该方案以时间戳为进度标记、InfluxDB 为本地缓存、TCP 为传输协议，实现网络中断后的断点续传，适用于传感器数据（如湿度数据）等高频小体量数据的可靠传输。以下是分阶段的详细流程拆解和流程图：
一、系统初始化阶段：环境与基准配置
初始化是断点续传的基础，核心目标是创建数据存储载体、初始化进度基准（时间戳），确保后续传输有 “起点” 可追溯。
1.InfluxDB 数据库创建
（1）触发节点： 通过inject节点发送初始化信号，触发 “创建一个数据库” 函数节点。
（2）执行逻辑： 函数节点通过 InfluxDB SQL 语句CREATE DATABASE mydb，在本地 InfluxDB 服务（地址：127.0.0.1:8086）中创建名为mydb的数据库，用于存储待补传数据（表：myDatas）与传输进度。
2.时间戳基准初始化
（1）首次启动场景： 通过catch节点捕获初始状态，触发 “时间初始化” 函数节点，生成当前系统时间戳（Date.now()），并通过 “写时间” 文件节点存入本地文件dataTime，同时将时间戳存入 Node-RED 全局变量global.time，作为后续传输的进度基准。
（2）重启恢复场景：系统重启时，inject节点触发 “读时间” 文件节点，读取本地dataTime文件中的历史时间戳，通过 “存储补传时间” 函数节点更新全局变量global.time，确保从上次断点继续。
二、正常传输阶段：实时数据发送与进度同步
正常网络状态下，系统完成 “数据采集 - 封装 - 发送 - 进度记录” 的闭环，确保每批数据的传输进度可追溯。
1.传感器数据采集
（1）触发周期： inject节点以 1 秒为周期发送采集信号，触发 “modbus-getter” 节点。
（2）数据来源： 通过 Modbus 协议从设备（地址：192.168.1.105:502）读取湿度数据（寄存器地址 0，数据类型 Holding Register），输出格式为数组。
2.网络状态判断与数据分流
（1）状态检测： 采集到的湿度数据传入 “判断网络状态处理” 函数节点，该节点通过读取全局变量global.conncetFlag（TCP 连接状态标记，true为连接成功，false为失败）判断网络状态，数据封装。
（2）连接成功（conncetFlag=true）： 生成包含湿度（humidity）、当前时间戳（uptime=Date.now()）、状态标记（status=1，代表 “实时数据”）的 JSON 对象，如{"humidity":65,"uptime":1690000000000,"status":1}，并转为字符串格式作为 TCP 发送 payload。
（3）连接失败（conncetFlag=false）： 仅保留湿度数据（{"hum":65}），不添加时间戳与状态标记，待后续补传。
三、网络异常阶段：断点捕获与数据缓存
当 TCP 连接中断时，系统立即暂停无效传输，将未发送数据缓存至 InfluxDB，避免数据丢失。
1.TCP 连接状态监控
（1）状态捕获： “status” 节点实时监控 “tcp out” 节点的连接状态，若检测到 “status.text” 中不含 “status.connected”（代表连接中断），则触发 “switch” 节点）的 “else” 分支。
（2）状态标记更新： “连接失败” 函数节点，将全局变量global.conncetFlag设为false，并发送msg.reset=true信号至 “trigger” 节点，暂停后续补传触发逻辑。
2.待补传数据缓存
（1）缓存逻辑： “判断网络状态处理” 节点检测到conncetFlag=false时，将未发送的湿度数据通过 “InfluxDB out” 节点写入mydb.myDatas表，每条数据自动携带 InfluxDB 的时间戳（用于后续按时间排序补传）。
四、断点恢复阶段：网络恢复后自动补传
当 TCP 连接恢复时，系统基于历史时间戳定位断点，从 InfluxDB 读取待补传数据，批量完成补传并更新进度。
1.网络恢复检测与补传触发
（1）恢复检测： “status” 节点检测到 “tcp out” 节点恢复 “status.connected” 状态，触发 “switch” 节点的 “cont” 分支，“连接成功” 函数节点将global.conncetFlag设为true，并发送msg.delay=3000信号至 “trigger” 节点，设置 3 秒为补传周期（与 “周期性重发 3s” 逻辑匹配）。
（2）补传触发： “trigger” 节点每 3 秒发送一次触发信号，启动补传流程，避免短时间内高频请求导致数据库压力。
2.断点定位与待补传数据读取
(1)断点定位： “构造读数据” 函数节点（ID: 3a323d3113f99791）读取全局变量global.time（上次成功传输的时间戳），将其转为 ISO 格式（toISOString()），生成 InfluxDB 查询语句：SELECT * FROM "myDatas" WHERE time > '${UTCTIME}' LIMIT 1，即读取 “上次断点时间之后” 的 1 条待补传数据（LIMIT 1 确保批量处理不阻塞）。
(2)数据读取： “influxdb in” 节点（ID: abc727932e1bb82d）执行查询语句，从mydb.myDatas表中读取待补传数据，传入 “解析封装” 函数节点。
3.补传数据封装与发送
（1）数据解析：“解析封装” 节点从查询结果中提取湿度数据（data[0].hum），删除 InfluxDB 自动添加的time字段，重新封装为包含 “补传标记” 的 JSON 对象：{"hum":65,"uptime":${数据入库时间戳},"status":2}（status=2代表 “补传数据”），确保服务器能区分实时与补传数据。
（2）进度更新： 将当前补传数据的入库时间戳 + 200ms（避免重复读取同一条数据）更新至global.time，并通过 “写时间” 节点写入dataTime文件，完成进度同步。
（4）数据发送： 封装后的补传数据通过 “tcp out” 节点发送至目标服务器，完成单次补传；若数据库中无待补传数据（data.length < 1），则触发catch节点通过 “停止触发读” 函数节点发送msg.reset=true，暂停补传触发，避免无效查询。
五、核心保障机制：数据一致性与稳定性
1.数据去重与防重复发送
（1）时间戳偏移： 补传时将global.time更新为 “当前数据时间戳 + 200ms”，确保下次查询时跳过已补传数据，避免重复读取。
（2）状态标记区分： 实时数据（status=1）与补传数据（status=2）的标记，便于服务器端二次校验，防止重复存储。
2.异常捕获与容错
（1）数据库空查询处理： 当myDatas表无待补传数据时，“解析封装” 节点抛出 “database is empty” 错误，catch节点捕获后触发 “停止触发读”，暂停补传流程，减少资源消耗。
（2）传感器异常处理： “判断网络状态处理” 节点检测到传感器数据为null时，输出 “传感器异常” 警告，不执行后续缓存或发送逻辑，避免无效数据流转。
六、总结
该断点续传方案的核心是 “时间戳进度标记 + InfluxDB 本地缓存 + TCP 状态联动”，通过 Node-RED 的可视化节点编排，实现了 “初始化 - 实时传输 - 异常缓存 - 断点恢复” 的全自动化流程，无需手动干预。适用于传感器高频小数据、本地局域网传输、对数据可靠性要求高的场景（如工业设备监控、环境数据采集）。
