物联网基础

Todo

以下只是基础大纲，后续需要持续增加内容

参考链接：

一、IoT 基础知识

1. 什么是物联网（IoT）

物联网（Internet of Things，简称 IoT）是指通过各种信息传感设备与网络，将物品与物品、人与物品进行连接，实现智能识别、定位、跟踪、 监控和管理的技术体系。简单来说，物联网是让“万物互联”，让设备能够“感知、思考和沟通”。

关键特征包括：

  • 全面感知：使用传感器获取环境或物体状态信息。
  • 可靠传输：通过网络进行数据传输。
  • 智能处理：对采集的数据进行分析、决策和反馈。

2. IoT 的典型架构

物联网系统通常可以分为四个层次：

  • 感知层：负责数据采集，是物联网的“神经末梢”。包括各种传感器、RFID、摄像头、定位设备等。

  • 网络层：负责数据传输，是物联网的信息通道。包括有线网络、无线网络（如 Wi-Fi、LoRa、NB-IoT、5G）等通信方式。

  • 平台层：负责数据存储、处理和设备管理，是物联网的大脑。常见平台如阿里云 IoT、华为 IoT 平台等，支持设备接入、规则引擎、

  • 数据分析、API 服务等功能。

  • 应用层：面向用户的应用实现层，根据不同行业需求构建具体应用，如智慧交通系统、远程抄表、工业设备监控等。

当然可以，下面是对 “IoT 与工业互联网、边缘计算的关系” 的进一步丰富版本，帮助你从概念、技术特点、应用维度、三者关系 等多个角度进行更深入理解：

3. IoT 与工业互联网、边缘计算

物联网（IoT）、工业互联网和边缘计算是当前智能化、数字化转型中的三大核心技术，它们之间既有明确的分工，又密切协同，彼此促进。

工业互联网（Industrial Internet） 是物联网技术在工业领域的垂直延伸与深化。它不仅仅是让设备“联网”，更关注数据价值的挖掘 与业务系统的深度集成，目标是推动工业企业实现智能制造与精益运营。

  • 关键特征：

    • 融合 IT（信息技术）与 OT（运营技术）
    • 支持生产设备全流程可视化、可控化、可预测
    • 强调系统互联互通、数据采集与分析、智能决策

  • 核心组成：

    • 工业设备联网（如 PLC、传感器、SCADA）
    • 工业边缘网关
    • 工业数据平台（如时序数据库、分析平台）
    • 工业 APP（如预测性维护、质量分析、排产优化）

边缘计算（Edge Computing） 是指在离数据源更近的边缘侧（如设备、网关、本地服务器）进行数据预处理和部分计算，而不完全依赖远程云中心。

  • 关键优势：

    • 降低延迟：适用于对实时性要求高的场景，如工业控制、自动驾驶
    • 降低带宽压力：不必将所有原始数据上传至云端
    • 提高数据安全：敏感数据可以本地处理，不外传

  • 典型应用场景：

    • 工厂中的工业网关边缘分析
    • 智能摄像头进行本地图像识别
    • 自动驾驶车辆中的实时感知与决策模块

三者之间的关系

技术/概念覆盖范围应用重点与 IoT 的关系
IoT（物联网）万物互联的基础架构感知、连接、通信、初步处理是核心底座，支持多行业连接
工业互联网工业领域的 IoT 深化数据驱动的工业智能和优化是 IoT 在工业场景的专业化、深化应用
边缘计算IoT 的边缘延伸实时计算、隐私保护、本地控制是 IoT 系统的补强与能力提升

三者的协同模式如下：

  1. IoT 提供感知与连接能力，将设备、传感器接入网络，采集原始数据。
  2. 边缘计算对数据进行初步处理与分析，减少延迟和网络压力，适合部署在车间、设备、社区边缘节点。
  3. 工业互联网在特定行业中整合 IoT 与边缘计算能力，构建业务系统，实现智能化决策与生产优化。

举个例子来说明三者协同：

在一个智能工厂中：

  • IoT 设备（如温湿度传感器、智能电表）实时监测环境与设备状态；
  • 边缘计算设备在本地处理数据，如实时告警、设备联动控制，减少对云端的依赖；
  • 工业互联网平台统一汇总各生产线数据，进行历史分析、设备预测性维护、优化生产调度，从而实现整个工厂的“智能化”运行。

4. 常见的 IoT 应用场景

物联网技术已在多个领域广泛落地，其应用可大致分为 To B（面向企业/行业） 和 To C（面向消费者） 两大类：

To B 应用场景（面向企业和行业）

  • 智慧城市
    应用于城市基础设施和公共服务管理，如智能路灯、智慧交通、环境监测、垃圾桶满溢预警、井盖监控等，提升城市运营效率。

  • 智能制造（工业 IoT）
    工业设备联网监控、工厂自动化、预测性维护、能源管理等，帮助企业提高生产效率、降低成本，实现工业数字化升级。

  • 智慧农业
    用于农业环境监测、精准灌溉、温室控制、牲畜定位等，提高农业生产效率和资源利用率。

  • 智慧医疗（B端场景）
    医疗设备联网、医院资产管理、病房智能管理系统等，提高医疗资源调度效率与服务质量。

  • 物流与供应链管理
    包括智能仓储、货物追踪、冷链运输监控等，实现物流可视化和全流程追溯。

To C 应用场景（面向个人和家庭用户）

  • 智能家居
    包括智能照明、智能门锁、智能音箱、安防监控、空调远程控制等，为用户提供便捷、舒适、安全的居家体验。

  • 可穿戴设备
    如智能手环、智能手表、睡眠监测设备、健康追踪器等，帮助用户记录和分析健康数据，实现个性化健康管理。

  • 智慧医疗（C端场景）
    远程问诊、家庭健康监测（如血压计、血糖仪联网）、慢病管理等，让用户更方便地获得医疗服务。

  • 车联网（V2X）
    智能车载导航、远程控制、自动驾驶辅助、车辆诊断等，提升驾驶体验与行车安全。

二、硬件与通信协议

  1. 常见传感器与设备介绍
  2. 单片机与嵌入式系统基础（Arduino、ESP32、树莓派等）
  3. 常用通信协议：
    • MQTT（重点）
    • CoAP / HTTP / WebSocket
    • LoRa / Zigbee / NB-IoT / BLE
  4. 设备与网关之间的通信机制

三、IoT 平台与设备管理

  1. 开源 IoT 平台对比（ThingsBoard、EMQX、OpenHAB、Home Assistant）
  2. 设备注册与认证
  3. 数据采集与传输
  4. OTA 升级与远程控制
  5. 设备状态监控与告警

四、IoT 云平台与架构设计

  1. 私有化部署 vs 云平台（阿里云 IoT、华为云、AWS IoT Core）
  2. 云边协同设计模式
  3. 数据上云流程设计
  4. 数据模型定义（设备模型、属性、事件、服务）
  5. 消息队列（MQTT Broker、Kafka、RocketMQ）在 IoT 中的应用

五、IoT 数据处理与分析

  1. 实时数据处理（流计算：Flink、Spark Streaming）
  2. 数据清洗与存储（TSDB：InfluxDB、Druid）
  3. 异常检测与预测算法（基于规则 or ML）
  4. 可视化平台（Grafana、ECharts、Superset）

六、Java 在 IoT 中的应用

  1. Java MQTT 客户端开发（使用 Eclipse Paho、EMQX SDK 等）
  2. IoT 服务端设计模式（设备接入服务、规则引擎）
  3. Spring Boot 构建 IoT 平台后端
  4. MyBatis-Plus + Netty 在高并发 IoT 服务中的实战
  5. 异步任务调度与批处理（quartz、异步线程池）

七、安全与认证机制

  1. 设备认证机制（PSK、X.509、Token）
  2. 数据加密传输（TLS、DTLS）
  3. 防攻击策略（重放攻击、中间人攻击防护）
  4. 平台安全架构设计

八、实战项目记录

  1. 智能水表/电表平台搭建
  2. 环境监测系统（PM2.5、温湿度等）
  3. LoRa + 网关 + 云平台项目全流程
  4. 基于 Spring Boot 的设备远程控制系统
  5. 日志收集与问题定位实战

九、未来发展与趋势

  1. 边缘计算的落地方案
  2. 数字孪生与 IoT 的结合
  3. AIoT：物联网与人工智能融合
  4. 国内外主流 IoT 标准与联盟
Last Updated:
Contributors: hanchen, hello0709, Clarence