充电桩或充电宝 IoT 系统设计方案

后端出路在何方
241 阅读4分钟

充电桩或充电宝 IoT 系统的设计方案

一、方案如下

1. 场景描述

在充电桩或共享充电宝场景中，设备会实时产生大量的时间序列数据（如电流、电压、充电功率、温度等），以及用户相关的使用数据（如充电时长、费用）。系统需要实现：

  1. 设备监控：实时监控设备运行状态，捕捉故障信息并触发报警。
  2. 使用记录：记录用户每次充电的历史数据。
  3. 数据分析：分析设备的使用频率、充电效率、用户行为等，为优化运营决策提供支持。
  4. 可扩展性：支持未来增加更多设备、用户或功能模块。

2. 使用的技术栈

  1. 时序数据库：InfluxDB，用于存储设备时间序列数据（如充电状态、电流、电压等）。
  2. 消息传输协议：基于 MQTT 协议（使用 EMQX 作为 MQTT Broker）。
  3. 后端服务：Spring Boot 构建 Java 后端，用于数据接收、存储和接口提供。
  4. 可视化工具：Grafana，用于实时监控和可视化充电桩或充电宝的数据。
  5. 未来扩展：结合机器学习算法（如 TensorFlow 或 PyTorch）分析预测设备故障或优化充电效率。

二、组件安装与部署

1. 时序数据库是什么

参考：时序数据库是什么

2. 部署 InfluxDB

InfluxDB 被选为时序数据库，存储充电桩设备数据和用户相关的时间序列数据。

安装步骤（Linux 环境）：
  1. 下载并解压：
wget https://dl.influxdata.com/influxdb/releases/influxdb2-2.7.0-linux-amd64.tar.gz
tar -xvf influxdb2-2.7.0-linux-amd64.tar.gz
sudo mv influxdb2 /usr/local/influxdb

  1. 启动服务：

    sudo /usr/local/influxdb/influxd &

  2. 配置并初始化：

    • 打开浏览器访问 http://localhost:8086。
    • 设置管理员账户、组织名称（如 ChargingOrg）和默认 Bucket（如 charging_data）。
    • 设置数据保留策略为 30 天。

  3. 验证 CLI 是否可用：

    influx bucket list

2. 部署 EMQX（MQTT Broker）

EMQX 作为 MQTT Broker，用于设备数据的发布和处理。

安装步骤（Linux 环境）：

参考：EMQX + MQTT + Java 后台服务器完整实现文档

3. 部署 Grafana

用于可视化充电桩或充电宝的运行状态和历史数据。

安装步骤（Linux 环境）：

  1. 安装 Grafana：

    sudo apt-get install -y grafana

  2. 启动服务：

    sudo systemctl start grafana-server

  3. 配置数据源：

    • 登录 Grafana 页面（默认 http://localhost:3000），默认账户为 admin/admin。
    • 添加 InfluxDB 作为数据源，InluxDB 地址为 http://localhost:8086，认证使用之前配置的 Token。

三、后端实践（Java 实现）

1. 技术选型

  • Spring Boot：用于构建后端服务，处理设备数据并与 InfluxDB 交互。
  • InfluxDB Java Client：实现数据的读写。
  • MQTT 客户端：使用 Eclipse Paho 实现消息订阅和处理。

2. 环境准备

在 pom.xml 文件中添加以下依赖：

<dependencies>
    <!-- Spring Boot Starter -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter</artifactId>
    </dependency>
    <!-- InfluxDB Java 客户端 -->
    <dependency>
        <groupId>com.influxdb</groupId>
        <artifactId>influxdb-client-java</artifactId>
        <version>6.10.0</version>
    </dependency>
    <!-- MQTT 客户端 -->
    <dependency>
        <groupId>org.eclipse.paho</groupId>
        <artifactId>org.eclipse.paho.client.mqttv3</artifactId>
        <version>1.2.5</version>
    </dependency>
</dependencies>

3. 连接 InfluxDB

创建配置类，初始化 InfluxDB 客户端：

import com.influxdb.client.InfluxDBClient;
import com.influxdb.client.InfluxDBClientFactory;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class InfluxDBConfig {

    private static final String INFLUXDB_URL = "http://localhost:8086";
    private static final String TOKEN = "your-influxdb-token";
    private static final String ORG = "ChargingOrg";

    @Bean
    public InfluxDBClient influxDBClient() {
        return InfluxDBClientFactory.create(INFLUXDB_URL, TOKEN.toCharArray(), ORG);
    }
}

4. 接收 MQTT 数据并写入 InfluxDB

创建 MQTT 客户端服务类：

import com.influxdb.client.InfluxDBClient;
import com.influxdb.client.write.Point;
import org.eclipse.paho.client.mqttv3.*;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

@Service
public class MqttService {

    private static final String MQTT_BROKER = "tcp://localhost:1883";
    private static final String TOPIC = "iot/charging/#";

    @Autowired
    private InfluxDBClient influxDBClient;

    public MqttService() {
        connectAndSubscribe();
    }

    private void connectAndSubscribe() {
        try {
            MqttClient client = new MqttClient(MQTT_BROKER, MqttClient.generateClientId());
            client.setCallback(new MqttCallback() {
                @Override
                public void connectionLost(Throwable cause) {
                    System.err.println("Connection lost");
                }

                @Override
                public void messageArrived(String topic, MqttMessage message) {
                    String payload = new String(message.getPayload());
                    System.out.println("Message received: " + payload);

                    // 假设消息格式为 JSON，解析后写入 InfluxDB
                    Point point = Point.measurement("charging_data")
                        .addField("voltage", 220.0)
                        .addField("current", 10.0)
                        .addField("power", 2200.0)
                        .time(System.currentTimeMillis(), WritePrecision.MS);

                    influxDBClient.getWriteApiBlocking().writePoint("charging_data", "ChargingOrg", point);
                }

                @Override
                public void deliveryComplete(IMqttDeliveryToken token) {}
            });

            client.connect();
            client.subscribe(TOPIC);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

5. 查询数据接口

创建 REST API 提供查询服务：

import com.influxdb.client.QueryApi;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ChargingDataController {

    @Autowired
    private QueryApi queryApi;

    @GetMapping("/charging/history")
    public String getChargingHistory(@RequestParam String deviceId) {
        String fluxQuery = "from(bucket: \"charging_data\") |> range(start: -7d) |> filter(fn: (r) => r.device_id == \"" + deviceId + "\")";
        return queryApi.query(fluxQuery);
    }
}

后续扩展

  1. 告警系统

    • 设置阈值（如电流、电压异常）并集成告警通知（如邮件、短信或钉钉）。

  2. 数据分析

    • 使用机器学习模型（如 TensorFlow/Scikit-learn）分析预测设备故障或优化充电效率。

  3. 用户行为分析

    • 汇总用户充电数据，分析高峰时段、热销设备等运营指标。

  4. 大规模集群

    • 部署分布式 InfluxDB 或切换到分布式时序数据库（如 TimescaleDB 或 VictoriaMetrics）。
    • 使用 Kubernetes 实现容器化部署和弹性扩展。

  5. 边缘计算

    • 在设备端集成轻量级数据库（如 SQLite 或 TimescaleDB-edge），减少网络流量。

该方案覆盖了从设备数据采集、数据存储到后端查询与扩展的完整流程，并为未来功能扩展提供了方向，是 IoT 场景下的一套高效、灵活的解决方案。

avatar
文章
阅读
粉丝