720 智能硬件与 LeanCloud 云端的默契协作

【 玩转 LeanCloud 】开发者经验分享:


谢子超,720技术负责人,从业十余年,一直负责软件开发工作。


我们的产品是与监控和改善室内空气质量相关的智能硬件,我们使用 LeanCloud 平台已经有 2 年多了,借此机会与其他从事智能硬件生产及应用解决方案的团队分享下我们的经验。


我们的主要硬件产品分为两部分:环境监测设备(环境宝)和环境治理设备(720 全智能净化器系列)。环境监测设备的主要功能是通过 7x24 小时不间断地监测 8 项室内环境数据指标(包括 PM2.5 、PM10 、甲醛、TVOC 化学污染物、温度、湿度、噪声、等效二氧化碳),然后将采集到的数据通过 Wi-Fi 上传至云端,通过云端计算并下发决策指令,同时用户也可以随时通过手机了解家中的空气质量;环境治理设备净化器通过 Wi-Fi 联网后,与环境宝实现智能联动。净化器从云端接受控制指令来完成风量调节和功能开关等操作。两个设备组合使用即可实现自动化的空气质量控制。


节约创业成本


技术选型方面,因为是创业公司,所以我们早期对成本方面非常敏感。考虑到自行搭建建服务端要付出的成本和工作量(从服务器租赁、到工程师团队组建,到日常运维),我们更倾向把资源放在产品功能研发和逻辑实现上,而不必为一些离最终用户价值比较远的方面花太多时间和精力,所以我们决定找一些比较专业的后端云服务来满足我们对基础设施架构的需求。


当初了解过 Parse,但是由于国内网络状况对国外产品并不友好,所以没敢去尝试;后来遇到了 LeanCloud ,它是在国内,而且据我们了解它也是这行里做得最早的一家,于是就在一个产品上试用,整个过程进行得非常顺利,包括后续的使用感觉也很好,所以到现在基本上所有产品的服务端都在 LeanCloud 上了。


云引擎实现设备总控


技术实现方面,因为智能硬件很多时候是需要长连接的,我们使用的是 MQTT 协议,而 LeanCloud 对于这类协议没有特殊支持,所以我们使用一台自有服务器作为 MQTT 的服务端,再配合上 LeanCloud 的云引擎,最终也能较好地满足我们的需求。


数据检测设备需要定时采集数据并上报。在开发过程中我们的 Wi-Fi 芯片对 MQTT 的支持有一些问题,所以我们将 LeanCloud 云引擎作为 WebServer 并编写了自定义的 API,让数据检测设备通过 HTTP 请求调用这些 API 来完成数据上报。


智能控制设备通过长连接访问到 MQTT 服务器来实时地接收控制指令,调整自己的运行状态,此时云引擎就充当起了一个总控台的角色,它会对收集上来的数据进行一下判断,然后向 MQTT 服务器发送控制指令,达到控制设备的目的。顺便要提一下,云引擎使用起来还是挺方便的。我们不仅能够直观地从控制台看到各类资源的运转状况,还能通过命令行工具快速地部署和回滚代码,对于常见的服务端操作这些都是非常好的补充。


云缓存为存储和查询提速


在数据保存和查询上,我们使用了 LeanCloud 的云缓存。因为很多用户都会有按照时间范围(比如今天)来查询空气质量的习惯,所以如果在保存数据时设置好合适的 key 结构,我们就可以很方便地获取到需要的数据,而且还有非常棒的读写效率。


商用版体验更棒


技术方面,LeanCloud 的功能和 API 设计都做得比较好,而且它不会像其他公司那样,为了扩大市场宣传而催生出很多新的但又不稳定不好用的功能。服务稳定性方面,特别是在商用版推出之后,商用版有了专属的后端资源,跟免费版的共享资源隔离开来,我们觉得服务稳定性就更有保障了,当然除此之外,商用版在其他方面也比开发版有更多的优势可以利用。


LeanCloud 技术支持也非常专业。因为他们会让开发 SDK 的一线工程师来直接回答我们用户的提问,所以这样更容易定位问题,给用户更准确的解答,这样用户用起来也更加放心吧。只不过 LeanCloud 市场宣传可能做得比较保守,也许是公司风格太「技术化」了一点。


往期开发者经验分享推荐:

3年,从工程师到创始人


end


LeanCloud,领先的 BaaS 提供商,为移动开发提供强有力的后端支持。更多内容请关注「LeanCloud通讯」

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
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
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