1小时用EMQX开源版搭建智能家居原型

快速体验

  1. 打开 InsCode(快马)平台 https://www.inscode.net
  2. 输入框内输入如下内容:
    请设计一个基于EMQX开源版的智能家居快速原型,包含:1. 模拟设备代码(温度传感器、智能灯);2. Web控制界面(Vue.js);3. 自动化规则(温度超过阈值自动开空调);4. 移动端适配方案。要求使用MQTT over WebSocket,1小时内可完成部署演示。
  3. 点击'项目生成'按钮,等待项目生成完整后预览效果

示例图片

最近想做个智能家居的小demo,研究了下EMQX这个开源的MQTT消息服务器,发现用它搭建原型简直快得飞起。记录下我的实践过程,从零开始1小时内就能跑通整套智能家居控制流程。

一、EMQX的快速上手

EMQX是个高性能的MQTT Broker,开源版完全够用。最方便的是它支持WebSocket协议,这样前端可以直接用浏览器连接,省去了原生客户端的开发。

  1. 直接去官网下载对应系统的安装包,解压后命令行启动服务
  2. 默认控制台地址是18083端口,用admin/public就能登录
  3. 在鉴权里开启匿名访问(演示用,生产环境要配置账号)

示例图片

二、模拟智能设备

需要两个模拟设备:温度传感器和智能灯泡,用Python脚本模拟即可。

  1. 温度传感器每隔5秒发布当前温度到sensor/temperature主题
  2. 智能灯泡订阅light/control主题,收到"ON"/"OFF"就改变状态
  3. 用Paho-MQTT库建立WebSocket连接(ws://localhost:8083/mqtt)

三、Web控制界面开发

用Vue.js+MQTT.js实现控制面板:

  1. 创建基础Vue项目,引入MQTT.js库
  2. 连接EMQX的WebSocket端口(注意用ws协议)
  3. 界面包含:
  4. 实时温度显示(订阅sensor/temperature
  5. 灯泡开关按钮(发布到light/control
  6. 温度阈值设置输入框

四、自动化规则实现

在EMQX控制台配置规则引擎:

  1. 创建规则:当sensor/temperature消息值>28度时
  2. 动作:向ac/control主题发送"ON"
  3. 同理可以添加关闭空调的规则

五、移动端适配技巧

  1. 用响应式布局(Vuetify或Bootstrap)
  2. 控制界面单独做成PWA应用,添加到手机桌面
  3. 测试不同尺寸下的显示效果

踩坑记录

  • WebSocket连接注意用ws://(非SSL)或wss://(SSL)
  • 主题命名建议用设备类型/设备ID/功能的层级结构
  • 规则引擎的条件表达式要写对数据类型(比如温度是数字)

整个原型开发最耗时的其实是前端界面调试,MQTT消息通信部分反而特别顺畅。EMQX的WebSocket支持真是神器,省去了搭建API服务的功夫。

最后安利下InsCode(快马)平台,像这种需要快速验证想法的场景,用他们的在线编辑器+一键部署特别方便。我测试时直接把前端代码扔上去,点个部署按钮就能生成临时访问链接,手机扫码立刻能体验效果。

示例图片

下一步准备把空调模拟设备加进来,再试试设备分组控制的功能。EMQX的文档里还有很多高级特性可以探索,比如共享订阅和桥接,这对实现多用户场景应该很有帮助。

快速体验

  1. 打开 InsCode(快马)平台 https://www.inscode.net
  2. 输入框内输入如下内容:
    请设计一个基于EMQX开源版的智能家居快速原型,包含:1. 模拟设备代码(温度传感器、智能灯);2. Web控制界面(Vue.js);3. 自动化规则(温度超过阈值自动开空调);4. 移动端适配方案。要求使用MQTT over WebSocket,1小时内可完成部署演示。
  3. 点击'项目生成'按钮,等待项目生成完整后预览效果

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

StarfallRaven13

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值