第3章：边缘计算网关开发

各位同学，今天我们来聊聊边缘计算网关。说实话，这个环节是整个风场远程监控系统的“腰杆子”。腰杆子硬不硬，直接决定了你的数据能不能稳定、实时地送到云端。

3.1 边缘计算概念——为什么非它不可？

先说说边缘计算。你想想看，一个风场少说几十台风机，每台风机几十个传感器。如果所有数据都往云端送，带宽扛不住，延迟也受不了。更别提有些风机在偏远地区，网络时断时续。

边缘计算说白了，就是在靠近数据源头的地方做计算。我个人的理解是：把计算能力下沉到现场，让数据在本地完成初步处理，只把有价值的结果上传云端。这样做的好处很明显：

• 降低延迟：关键告警可以在毫秒级响应，不用等云端回传
• 节省带宽：原始数据动辄GB级别，处理后可能只剩MB
• 离线可用：网络断了，本地照样能跑逻辑

我在项目中遇到过这样一个场景：某风场网络不稳定，数据经常丢包。后来我们在每台风机旁边部署了边缘网关，数据先缓存到本地，网络恢复后再补传。嗯，从那以后，数据完整率从85%直接提升到了99.9%。

3.2 硬件选型——树莓派还是工控机？

硬件选型这块，我建议你根据实际场景来。别盲目追求高性能，也别为了省钱选太弱的配置。我整理了一个对比表，你一看就明白：

对比项	树莓派4B/5	工控机（如研华、西门子）
价格	300-800元	2000-8000元
性能	ARM架构，适合轻量任务	x86架构，性能强劲
稳定性	消费级，7x24小时需加散热	工业级，宽温、防尘、抗震动
接口	GPIO、USB、HDMI	RS232/485、CAN、以太网
适用场景	原型验证、小规模部署	生产环境、严苛工况

3.3 Python环境搭建——别在这步翻车

环境搭建看似简单，但很多人在这步翻车。我习惯用Python 3.10+版本，太老的版本有些库不支持。下面是我的标准操作流程：

# 1. 更新系统包
sudo apt update && sudo apt upgrade -y

# 2. 安装Python 3和pip
sudo apt install python3 python3-pip -y

# 3. 验证版本
python3 --version
pip3 --version

# 4. 创建虚拟环境（强烈推荐）
python3 -m venv wind_env
source wind_env/bin/activate

# 5. 安装核心依赖
pip install pymodbus==3.6.8
pip install paho-mqtt
pip install sqlite3  # Python自带，无需额外安装

3.4 使用pymodbus库采集PLC数据

pymodbus是Python里最流行的Modbus库。Modbus协议在工业现场太常见了，PLC、变频器、仪表基本都支持。下面是一个完整的采集示例：

from pymodbus.client import ModbusTcpClient
import time

# 连接PLC（假设IP为192.168.1.100，端口502）
client = ModbusTcpClient('192.168.1.100', port=502)
client.connect()

try:
    while True:
        # 读取保持寄存器（地址从0开始）
        # 读取10个寄存器，每个寄存器16位
        result = client.read_holding_registers(0, 10, unit=1)
        
        if not result.isError():
            # 解析数据
            wind_speed = result.registers[0] / 10.0  # 风速，单位m/s
            power = result.registers[1] * 10          # 功率，单位W
            temperature = result.registers[2] / 100.0 # 温度，单位℃
            
            print(f"风速: {wind_speed} m/s, 功率: {power} W, 温度: {temperature} ℃")
        else:
            print("读取失败，请检查连接")
        
        time.sleep(1)  # 每秒采集一次
        
except KeyboardInterrupt:
    print("停止采集")
finally:
    client.close()

这里有几个要点：

• 寄存器地址：PLC的地址映射表一定要和现场工程师确认清楚。我遇到过地址偏移一位导致数据全错的情况，排查了整整一天。
• 数据类型：Modbus寄存器默认16位，32位数据需要组合两个寄存器。注意大小端问题。
• 错误处理：网络波动时读取可能失败，一定要加重试机制。

3.5 数据本地缓存与断点续传机制

这是边缘网关的核心能力。网络不可靠是常态，所以数据必须先存本地，再上传云端。我常用的方案是SQLite + 定时上传。

先看缓存逻辑：

import sqlite3
import time
from datetime import datetime

# 初始化数据库
def init_db():
    conn = sqlite3.connect('wind_data.db')
    cursor = conn.cursor()
    cursor.execute('''
        CREATE TABLE IF NOT EXISTS sensor_data (
            id INTEGER PRIMARY KEY AUTOINCREMENT,
            timestamp TEXT NOT NULL,
            wind_speed REAL,
            power REAL,
            temperature REAL,
            uploaded INTEGER DEFAULT 0
        )
    ''')
    conn.commit()
    conn.close()

# 插入数据
def insert_data(wind_speed, power, temperature):
    conn = sqlite3.connect('wind_data.db')
    cursor = conn.cursor()
    cursor.execute('''
        INSERT INTO sensor_data (timestamp, wind_speed, power, temperature)
        VALUES (?, ?, ?, ?)
    ''', (datetime.now().isoformat(), wind_speed, power, temperature))
    conn.commit()
    conn.close()

再看断点续传逻辑：

import requests

# 上传未上传的数据
def upload_pending_data():
    conn = sqlite3.connect('wind_data.db')
    cursor = conn.cursor()
    
    # 查询所有未上传的数据
    cursor.execute('SELECT * FROM sensor_data WHERE uploaded = 0')
    rows = cursor.fetchall()
    
    for row in rows:
        data = {
            'timestamp': row[1],
            'wind_speed': row[2],
            'power': row[3],
            'temperature': row[4]
        }
        
        try:
            # 上传到云端API
            response = requests.post('http://cloud-api/wind-data', json=data, timeout=5)
            if response.status_code == 200:
                # 标记为已上传
                cursor.execute('UPDATE sensor_data SET uploaded = 1 WHERE id = ?', (row[0],))
                conn.commit()
                print(f"数据 {row[0]} 上传成功")
            else:
                print(f"数据 {row[0]} 上传失败，状态码: {response.status_code}")
        except Exception as e:
            print(f"上传异常: {e}")
            # 网络异常，下次再试
            break
    
    conn.close()

我曾经在内蒙古一个风场部署这套机制，当时网络经常中断，每次中断持续几十分钟。但因为有本地缓存和断点续传，云端的数据始终是完整的。运维经理后来跟我说：“你们这套系统，比我们之前用的进口方案还靠谱。”

3.6 本章知识体系总览

为了让你更直观地理解本章内容，我画了一张流程图：

这张图把本章的四个核心模块串起来了。从硬件选型开始，到环境搭建，再到数据采集，最后是缓存与续传。每一步都是下一层的基础，缺一不可。