当前位置:   article > 正文

EMQ X + TDengine + Grafana,搭建 IoT 物联网数据采集、存储、可视化平台

emqx tdengine grafana

物联网数据采集涉及到大量设备接入、海量的时序数据传输,EMQ X 消息中间件与 TDengine 涛思数据,搭配开源软件 Grafana 可以协助企业快速搭建 IoT 物联网数据采集,存储,可视化平台。

方案介绍


   EMQ X 简介

EMQ X(https://www.emqx.io/cn/) 是基于高并发的 Erlang/OTP 语言平台开发,支持百万级连接和分布式集群架构,发布订阅模式的开源 MQTT 消息服务器。EMQ X 内置了大量开箱即用的功能,其开源版 EMQ X Broker企业版 EMQ X Enterprise 均支持通过规则引擎将设备消息存储到 TDengine

   TDengine 是什么

TDengine 是涛思数据专为物联网、车联网、工业互联网、IT 运维等设计和优化的大数据平台。除核心的快 10 倍以上的时序数据库功能外,还提供缓存、数据订阅、流式计算等功能,最大程度减少研发和运维的复杂度,且核心代码,包括集群功能全部开源。

TDengine 提供社区版、企业版和云服务版,安装/使用教程详见 TDengine 使用文档 (https://www.taosdata.com/cn/documentation20)。

   Grafana 简介

Grafana 是一个跨平台、开源的度量分析和可视化工具,可以查询处理各类数据源中的数据,进行可视化的展示。它可以快速灵活创建的客户端图表,面板插件有许多不同方式的可视化指标和日志,官方库中具有丰富的仪表盘插件,比如热图、折线图、图表等多种展示方式;支持 Graphite,TDengine、InfluxDB,OpenTSDB,Prometheus,Elasticsearch,CloudWatch和 KairosDB 等数据源,支持数据项独立/混合查询展示;可以创建自定义告警规则并通知到其他消息处理服务或组件中。

业务场景


本文模拟物联网环境数据采集场景,假设现有一定数据的环境数据采集点,所有采集点数据均通过 MQTT 协议传输至采集平台(MQTT Publish),主题设计如下:

sensor/data

传感器发送的数据格式为 JSON,数据包括传感器采集的温度、湿度、噪声音量、PM10、PM2.5、二氧化硫、二氧化氮、一氧化碳、传感器 ID、区域、采集时间等数据。

  1. {
  2. "temperature": 30,
  3. "humidity" : 20,
  4. "volume": 44.5,
  5. "PM10": 23,
  6. "pm25": 61,
  7. "SO2": 14,
  8. "NO2": 4,
  9. "CO": 5,
  10. "id": "10-c6-1f-1a-1f-47",
  11. "area": 1,
  12. "ts": 1596157444170
  13. }

现在需要实时存储以便在后续任意时间查看数据,提出以下的需求:

  • 每个设备按照每 5 秒钟一次的频率进行数据上报,数据库需存储每条数据以供后续回溯分析;

  • 通过可视化系统查看任意区域、任意时间区间内的指标数据,如平均值、最大值、最小值。

环境准备


本文所用各个组件均有 Docker 镜像,除 EMQ X 需要修改少数配置为了便于操作使用下载安装外,TDengine 与 Grafana 均使用 Docker 搭建。

安装包资源与使用教程参照各自官网:

  • EMQ X:EMQ 官网 https://www.emqx.io

  • TDengine:涛思数据官网 https://www.taosdata.com/cn/

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

   安装 EMQ X

如果您是 EMQ X 新手用户,推荐通过 EMQ X 文档 (https://docs.emqx.io) 快速上手

访问 EMQ 官网 (https://www.emqx.io/downloads) 下载适合您操作系统的安装包,本文截稿时 EMQ X 开源版最新版本为 v4.1.2,下载 zip 包的启动步骤如下 :

  1. ## 解压下载好的安装包
  2. unzip emqx-macosx-v4.1.1.zip
  3. cd emqx
  4. ## 以 console 模式启动 EMQ X 方便调试
  5. ./bin/emqx console

启动成功后浏览器访问 http://127.0.0.1:18083 访问 EMQ X 管理控制台 Dashboard,使用 admin public 默认用户名密码完成初次登录。

   安装 TDengine

为了方便测试使用通过 Docker 进行安装(需映射网络端口),也可以使用安装包的方式进行安装:

  1. ## 拉取并启动容器
  2. docker run -d --name tdengine -p 6030-6041:6030-6041 tdengine/tdengine:latest
  3. ## 启动后检查容器运行状态
  4. docker ps -a

   Grafana 安装

使用以下命令通过 Docker 安装并启动 Grafana:

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

启动成功后浏览器访问 http://127.0.0.1:3000 访问 Grafana 可视化面板,使用 admin admin 默认用户名密码完成初次登录,登录后按照提示修改密码使用新密码登录进入主界面:

配置 EMQ X 存储数据到 TDengine


   TDengine 创建数据库与数据表

进入TDengine Docker 容器:

docker exec -it tdengine bash

创建 “test” 数据库:

  1. taos
  2. create database test;

创建 sensor_data 表,关于 TDengine 数据结构以及 SQL 命令参见 TAOS SQL (https://www.taosdata.com/cn/documentation20/taos-sql/#表管理) :

  1. use test;
  2. CREATE TABLE sensor_data (
  3. ts timestamp,
  4. temperature float,
  5. humidity float,
  6. volume float,
  7. PM10 float,
  8. pm25 float,
  9. SO2 float,
  10. NO2 float,
  11. CO float,
  12. sensor_id NCHAR(255),
  13. area TINYINT,
  14. coll_time timestamp
  15. );

   配置 EMQ X 规则引擎

打开 EMQ X Dashboared,进入 规则引擎 -> 规则 页面,点击 创建 按钮进入创建页面。

规则 SQL

规则 SQL 用于 EMQ X 消息以及事件筛选,以下 SQL 表示从 sensor/data 主题筛选出 payload 数据:

  1. SELECT
  2. payload
  3. FROM
  4. "sensor/data"

使用SQL 测试功能,输入测试数据进行筛选结果测试,测试有结果且输出内容如下,标明 SQL 编写正确:

  1. {
  2. "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}"
  3. }

响应动作

为支持各种不同类型平台的开发,TDengine 提供符合 REST 设计标准的 API。通过 RESTful Connector (https://www.taosdata.com/cn/documentation20/connector/#RESTful-Connector) 提供了最简单的连接方式,即使用 HTTP 请求携带认证信息与要执行的 SQL 操作 TDengine。

使用 EMQ X 开源版中的发送到 Web 服务即可通过 RESTful Connector 写入数据到 TDengine。即将到来的 EMQ X 企业版 4.1.1 版本将提供原生更高性能的写入 Connector。

发送到 Web 服务需要两个数据,一个是关联资源,另一个是消息内容模板。

  • 关联资源:HTTP 服务器配置信息,此处为 TDengine 的 RESTful Connector

  • 消息内容模板:此处为携带数据的 INSERT SQL,注意我们应当在 SQL 中指定数据库名,字符类型也要用单引号括起来, 消息内容模板为:

  1. INSERT INTO test.sensor_data VALUES(
  2. now,
  3. ${payload.temperature},
  4. ${payload.humidity},
  5. ${payload.volume},
  6. ${payload.PM10},
  7. ${payload.pm25},
  8. ${payload.SO2},
  9. ${payload.NO2},
  10. ${payload.CO},
  11. '${payload.id}',
  12. ${payload.area},
  13. ${payload.ts}
  14. )

创建过程

点击响应动作下的添加按钮,在弹出框内选择 发送数据到 Web 服务,点击 新建资源 新建一个 WebHook 资源。

资源类型选择 Webhook,请求 URL 填写 http://127.0.0.1:6041/rest/sql,请求方法选择 POST,还需添加 Authorization 请求头作为认证信息

Authorization 的值为 Basic + TDengine 的 {username}:{password} 经过 Base64 编码之后的字符串, 例如 root:taosdata 编码后为 cm9vdDp0YW9zZGF0YQ==,实际填入的值为:Basic cm9vdDp0YW9zZGF0YQ==

在响应动作创建页面选择新建的资源,并填入消息模板内容即可。

生成模拟数据


以下脚本模拟了 10000 个设备在过去 24 小时内、每隔 5 秒钟上报一条模拟数据并发送到 EMQ X 的场景。

  • 总数据量:24 * 3600 / 5 * 10000 = 1.72 亿条

  • 消息 TPS:2000

读者安装 Node.js ,按需修改配置参数后可以通过以下命令启动:

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

附:模拟生成数据并发送到 EMQ X 代码,请根据集群性能调整相关参数

  1. // mock.js
  2. const mqtt = require('mqtt')
  3. const Mock = require('mockjs')
  4. const EMQX_SERVER = 'mqtt://localhost:1883'
  5. const CLIENT_NUM = 10000
  6. const STEP = 5000 // 模拟采集时间间隔 ms
  7. const AWAIT = 5000 // 每次发送完后休眠时间,防止消息速率过快 ms
  8. const CLIENT_POOL = []
  9. startMock()
  10. function sleep(timer = 100) {
  11. return new Promise(resolve => {
  12. setTimeout(resolve, timer)
  13. })
  14. }
  15. async function startMock() {
  16. const now = Date.now()
  17. for (let i = 0; i < CLIENT_NUM; i++) {
  18. const client = await createClient(`mock_client_${i}`)
  19. CLIENT_POOL.push(client)
  20. }
  21. // last 24h every 5s
  22. const last = 24 * 3600 * 1000
  23. for (let ts = now - last; ts <= now; ts += STEP) {
  24. for (const client of CLIENT_POOL) {
  25. const mockData = generateMockData()
  26. const data = {
  27. ...mockData,
  28. id: client.clientId,
  29. area: 0,
  30. ts,
  31. }
  32. client.publish('sensor/data', JSON.stringify(data))
  33. }
  34. const dateStr = new Date(ts).toLocaleTimeString()
  35. console.log(`${dateStr} send success.`)
  36. await sleep(AWAIT)
  37. }
  38. console.log(`Done, use ${(Date.now() - now) / 1000}s`)
  39. }
  40. /**
  41. * Init a virtual mqtt client
  42. * @param {string} clientId ClientID
  43. */
  44. function createClient(clientId) {
  45. return new Promise((resolve, reject) => {
  46. const client = mqtt.connect(EMQX_SERVER, {
  47. clientId,
  48. })
  49. client.on('connect', () => {
  50. console.log(`client ${clientId} connected`)
  51. resolve(client)
  52. })
  53. client.on('reconnect', () => {
  54. console.log('reconnect')
  55. })
  56. client.on('error', (e) => {
  57. console.error(e)
  58. reject(e)
  59. })
  60. })
  61. }
  62. /**
  63. * Generate mock data
  64. */
  65. function generateMockData() {
  66. return {
  67. "temperature": parseFloat(Mock.Random.float(22, 100).toFixed(2)),
  68. "humidity": parseFloat(Mock.Random.float(12, 86).toFixed(2)),
  69. "volume": parseFloat(Mock.Random.float(20, 200).toFixed(2)),
  70. "PM10": parseFloat(Mock.Random.float(0, 300).toFixed(2)),
  71. "pm25": parseFloat(Mock.Random.float(0, 300).toFixed(2)),
  72. "SO2": parseFloat(Mock.Random.float(0, 50).toFixed(2)),
  73. "NO2": parseFloat(Mock.Random.float(0, 50).toFixed(2)),
  74. "CO": parseFloat(Mock.Random.float(0, 50).toFixed(2)),
  75. "area": Mock.Random.integer(0, 20),
  76. "ts": 1596157444170,
  77. }
  78. }

可视化配置


组件安装完成,模拟数据写入成功后,按照 Grafana 可视化界面的操作指引,完成业务所需数据可视化配置。

   添加数据源(Add data source)

添加数据源,即显示的数据源信息。选取 TDengine 类型数据源,输入连接参数进行配置,默认情况下,关键配置信息如下:

   添加仪表盘(New Dashboard)

添加好数据源后,添加需要显示的数据仪表盘信息。仪表盘为多个可视化面板的集合,点击 New Dashboard 后,选择 + Query 通过查询来添加数据面板。

创建面板需要四个步骤,分别是 Queries(查询)Visualization(可视化)General(图表配置)Alert(告警),创建时间

   平均值面板

使用 Grafana 的可视化查询构建工具,查询出所有设备的平均值。

以下 SQL 按照指定时间段($form $to)、指定时间间隔($interval),查询出数据中关键指标的平均值:

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 默认不做更改,General 里面修改面板名称为 历史平均值,如果需要对业务进行监控告警,可以在 Alert 里编排告警规则,此处仅做可视化展示,不使用此功能。

完成创建后,点击左上角返回按钮,该 Dashboard 里成功添加一个数据面板。点击顶部导航栏保存图标,输入 Dashboard 名称完成 Dashboard 的创建。

   最大值、最小值面板

继续点击 Dashboard 的 Add panel 按钮,添加最大值、最小值图表。操作步骤同添加平均值,仅对查询中 SELECT 统计方法字段做出调整,调整为 AVG 函数为 MAXMIN

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)


   仪表盘效果

保存仪表盘,拖拽调整每个数据面板大小、位置,最终得到一个视觉效果较好的数据仪表盘。仪表盘右上角可以选择时间区间、自动刷新时间,此时设备持续发送数据采集数据,仪表盘数据值会有所变动,实现了比较好的可视化效果。

总结


至此我们借助 EMQ X + TDengine 完成了物联网数据传输、存储、展现整个流程的系统搭建,读者可以了解到 EMQ X 丰富的拓展能力与 TDengine 完备的大数据平台特性在物联网数据采集中的应用。深入学习掌握 Grafana 的其他功能后,用户可以定制出更完善的数据可视化乃至监控告警系统。

本文转载来源:EMQX

https://mp.weixin.qq.com/s/rDVTsneJObP8V8GHJYBvUQ


声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/188694
推荐阅读
相关标签
  

闽ICP备14008679号