海鑫智圣:物联网漫谈之MQTT协议

http://mt.sohu.com/20160310/n439960879.shtml

  什么是MQTT协议

  MQTT(消息队列遥测传输协议)是IBM在1999年专门针对物联网等应用场景来制订的轻量级双向消息传输协议,它主要是为了解决物联网上使用到的设备的互相通信的问题,以及这些设备与后端应用系统之间通信的问题。

  为什么需要MQTT(或类似)协议

  随着智能硬件和移动互联网技术的快速发展,传统的互联网协议越来越难以满足物联网的需要,体现在:移动网络代价昂贵,带宽低、可靠性差;在嵌入设备中运行,处理器和内存资源有限;海量在线设备产生庞大数据,给云端带来很大的网络开销和处理压力。

  MQTT如何工作

  MQTT包括客户端、代理(broker)两部分,以智能家居系统为例,末端智能电器与手机为客户端,云中心为代理。客户端首先向代理发起请 求,代理收到后对客户端认证,认证通过后在客户端与代理之间建立一个TCP长连接通道,客户端通过该通道订阅若干关注的主题(Topic),同时在自身状 态变化时,向相应的主题发布消息,代理将该消息发给正在订阅该主题的所有客户端,如下图。与HTTP不同,MQTT是一种多对多的通信协议,设备直接不直 接相连,而是通过一个代理实现互相通信。它是一种天然的异步协议,可以很好地将请求端与响应端解耦。

  MQTT协议有什么好处

  MQTT针对物联网场景优化设计,考虑了网络的可达性,消息的连通性,能耗等方面。具体来讲:

  一是它本身是特别轻量级的,使用一个8位的系统、30K的空间,就可以运行MQTT的客户端。

  二是它针对不稳定网络而设计,通常意义上的传输协议都是基于稳定网络的传输的,会专门为了这种稳定的网络去做一些优化。MQTT正好相反,协议较多地考虑了网络的不确定性,它本身还非常精简,最小的传输字节只有两个,使得在较恶劣的网络条件下仍然有较好的消息可达率。

  三是它的消息的交互模式跟传统意义上不太一样,它采用了发布和订阅的模式。当数据源发布一条消息的时候,可以有多个订阅端同时能收到这个消息,这对于很多设备互联的物联网场景比较灵活。

  四是有消息发布服务质量(QoS)机制,用户可根据应用场景需要,选择“至多一次”、“至少一次”或“只有一次”的传输质量,在效率与质量之间进行权衡。

  五是客户端异常中断的通知机制(Last-Will-And-Testament)。当一个设备连不上的时候,服务器端有一个专门的机制能马上知道这个设备出了什么状况,从而可以非常快的反馈,对某一个结点做出一些补偿。

  MQTT取得了哪些成功实践

  1.物联网云

  Evothings:国外物联网生态平台,提供全套的软硬件开发工具,帮助开发者构建智能硬件原型、开发消息推送服务。

  Yeelink:国内最大的物联网云平台之一,为用户和智能硬件开发者提供传感器云服务,并通过实时数据处理, 实现可靠的状态监控。

  2.实时消息推送

  Facebook是较早大规模采用MQTT 协议的互联网巨头,其在移动客户端中使用MQTT来更新通知、消息和书签等。

  云吧等平台借助MQTT 协议提供实时消息服务,实时推送消息到任意设备、快速的给上百万用户发送消息,实现单台设备一对一推送,实时展示在线用户、使用情况。目前在为几万开发 者、上亿终端提供推送服务。国内搜狐等企业也使用了MQTT作为Android手机客户端与服务器端推送消息的协议。

  MQTT还有哪些问题

  1.在网络变化频繁或者不太稳定的2G/3G网络环境下表现不佳。

  客户端在每次TCP断开或断网后,会即刻发起TCP重连,连接成功后依次发送CONNECT命令、订阅SUBSCRIBLE命令,当网络频繁切 换或者不太稳定时,上述机制一定程度上加重已经不堪的弱网络负担。一些参考资源指出在业务层面进行重连策略、等待超时等调整可优化该问题。此外,CoAP 等其他基于UDP传输的物联网协议对这类网络具有更好的适应性。

  2.针对没有TCP/IP支持的终端环境MQTT无法应用。

  可以采用MQTT-SN(MQTT For Sensor Networks)协议进行补充,它是为了非常受限类似传感器设计的,能够基于IEEE 802.15.4等无线局域网发送UDP数据包,再通过MQTT-SN网关与MQTT broker建立连接。流程架构大致如下:

  MQTT推荐资源

  Mosca:基于Nodejs实现的一款功能较完善的broker

  Paho: C/C++、Python、Java等语言的MQTT 客户端库

  mosquitto:一款功能完善的开源原生broker

<script>window._bd_share_config={"common":{"bdSnsKey":{},"bdText":"","bdMini":"2","bdMiniList":false,"bdPic":"","bdStyle":"0","bdSize":"16"},"share":{}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg.share.baidu.com/static/api/js/share.js?v=89860593.js?cdnversion='+~(-new Date()/36e5)];</script>
阅读(29) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~
评论热议
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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