop_start() # 启动网络循环线程 except Exception as e: print(f"无法连接到 Broker: {e}") return print("传感器数据采集开始，按 Ctrl+C 停止...") try: while True: dist = measure_distance() timestamp = time.time() if dist is not None: # 构造 JSON 格式的消息体 payload = { "sensor_id": CLIENT_ID, "distance_cm": dist, "timestamp": timestamp, "location": "room1" } msg = json.dumps(payload) # 发布消息，QoS=1 确保至少送达一次 result = client.publish(MQTT_TOPIC, msg, qos=1) status = result.rc if status == mqtt.MQTT_ERR_SUCCESS: print(f"[已发送] 距离: {dist} cm, Topic: {MQTT_TOPIC}") else: print(f"[发送失败] 错误码: {status}") else: print("测量无效，跳过本次发布。") time.sleep(2) # 每2秒采集一次 except KeyboardInterrupt: print("\n程序被用户中断。") finally: client.loop_stop() client.disconnect() GPIO.cleanup() print("资源已清理，程序退出。") if __name__ == "__main__": main()

脚本关键点解析：

JSON 格式：消息体使用 JSON 格式，结构化数据便于后续处理。包含了传感器ID、测量值、时间戳和位置信息。
QoS 等级：client.publish(..., qos=1)设置了服务质量等级为 1。这意味着 Broker 必须确认收到消息，否则发送方会重试。这比 QoS 0（最多一次，可能丢失）更可靠，又比 QoS 2（确保只有一次，开销大）更轻量，是物联网数据采集的常用选择。
错误处理：包含了连接失败、测量超时等基本错误处理。
资源清理：在程序退出时（无论是正常结束还是被 Ctrl+C 中断），都会执行GPIO.cleanup()和 MQTT 断开连接，这是一个好习惯。

将脚本保存后，赋予执行权限并运行：chmod +x sensor_mqtt.py，然后python3 sensor_mqtt.py。如果一切正常，你应该能在终端看到数据发送成功的提示。

5. 数据流编排与可视化：Node-RED实战

当 Raspberry Pi 开始源源不断地发送数据后，我们需要在“中央处理机”（虚拟机）上接收并处理它们。Node-RED 的图形化流编排界面让这个工作变得异常简单。

5.1 配置MQTT输入与数据解析

打开浏览器，访问http://<虚拟机IP>:1880，进入 Node-RED 编辑器。
从左侧节点面板的 “network” 分类中，拖拽一个mqtt in节点到工作区。
双击该节点进行配置。
- Server：点击右侧铅笔图标，添加一个新的 MQTT Broker 连接。
- 在连接配置中，“Server” 填写localhost（因为 Node-RED 和 Solace 运行在同一台虚拟机上），端口1883。如果 Solace 设置了用户名密码，在此处填写。
- Topic：填写 Raspberry Pi 发布消息的 Topic，即home/room1/ultrasonic。你可以使用+或#通配符来订阅多个主题，例如home/+/ultrasonic可以订阅所有房间的超声波传感器。
- QoS：设置为 1，与发布端匹配。
- Output：选择 “a parsed JSON object”，这样 Node-RED 会自动将接收到的 JSON 字符串转换为 JavaScript 对象，方便后续节点直接使用msg.payload.distance_cm这样的方式访问数据。
点击 “Done” 保存。

5.2 将数据存入InfluxDB

我们需要将接收到的时序数据持久化存储，以便历史查询和趋势分析。

首先，确保左侧节点面板有 “storage” 分类下的influxdb out节点。如果没有，需要安装。点击右上角菜单 -> “Manage palette” -> “Install”，搜索node-red-contrib-influxdb并安装。
拖拽一个influxdb out节点到工作区，并将其连接到mqtt in节点之后。
双击influxdb out节点进行配置。
- Server：点击铅笔图标添加 InfluxDB 2.x 服务器。
- Version：选择 “2.x”。
- URL：http://localhost:8086（InfluxDB 容器端口）。
- Token：填入你在启动 InfluxDB 容器时设置的DOCKER_INFLUXDB_INIT_ADMIN_TOKEN（即my-super-secret-auth-token）。
- Organization：填入my-org。
- Bucket：填入my-bucket。
- Measurement：这是 InfluxDB 中的表名，可以填写sensor_distance。
- 在 “Data” 标签页下，我们需要定义如何将msg.payload映射到 InfluxDB 的数据点（Point）。
  - Tags：标签，用于索引和分组。我们可以添加sensor_id和location。值可以设置为msg.payload.sensor_id和msg.payload.location。
  - Fields：字段，即实际的测量值。添加一个字段，名称value，值设置为msg.payload.distance_cm。类型选择float。
  - Timestamp：时间戳。设置为msg.payload.timestamp，并选择单位为seconds。
点击 “Done” 保存。

5.3 创建简单的实时仪表盘

在数据存入数据库的同时，我们也可以创建一个简单的实时监视界面。

从左侧 “dashboard” 分类（需安装node-red-dashboard节点包）拖拽一个chart节点到工作区。
将其连接到mqtt in节点之后（与 influxdb out 节点并联）。
双击chart节点配置。
- Group：创建一个新的 Dashboard 分组，例如 “Room Monitor”。
- Size：选择图表大小，例如6x3。
- Label：设置为 “Room1 Distance”。
- 在 “Series” 标签页，添加一个序列，其值设置为msg.payload.distance_cm。
点击右上角的Deploy按钮，部署这个流。
现在，你可以访问http://<虚拟机IP>:1880/ui来查看这个简单的实时图表了。

5.4 添加简单的逻辑判断

我们可以让 Node-RED 做一些简单的智能判断。例如，当检测到距离小于 50cm（假设有人靠近）时，发送一个通知。

拖拽一个switch节点（在 “function” 分类下）到工作区，放在mqtt in节点之后。
配置switch节点：添加一条规则，属性为msg.payload.distance_cm，操作符<，值50。
拖拽一个change节点，连接到switch节点的第一条输出（即条件满足时）。
配置change节点：将msg.payload设置为一个告警文本，例如{"alert": "Someone is approaching in room1!", "distance": msg.payload.distance_cm}。
你可以再连接一个debug节点来在侧边栏输出这个告警，或者连接一个email节点（需配置）来发送邮件通知。

至此，一个从数据采集、传输、处理到存储、可视化的完整链路就搭建完成了。你的 Node-RED 流看起来应该像一条有多个分支的管道，数据从 MQTT 节点流入，然后根据你的逻辑被复制、转换、存储和展示。

6. 高级配置与生产环境考量

当原型跑通，考虑将其用于更严肃的场景或部署到生产环境时，有几个关键方面需要加强。

6.1 安全性加固

目前的配置使用了默认密码和令牌，这在互联网上是极其危险的。必须进行加固。

修改 Solace 默认密码：
- 登录 Solace 管理界面 (http://<虚拟机IP>:8080)，用户名密码admin/admin。
- 进入 “Manage” -> “Users” -> “admin” 用户，点击编辑，修改密码。同时，考虑创建一个专属的、权限受限的 MQTT 客户端用户，而不是一直使用 admin。
修改 InfluxDB 令牌：在 InfluxDB 界面 (http://<虚拟机IP>:8086) 中，使用初始令牌登录后，立即生成一个新的、具有特定权限（例如只对my-bucket有读写权）的令牌，并在 Node-RED 配置中更新它。禁用或删除初始的管理员令牌。
使用 TLS/SSL 加密 MQTT 通信：在公网或不可信网络环境中，明文传输的 MQTT 消息可能被窃听。Solace 支持 MQTT over TLS (端口 8883)。你需要为 Solace 配置 SSL 证书，并在 Raspberry Pi 的 Python 客户端中，修改连接代码，指定 CA 证书路径。
```
client.tls_set(ca_certs="/path/to/ca.crt") # 设置CA证书 client.connect(BROKER_IP, 8883, 60) # 连接端口改为8883
```
防火墙与端口管理：在虚拟机或宿主机防火墙中，只开放必要的端口（如 1883, 8080, 3000），并对来源 IP 进行限制（如果可能）。例如，可以设置只有家庭局域网 IP 段才能访问 1883 端口。

6.2 可靠性提升

MQTT 客户端持久会话与遗嘱消息：
- 在 Raspberry Pi 的 Python 客户端中，创建 Client 时可以设置clean_session=False。这样，如果客户端意外断开，Broker 会为其保留订阅和未确认的 QoS 1/2 消息，待其重连后下发。
- 设置遗嘱消息（Last Will）：client.will_set(MQTT_TOPIC + “/status”, payload=”offline”, qos=1, retain=True)。这样当客户端非正常断开时，Broker 会自动发布一条“离线”消息到指定主题，通知其他订阅者。
数据缓冲与重试：在 Raspberry Pi 上，可以考虑使用像paho-mqtt库的loop_forever()自动重连机制，并在网络中断时，将数据临时缓存到本地文件或轻量级数据库（如 SQLite）中，待网络恢复后重新发布。

使用 Docker Compose 管理服务：创建docker-compose.yml文件来定义所有服务（Solace, Node-RED, InfluxDB, Grafana），并配置重启策略restart: unless-stopped。这样当虚拟机重启或容器意外退出时，所有服务会自动重新启动。

version: '3.8' services: solace: image: solace/solace-pubsub-standard container_name: solace ports: - "1883:1883" - "8080:8080" # ... 其他配置 restart: unless-stopped nodered: image: nodered/node-red container_name: nodered ports: - "1880:1880" volumes: - node_red_data:/data restart: unless-stopped # ... 定义其他服务及 volumes

启动只需一句命令：docker-compose up -d。

6.3 扩展性与维护

多传感器与主题规划：当有多个传感器时，设计清晰的 MQTT 主题结构至关重要。例如：
- home/groundfloor/livingroom/temperature
- home/groundfloor/kitchen/motion
- home/firstfloor/bedroom/humidity这种层次结构便于订阅（如home/groundfloor/#订阅整个一楼的数据）和权限管理。
数据下行（命令与控制）：目前是单向数据上传。你完全可以利用 MQTT 实现下行控制。例如，从 Node-RED 或手机 App 向主题home/room1/light/switch发布ON消息，Raspberry Pi 订阅该主题并控制一个继电器开关电灯。
监控与告警：利用 Grafana 的告警功能，可以设置当某个传感器数据超过阈值时，发送邮件、Slack 或钉钉通知。InfluxDB 本身也支持任务（Task）和检查（Check）来监控数据。

7. 常见问题与故障排查实录

在实际搭建和运行过程中，你几乎一定会遇到一些问题。下面是我踩过的一些坑和解决方法。

7.1 网络连接类问题

问题1：Raspberry Pi 无法连接到虚拟机上的 MQTT Broker (Connection Refused / Timeout)。

排查步骤：
1. 检查IP和端口：在 Raspberry Pi 上使用ping <虚拟机IP>测试网络连通性。再用telnet <虚拟机IP> 1883或nc -zv <虚拟机IP> 1883测试 1883 端口是否开放。如果命令未找到，安装telnet或netcat。
2. 检查防火墙：在 Ubuntu 虚拟机上，运行sudo ufw status查看防火墙状态。如果启用，需要放行端口：sudo ufw allow 1883/tcp。同样检查宿主机（Windows/Mac）的防火墙。
3. 检查 Docker 端口映射：在虚拟机上运行docker ps查看 Solace 容器是否运行，并确认0.0.0.0:1883->1883/tcp这样的映射存在。运行docker logs solace查看容器日志是否有错误。
4. 检查 VirtualBox 网络设置：确保虚拟机网络适配器是“桥接模式”，并且能正确获取到与 Raspberry Pi 同网段的 IP 地址。可以在虚拟机内运行ip addr查看。

问题2：Node-RED 无法连接本地 InfluxDB。

现象：InfluxDB out 节点显示 “Error: connect ECONNREFUSED 127.0.0.1:8086”。
原因：在 Docker 容器内，localhost或127.0.0.1指向容器自身，而不是宿主机。
解决：在 Node-RED 的 InfluxDB 服务器配置中，URL 不能填localhost:8086，而应填写宿主机的Docker 网关 IP。通常为172.17.0.1。可以在 Node-RED 容器内运行ip route | grep default查看。更可靠的方法是使用 Docker 的 internal DNS，如果服务在同一个docker-compose.yml中定义，可以直接使用服务名作为主机名，例如http://influxdb:8086。

7.2 数据流类问题

问题3：Node-RED 能收到 MQTT 消息，但 InfluxDB 没有数据。

排查步骤：
1. 检查 InfluxDB out 节点配置：确认 Organization, Bucket, Token 完全正确，尤其是 Token 需要有写入目标 Bucket 的权限。
2. 查看 Node-RED 调试信息：在 InfluxDB out 节点后连接一个debug节点，部署后查看侧边栏的 Debug 标签页，看是否有错误信息输出。
3. 直接查询 InfluxDB：在 InfluxDB 的数据浏览器 (http://<IP>:8086) 中，手动切换到正确的 Bucket，运行查询from(bucket: "my-bucket") |> range(start: -1h)，看是否有数据。
4. 检查时间戳：如果时间戳格式错误（比如是字符串而非数字），可能导致写入失败。确保msg.payload.timestamp是 Unix 时间戳（秒或毫秒数）。

问题4：Grafana 连接 InfluxDB 失败，提示 “Bad Request” 或 “401 Unauthorized”。

解决：在 Grafana 添加数据源时，确保：
- URL正确：http://influxdb:8086(同 Docker 网络) 或http://<虚拟机IP>:8086。
- Auth部分：选择 “With Credentials”，并填写正确的Token（具有该 Bucket 读取权限的 Token，不一定非要用管理员 Token）。
- InfluxDB Details：正确填写 Organization 和 Default Bucket。

7.3 Raspberry Pi 与传感器类问题

问题5：超声波传感器读数不稳定或总是返回超大/超小值。

原因：可能是电源干扰、声波反射面不理想、或 GPIO 时序问题。
解决：
1. 电源滤波：在传感器的 VCC 和 GND 之间并联一个 10uF 或 100uF 的电解电容，以稳定电源。
2. 多次测量取平均：修改 Python 脚本中的measure_distance()函数，连续测量 5 次，去掉最大最小值后取平均，能有效滤除偶然误差。
3. 检查物理连接：确保 Trig 和 Echo 引脚连接牢固，分压电阻值正确。
4. 增加测量间隔：两次测量之间留出足够时间（如代码中的time.sleep(2)），避免声波干扰。

问题6：Python 脚本报错ModuleNotFoundError: No module named 'RPi.GPIO'。

解决：确认你是在 Raspberry Pi 上运行，并且使用了pip3安装。有时需要安装开发包：sudo apt install -y python3-dev，然后重新安装：sudo pip3 install RPi.GPIO。

这套基于 Raspberry Pi、MQTT 和 Docker 生态的方案，其魅力在于将复杂的物联网系统分解为一个个职责清晰、易于理解和替换的模块。从最初被一根数据线困住，到如今可以在家中任何位置添加传感器，数据自动汇聚到中央看板，整个过程充满了从无到有搭建系统的乐趣和成就感。当你看到 Grafana 仪表盘上那条随着有人走过而跳动的曲线时，你会真切地感受到，物理世界和数字世界之间的那道墙，已经被你亲手打通了。

查看全文

http://www.rkmt.cn/news/1442915.html