ThingsBoard Edge 开源项目教程

ThingsBoard Edge 开源项目教程

thingsboard-edge thingsboard-edge 项目地址: https://gitcode.com/gh_mirrors/th/thingsboard-edge

1、项目介绍

ThingsBoard Edge 是一个开源的边缘计算平台,旨在将数据分析和管理功能直接部署在数据生成的边缘设备上。通过 ThingsBoard Edge,用户可以在本地处理数据,减少延迟,并降低对中心化云服务的依赖。该项目支持与 ThingsBoard 云平台的无缝集成,提供了一个完整的物联网解决方案。

2、项目快速启动

环境准备

  • 操作系统:Linux/Windows/MacOS
  • Java 11 或更高版本
  • Docker(可选,用于容器化部署)

快速启动步骤

  1. 克隆项目

    git clone https://github.com/thingsboard/thingsboard-edge.git
    cd thingsboard-edge
    
  2. 构建项目

    mvn clean install -DskipTests
    
  3. 启动 ThingsBoard Edge

    java -jar application/target/tb-edge.jar
    
  4. 访问 ThingsBoard Edge 控制台

    打开浏览器,访问 http://localhost:8080,使用默认用户名 sysadmin@thingsboard.org 和密码 sysadmin 登录。

3、应用案例和最佳实践

应用案例

  • 智能工厂:在工厂内部署 ThingsBoard Edge,实时监控设备状态,进行预测性维护,减少停机时间。
  • 智慧农业:在农场部署边缘节点,收集土壤湿度、温度等数据,进行本地分析,优化灌溉系统。
  • 智能交通:在交通路口部署边缘设备,实时分析交通流量,优化信号灯控制,减少拥堵。

最佳实践

  • 数据本地处理:尽量在边缘节点进行数据处理,减少数据传输量,提高响应速度。
  • 定期同步:定期将边缘节点的数据同步到云端,确保数据的完整性和一致性。
  • 安全策略:配置防火墙和访问控制策略,确保边缘节点的安全性。

4、典型生态项目

  • ThingsBoard 云平台:ThingsBoard Edge 可以与 ThingsBoard 云平台无缝集成,提供完整的物联网解决方案。
  • MQTT Broker:使用 MQTT 协议进行数据传输,确保低延迟和高可靠性。
  • Kafka:用于大规模数据流处理,支持实时数据分析和处理。
  • Prometheus:用于监控和报警,确保系统的稳定性和可靠性。

通过以上模块的介绍,您可以快速了解 ThingsBoard Edge 项目的基本情况,并掌握其快速启动和应用实践。

thingsboard-edge thingsboard-edge 项目地址: https://gitcode.com/gh_mirrors/th/thingsboard-edge

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
ThingsBoard Edge 是 ThingsBoard 平台的一个组件,它提供了边缘计算的能力,使设备能够在本地进行数据处理和决策,从而减少与云端的通信,并提供更快的响应时间和较低的延迟。 ThingsBoard Edge 具有以下主要功能和特点: 1. 边缘计算能力:ThingsBoard Edge 具备在设备端进行数据处理、存储和决策的能力。它能够在设备上执行事先定义的规则和逻辑,并通过智能过滤、聚合和转换数据,从而降低与云端的通信量和延迟。 2. 离线运行:ThingsBoard Edge 能够在断网或网络不稳定的情况下继续运行,保证设备数据的持续采集和处理。一旦恢复网络连接,它会自动将暂存的数据同步到云端。 3. 安全性:ThingsBoard Edge 支持端到端的安全传输,保护设备和云端之间的通信。它提供了基于传输层安全性协议(TLS/SSL)的数据加密,防止数据被篡改或窃取。 4. 灵活的规则引擎:ThingsBoard Edge 集成了强大的规则引擎,可以根据设备数据的实时情况自动触发事件和执行操作。这使得设备能够自主地做出决策,减少了对云端的依赖。 5. 集成云端平台:ThingsBoard Edge 与 ThingsBoard 云平台紧密集成,可以将本地处理的数据和决策结果传输到云端。这样,用户可以在云端监控和管理设备,进行更高级的数据分析和可视化。 总之,ThingsBoard Edge 是一个在设备端进行边缘计算和智能决策的组件,它为设备提供了更快的响应时间、较低的延迟和更高的安全性。通过与云端的紧密集成,它能够最大程度地提升物联网系统的性能和效率。
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

打赏作者

尤辰城Agatha

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