第4章边缘计算与网关

第4章：边缘计算与网关

好，咱们今天聊聊边缘计算和网关。说实话，这个概念在工业圈里被炒得挺热，但很多人其实没搞明白——边缘计算到底解决什么问题？我个人的理解很简单：数据别什么都往云端送，在靠近设备的地方就把活儿干了。

你想想看，一个工厂里几百个传感器，每秒都在产生数据。如果全扔到云端，带宽扛不住，延迟也受不了。更别说有些现场要求毫秒级响应，比如机械臂的急停信号，等数据绕一圈回来，设备早撞上了。

4.1 边缘计算的核心概念

边缘计算，说白了就是在数据源头附近做计算和决策。它和云计算不是替代关系，而是分工合作。

我习惯把工业物联网分成三层：

现场层：传感器、PLC、执行器，负责采集和控制
边缘层：网关、工控机、边缘服务器，负责数据预处理和实时响应
云端层：大数据分析、AI训练、远程监控

边缘层的作用，我总结为三个字：减、快、稳。

减：减少数据量，只上传有价值的信息
快：本地处理，毫秒级响应
稳：断网也能继续运行，不影响生产

关键认知：边缘计算不是把云端的活儿搬到本地，而是做云端做不了或者做不好的事。比如实时控制、数据清洗、协议转换，这些在边缘做最合适。

4.2 网关硬件选型

网关是边缘计算的物理载体。选型这件事，我踩过不少坑。曾经在一个项目里，为了省钱选了低配的ARM板子，结果现场数据量一上来，CPU直接跑满，数据丢包严重。后来换了工控机，问题才解决。

目前主流的网关硬件有三类，我列个表对比一下：

类型	代表产品	优点	缺点	适用场景
树莓派	Raspberry Pi 4/5	价格低、生态好、社区资源丰富	性能有限、工业环境稳定性一般	原型验证、小规模部署、教学实验
工控机	研华、西门子、国产工控机	稳定可靠、接口丰富、支持宽温	价格高、体积大	工业现场、7x24小时运行
边缘服务器	NVIDIA Jetson、华为Atlas	算力强、支持AI推理	功耗高、成本高	视觉检测、AI应用

我个人建议：

做原型验证或学习，选树莓派，成本低，折腾坏了不心疼
真正上产线，老老实实用工控机。我曾经见过一个客户用树莓派跑了一个月，SD卡写坏了，数据全丢——教训深刻
如果需要跑AI模型，比如视觉检测，那就得上Jetson这类带GPU的板子

选型小技巧：先估算数据量。比如每秒采集100个传感器，每个传感器4字节，每秒就是400字节。看起来不大，但如果要做滤波、去重、协议转换，CPU负载会翻好几倍。我一般按峰值负载的2倍预留算力。

4.3 边缘侧数据预处理

数据到了网关，不能直接转发。为什么？因为原始数据太脏了。我在一个振动监测项目里遇到过，传感器偶尔会跳出一个异常值，振幅直接飙到正常值的10倍。如果不处理，云端会误判为设备故障。

边缘侧预处理，我主要做三件事：

4.3.1 滤波

滤波的目的是去除噪声和异常值。常用的方法：

限幅滤波：设定一个合理范围，超出范围的直接丢弃。比如温度传感器正常范围0-100℃，突然冒出来个500℃，明显是干扰
中值滤波：取连续N个采样值的中位数。对脉冲噪声特别有效
滑动平均滤波：取最近N个值的平均值。平滑效果好，但会有延迟

我一般这样组合使用：先限幅滤波去掉明显异常值，再用滑动平均做平滑处理。效果不错。

4.3.2 去重

去重是个容易被忽略的问题。有些传感器会重复发送相同的数据，尤其是Modbus RTU这种轮询协议。如果不做去重，云端会收到大量冗余数据，浪费带宽和存储。

去重的逻辑很简单：比较当前值和上一个值，如果相同就丢弃。但要注意，有些场景下重复值是有意义的，比如设备状态信号。所以去重要根据业务场景来配置。

4.3.3 数据压缩与聚合

除了滤波和去重，我还会做数据压缩和聚合：

压缩：用差值编码或游程编码，减少数据体积
聚合：计算一段时间内的平均值、最大值、最小值，只上传统计结果

注意：聚合会丢失细节。比如设备振动信号，如果只上传平均值，可能漏掉瞬间的冲击信号。所以关键数据要保留原始值，非关键数据做聚合。这个取舍，需要根据业务需求来定。

4.4 实战：在树莓派上部署数据采集脚本

好，理论说完了，咱们动手干一个。我选树莓派做演示，因为大家都能拿到，成本也低。工控机的部署逻辑是一样的，只是硬件接口不同。

这个实战的目标：在树莓派上采集模拟传感器数据，做滤波和去重，然后通过MQTT上传到云端。

4.4.1 硬件准备

树莓派4B（或5）一台
温湿度传感器DHT22一个（模拟真实传感器）
面包板、杜邦线若干

4.4.2 安装依赖

# 更新系统
sudo apt update && sudo apt upgrade -y

# 安装Python库
pip3 install paho-mqtt adafruit-circuitpython-dht

# 安装系统依赖
sudo apt install libgpiod2

4.4.3 数据采集脚本

下面这个脚本，我加了限幅滤波和去重逻辑。嗯，代码不长，但核心功能都有了。

import time
import board
import adafruit_dht
import paho.mqtt.client as mqtt

# 传感器初始化
dht_device = adafruit_dht.DHT22(board.D4)

# MQTT配置
MQTT_BROKER = "你的MQTT服务器地址"
MQTT_TOPIC = "factory/sensor/temperature"

# 滤波参数
TEMP_MIN = 0
TEMP_MAX = 50
last_temp = None

def filter_temperature(temp):
    """限幅滤波"""
    if temp < TEMP_MIN or temp > TEMP_MAX:
        return None
    return temp

def is_duplicate(temp):
    """去重判断"""
    global last_temp
    if last_temp is not None and abs(temp - last_temp) < 0.1:
        return True
    last_temp = temp
    return False

def on_connect(client, userdata, flags, rc):
    print(f"MQTT连接成功，返回码：{rc}")

client = mqtt.Client()
client.on_connect = on_connect
client.connect(MQTT_BROKER, 1883, 60)

print("开始采集数据...")
while True:
    try:
        temp = dht_device.temperature
        humidity = dht_device.humidity
        
        # 滤波
        temp = filter_temperature(temp)
        if temp is None:
            print(f"异常值被过滤：{dht_device.temperature}")
            time.sleep(2)
            continue
        
        # 去重
        if is_duplicate(temp):
            print(f"重复值被丢弃：{temp}")
            time.sleep(2)
            continue
        
        # 发布到MQTT
        payload = f'{{"temperature": {temp:.1f}, "humidity": {humidity:.1f}}}'
        client.publish(MQTT_TOPIC, payload)
        print(f"已发送：{payload}")
        
    except RuntimeError as e:
        print(f"读取错误：{e}")
    
    time.sleep(2)

4.4.4 部署与运行

# 将脚本保存为 edge_collector.py
# 运行脚本
python3 edge_collector.py

运行后，你会看到类似这样的输出：

开始采集数据...
已发送：{"temperature": 25.3, "humidity": 60.1}
重复值被丢弃：25.3
已发送：{"temperature": 25.4, "humidity": 60.2}
异常值被过滤：127.8

部署小贴士：

建议用systemd把脚本注册为服务，这样开机自启，断网重连
日志要写到文件，别只打印到终端。我曾经因为没写日志，排查问题花了半天
树莓派的SD卡容易坏，建议用工业级SD卡或者外接SSD

4.5 本章小结

边缘计算不是玄学，它就是在靠近设备的地方做该做的事。选对硬件、做好数据预处理，你的工业物联网系统才能稳定运行。

下一章，咱们聊聊数据上云的那些事——协议怎么选、安全怎么搞、断网续传怎么做。都是实战干货，别错过。

📚 课程目录