Redis 8 已发布，且为开源版本
了解更多
分享
想象您是一家向消费者销售数百万台智能空调的空调制造公司。您正在构建一个集中式的智能气候控制系统，该系统收集关于房屋温度、压力和湿度的传感器数据，并将其发送到中心位置进行效率分析，以帮助终端用户削减电费支出。
这篇博文将展示此类用例的简化版本，以演示其工作原理，让您了解如何在 Redis 中管理各种实时 IoT 传感器数据。
以下是我们使用的：
硬件要求
软件要求
按照这 10 个步骤查看其工作原理
市场上有各种各样的传感器，但本次演示使用的是 Pimoroni BME680 分线板。BME680 是一款集成环境传感器，专为对尺寸和低功耗有关键要求的移动应用和可穿戴设备开发。它可以测量温度、压力、湿度和室内空气质量，并与 Raspberry Pi 和 Arduino 兼容。
在本次演示中，我们使用 NVIDIA Jetson Nano 开发板，这是一款小型而功能强大的计算机，供开发者学习、探索和构建边缘设备的 AI 应用程序。它售价 59 美元，基本上是一个开发者套件，包含一个 2GB 内存的 Jetson Nano 模块，提供 472 GFLOPS 的计算能力。本次演示也适用于其他流行的 IoT 设备，例如 Raspberry Pi、Arduino、Banana Pi 等。
BME680 可以直接插入 Jetson Nano 开发板，无需任何连接线。
接好传感器后，我们建议使用 i2cdetect 运行 I2C 检测，以验证您是否看到设备：在我们的示例中，它显示 76。请注意，传感器使用 I2C 或 SPI 通信协议与微控制器通信。
$ i2cdetect -r -y 1 0 1 2 3 4 5 6 7 8 9 a b c d e f 00: -- -- -- -- -- -- -- -- -- -- -- -- -- 10: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 20: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 30: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 40: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 50: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 60: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 70: -- -- -- -- -- -- 76 --
您需要在本地笔记本电脑或云端运行一个 Redis 服务器，并且 Redis 服务器必须编译有 RedisTimeSeries 模块。在本次演示中，我们使用 Redis Enterprise Cloud，这是一项完全托管的云数据库服务，已经内置并集成了 RedisTimeSeries 模块。
如果您是 RedisTimeSeries 的新手，请查看我们的 RedisTimeSeries 快速入门教程。它解释了如何开始使用 Redis Enterprise Cloud 以及如何启用 RedisTimeSeries。本次实现需要以下几个详细信息：
$ git clone https://github.com/redis-developer/redis-datasets
$ cd redis-datasets/redistimeseries/realtime-sensor-jetson
从 BME680 读取传感器值相当直接，但需要您设置一些配置值。您还可以通过两种不同的“模式”运行传感器——带或不带气体读数。仅测量温度、压力和湿度可以让您更快地采样数据。
首先，让我们看一下库导入和配置设置。打开终端窗口，创建一个文件，然后输入以下内容：
import bme680
import time
import datetime
import csv
import argparse
import redis
第一个模块 bme680 允许您轻松编写 Python 代码来读取传感器的湿度、温度和压力。同样，还有其他 Python 模块，例如处理时间相关任务的 time，导入 Redis Python 模块的 redis 等。我们使用 time 库在每次读取传感器之间引入一个小的延迟，以帮助确保结果一致。
print("""read-sensor.py - Displays temperature, pressure, humidity, and gas.
Press Ctrl+C to exit!
""")
try:
sensor = bme680.BME680(bme680.I2C_ADDR_PRIMARY)
except IOError:
sensor = bme680.BME680(bme680.I2C_ADDR_SECONDARY)
# These calibration data can safely be commented
# out, if desired.
print('Calibration data:')
for name in dir(sensor.calibration_data):
if not name.startswith('_'):
value = getattr(sensor.calibration_data, name)
if isinstance(value, int):
print('{}: {}'.format(name, value))
# These oversampling settings can be tweaked to
# change the balance between accuracy and noise in
# the data.
sensor.set_humidity_oversample(bme680.OS_2X)
sensor.set_pressure_oversample(bme680.OS_4X)
sensor.set_temperature_oversample(bme680.OS_8X)
sensor.set_filter(bme680.FILTER_SIZE_3)
sensor.set_gas_status(bme680.ENABLE_GAS_MEAS)
命令 sensor = bme680.BME680() 创建传感器实例，我们将用它来配置设置并获取传感器的读数。我们为湿度、压力和温度测量建立的 _oversample 设置旨在在准确读数和最小化噪声之间取得平衡。过采样越高，噪声降低越大，尽管精度也会降低。
_filter 用于保护传感器读数免受瞬时条件变化的影响，例如关门可能导致压力瞬间变化，而 IIR 滤波器则可以去除这些瞬时尖峰值。
如下方代码所示，气体测量有一些可以调整的设置。可以使用 set_gas_status 启用或禁用它。如上所述，禁用它可以使其他读数更快地获取。热板的温度及其保持该温度的时长也可以更改，但如果您的气体电阻读数看起来正常，我们建议不要更改这些设置。
print('\n\nInitial reading:')
for name in dir(sensor.data):
value = getattr(sensor.data, name)
if not name.startswith('_'):
print('{}: {}'.format(name, value))
sensor.set_gas_heater_temperature(320)
sensor.set_gas_heater_duration(150)
sensor.select_gas_heater_profile(0)
# Up to 10 heater profiles can be configured, each
# with their own temperature and duration.
# sensor.set_gas_heater_profile(200, 150, nb_profile=1)
# sensor.select_gas_heater_profile(1)
parser = argparse.ArgumentParser()
parser.add_argument("--port", type=int, help="redis instance port", default=6379)
parser.add_argument(
"--password", type=int, help="redis instance password", default=None
)
parser.add_argument("--verbose", help="enable verbose output", action="store_true")
parser.add_argument("--host", type=str, help="redis instance host", default="127.0.0.1")
args = parser.parse_args()
接下来，我们定义 Redis 连接器，其中指定 Redis 实例的主机、端口和密码。如下所示，以下代码定义了各种 RedisTimeSeries 键，例如温度键（TS:TEMPERATURE）、压力键（TS:PRESSURE）和湿度键（TS:HUMIDITY）。
# redis setup
redis_obj = redis.Redis(host=args.host, port=args.port, password=args.password)
temperature_key = "ts:temperature"
pressure_key = "ts:pressure"
humidity_key = "ts:humidity"
sensor.get_sensor_data() 指令从传感器获取数据，并用温度、湿度和压力填充这三个变量。
接下来，通过在 Redis 连接上调用无参数的 .pipeline() 方法构建一个“事务性管道”。在底层，管道收集所有传递的命令，直到调用 .execute() 方法。如您所见，我们使用了 RedisTimeSeries 的 TS.ADD 命令来填充传感器数据结构。您可以通过此 GitHub 仓库访问完整的代码。
在执行脚本之前，您需要导入 bme680 和 smbus Python 模块，如下所示：
$ pip3 install bme680
$ pip3 install smbus
确保您提供了正确的 Redis Enterprise Cloud 数据库端点、用户名和密码
$ python3 sensorloader.py --host <Redis Enterprise Cloud host> --port <port> --password <password>
您可以运行 monitor 命令来验证传感器数据是否正在填充，如下所示：
$ redis-cli -h redis-12929.c212.ap-south-1-1.ec2.cloud.redislabs.com -p 12929
redis-12929.c212.ap-south-1-1.ec2.cloud.redislabs.com:12929> auth <password>
OK
redis-12929.c212.ap-south-1-1.ec2.cloud.redislabs.com:12929> monitor
OK
1611046300.446452 [0 122.179.79.106:53715] "info" "server"
1611046300.450452 [0 122.179.79.106:53717] "info" "stats"
1611046300.450452 [0 122.179.79.106:53716] "info" "clients"
1611046300.486452 [0 122.179.79.106:53714] "info" "memory"
1611046300.486452 [0 122.179.79.106:53713] "info" "server"
1611046300.494452 [0 122.179.79.106:53715] "info" "memory"
1611046300.498452 [0 122.179.79.106:53717] "info" "commandstats"
1611046300.522452 [0 122.179.79.106:53716] "dbsize"
1611046301.498452 [0 122.179.79.106:53714] "info" "memory"
1611046301.498452 [0 122.179.79.106:53713] "info" "server"
1611046301.498452 [0 122.179.79.106:53715] "info" "server"
1611046301.498452 [0 122.179.79.106:53716] "info" "clients"
1611046301.498452 [0 122.179.79.106:53717] "info" "stats"
1611046301.554452 [0 122.179.79.106:53714] "info" "memory"
1611046301.562452 [0 122.179.79.106:53717] "info" "commandstats"
在 Grafana 中绘制传感器数据图非常令人兴奋。要实现这一点，请运行以下命令：
$ docker run -d -e "GF_INSTALL_PLUGINS=redis-app" -p 3000:3000 grafana/grafana
确保您的系统上正在运行 Docker Engine，无论是在您的桌面系统还是在云端。本次演示中，我已在 Docker Desktop for Mac 上进行了测试。
将您的浏览器指向 https://<IP_ADDRESS>:3000。使用“admin”作为用户名和密码登录 Grafana 控制面板。
单击 Grafana 控制面板左侧的“Data Sources”选项，添加数据源。
在 Add data source 选项下，搜索 Redis，然后 Redis 数据源将如下所示出现：
输入名称、Redis Enterprise Cloud 数据库端点和密码，然后点击 Save & Test。
点击 Dashboards 以导入 Redis 和 Redis Streaming。对这两个选项都点击 Import。
点击 Redis 查看一个精美的 Grafana 控制面板，其中显示 Redis 数据库信息。
最后，让我们创建一个显示温度、压力和湿度的传感器控制面板。首先从温度开始，先点击左侧导航窗口中的 +。在 Create 选项下，选择 Dashboard 并点击 Add new panel 按钮。
将打开一个新窗口，显示 Query 部分。从下拉菜单中选择 SensorT，选择 RedisTimeSeries 作为类型，选择 TS.GET 作为命令，选择 ts”temperature 作为键。
选择 TS.GET 作为命令。
输入 ts”temperature 作为键。
点击 Run，然后点击 Save，如下所示：
现在您可以以您喜欢的名称保存控制面板。
点击 Save。这将打开一个传感器控制面板。您可以点击 Panel Title 并选择 Edit。
输入 Temperature，并在 Visualization 下选择 Gauge。
点击 Apply，您应该能看到如下所示的温度控制面板：
对压力（ts:pressure）和湿度（ts:humidity）遵循相同的过程，并将它们添加到控制面板。您应该能够看到完整的温度、湿度和压力控制面板读数。看起来很棒，不是吗？
此演示展示了 RedisTimeSeries 如何结合 Redis 和专门构建的时间序列数据库的优势。这种组合让您能够通过有效地存储和管理 RedisTimeSeries 数据来轻松跟踪环境因素。最后，通过将 Grafana 与 RedisTimeSeries 集成，您可以创建一个实用、信息丰富的控制面板，让您能够实时放大和缩小图表。
此示例应用只是您可以使用 RedisTimeSeries 完成的许多出色事情之一。要了解更多想法，请查看以下有趣的用例：