企业官网建设流程全解析

1. 项目概述：用树莓派打造一个温度追踪器

最近在整理工作室的设备，发现一个老款的树莓派4B闲置着，琢磨着给它找个活儿干。正好，工作室里有个小温室，里面养了些对温度比较敏感的植物，还有一台3D打印机，打印ABS材料时对腔体温度也有要求。手动拿温度计去测，不仅麻烦，数据还不连续。于是，我就想，能不能用这个树莓派做个持续工作的温度追踪器？这个想法听起来简单，但真做起来，从传感器选型、数据采集、到后端存储和前段展示，每一步都有不少门道。

这个“Temperature Tracker using Raspberry Pi”项目，本质上是一个物联网（IoT）数据采集与监控系统。它的核心功能是让树莓派这个微型电脑，连接上一个或多个温度传感器，以设定的频率（比如每分钟一次）读取环境温度数据，然后将这些数据保存下来，并通过一个网页界面实时展示和历史查询。它解决的痛点就是低成本、自动化、可远程访问的持续环境监测。无论是想监控家里的地下室是否潮湿阴冷，还是想记录鱼缸的水温变化，甚至是观测服务器机柜的内部温度，这个方案都特别合适。你不需要是个电子或编程专家，只要跟着步骤一步步来，花上一个下午的时间，就能拥有一个属于自己的、24小时不间断工作的温度监控站。

2. 核心硬件选型与电路连接解析

2.1 传感器选型：DS18B20 vs DHT11/DHT22

做温度监测，第一步就是挑传感器。市面上常见的、适合树莓派的有两类：单总线的DS18B20和数字温湿度一体的DHT11/DHT22。

DS18B20是我这次项目的首选，原因有几个。首先，它的精度足够高，典型精度在±0.5°C，对于绝大多数环境监测场景完全够用。其次，它采用独特的“单总线”协议，只需要一根数据线（外加电源和地线）就能与树莓派通信，这意味着你可以用树莓派的一个GPIO引脚，通过并联的方式连接多个传感器，给不同房间或位置编号，实现多点监测，布线非常简洁。最后，它本身是防水的，有封装好的探头版本，可以直接扔进水里测水温，应用场景更广。

DHT11/DHT22这类传感器能同时提供温度和湿度数据，对于需要温湿度共同监测的场景（如温室、仓库）是很好的选择。DHT22的精度和量程比DHT11更好。但它们使用的是自定义的单线通信协议，对时序要求严格，编程稍复杂，且响应速度不如DS18B20，在需要快速或高密度采样的场景下可能不太合适。

注意：如果你只需要温度数据，且可能有多点监测需求，DS18B20是更清晰、更可靠的选择。如果需要温湿度，且采样频率不高（如每分钟一次），DHT22是性价比之选。

2.2 所需物料清单与电路连接

硬件部分非常简单，除了树莓派（任何型号均可，推荐3B+或4B，性能更充裕），你还需要：

1. DS18B20温度传感器（建议购买已焊接好引线和上拉电阻的模块，省事）。
2. 4.7kΩ - 10kΩ的电阻一枚（用于单总线的上拉，如果模块已集成则不需要）。
3. 母对母杜邦线若干（用于连接）。
4. 一个面包板（非必须，但方便测试和扩展）。

连接电路是电子项目的“Hello World”。树莓派有40个GPIO针脚，我们需要用到3.3V电源、接地（GND）和一个数据引脚。

接线步骤（以DS18B20为例）：

1. 电源：将传感器的VCC（或红色线）连接到树莓派的3.3V引脚（例如物理引脚1）。切记不要接到5V引脚，虽然DS18B20兼容5V，但为了保险和统一，使用3.3V更安全。
2. 接地：将传感器的GND（或黑色线）连接到树莓派的任意GND引脚（例如物理引脚6）。
3. 数据：将传感器的DATA（或黄色线）连接到树莓派的一个GPIO引脚，例如我习惯用GPIO4，它对应物理引脚7。
4. 上拉电阻：在传感器的DATA线和3.3V电源线之间，连接一个4.7kΩ的电阻。这个电阻至关重要，它用于在总线空闲时将数据线稳定在高电平，确保通信可靠。很多成品模块已经集成了这个电阻。

连接好后，你的电路看起来应该非常简洁：三根线从传感器出来，分别接到树莓派的3.3V、GND和GPIO4，然后在GPIO4和3.3V之间多了一个电阻（如果模块没有的话）。

2.3 树莓派系统准备与基础配置

在连接硬件之前，我们需要确保树莓派的系统就绪。我使用的是官方的Raspberry Pi OS（以前叫Raspbian），用SD卡刷好系统后，首次启动完成基础设置。

有几个关键的系统配置需要提前做：

1. 启用SSH和VNC：为了方便后续无头（无显示器）操作，在系统首选项的“Raspberry Pi Configuration”工具中，找到“Interfaces”标签页，将SSH和VNC都启用。这样你就可以用另一台电脑通过命令行或远程桌面来控制树莓派了。
2. 更新系统：打开终端，首先运行sudo apt update和sudo apt upgrade -y，确保所有软件包都是最新的。一个更新的系统能避免很多奇怪的兼容性问题。
3. 启用单总线（1-Wire）接口：这是让DS18B20工作的关键。同样在“Raspberry Pi Configuration”的“Interfaces”标签页，找到“1-Wire”选项，将其启用。你也可以通过命令行操作：sudo raspi-config，然后依次选择Interface Options->1-Wire->Yes，完成后重启。

重启后，你可以验证1-Wire是否启用成功。在终端输入lsmod | grep w1，如果看到w1_gpio和w1_therm模块，就说明驱动加载成功了。

3. 软件架构设计与核心组件部署

一个完整的温度追踪器，不仅仅是读一下传感器数据。我们需要一个稳定、可扩展的软件架构来负责数据采集、存储和展示。我设计的架构分为三层：数据采集层、数据服务层和数据展示层。

3.1 数据采集层：Python脚本与定时任务

采集层的工作是用Python脚本与DS18B20传感器通信，读取温度值。得益于Linux内核的支持，DS18B20的数据会以文件形式出现在/sys/bus/w1/devices/目录下。每个传感器都有一个唯一的ID（如28-xxxx），对应一个文件夹，里面的w1_slave文件就包含了温度数据。

我写了一个简单的Python脚本read_temperature.py：

import os import time import glob from datetime import datetime # 1-Wire设备的基础路径 base_dir = '/sys/bus/w1/devices/' # 找到所有以“28-”开头的设备文件夹，即DS18B20传感器 device_folders = glob.glob(base_dir + '28-*') def read_temp_raw(device_file): """读取传感器原始数据文件""" with open(device_file, 'r') as f: lines = f.readlines() return lines def read_temp(device_folder): """从原始数据中解析出摄氏度温度值""" device_file = device_folder + '/w1_slave' lines = read_temp_raw(device_file) # 检查数据是否有效（CRC校验） while lines[0].strip()[-3:] != 'YES': time.sleep(0.2) lines = read_temp_raw(device_file) equals_pos = lines[1].find('t=') if equals_pos != -1: temp_string = lines[1][equals_pos+2:] temp_c = float(temp_string) / 1000.0 # 原始数据是毫摄氏度 return temp_c return None if __name__ == '__main__': for device_folder in device_folders: sensor_id = device_folder.split('/')[-1] # 提取传感器ID temperature = read_temp(device_folder) if temperature is not None: timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S') # 打印到控制台，后续会改为写入数据库 print(f"{timestamp} - Sensor {sensor_id}: {temperature:.2f}°C") else: print(f"Failed to read from sensor {sensor_id}")

这个脚本的核心逻辑是定位传感器、读取文件、校验数据、解析温度。现在它只是打印出来，我们需要让它定期运行。这里我使用Linux系统自带的Cron定时任务。在终端输入crontab -e，然后在文件末尾添加一行：

*/5 * * * * /usr/bin/python3 /home/pi/temperature_tracker/read_temperature.py >> /home/pi/temperature.log 2>&1

这行配置的意思是：每5分钟，用python3运行一次我们的脚本，并将输出（包括错误信息）追加到temperature.log日志文件中。这样，数据采集的自动化就完成了。

3.2 数据服务层：轻量级数据库选型与表设计

将数据打印到日志文件不是长久之计，不利于查询和分析。我们需要一个数据库。对于树莓派这种资源有限的设备，SQLite是绝佳选择。它无需安装独立的数据库服务，整个数据库就是一个文件，零配置，通过Python标准库sqlite3就能直接操作。

我们在采集脚本里加入数据库操作。首先，创建一个数据库和表：

import sqlite3 DB_PATH = '/home/pi/temperature_data.db' def init_database(): conn = sqlite3.connect(DB_PATH) c = conn.cursor() # 创建数据表，包含时间戳、传感器ID和温度值 c.execute('''CREATE TABLE IF NOT EXISTS temperature_readings (timestamp DATETIME, sensor_id TEXT, temperature REAL)''') # 创建索引以提高按时间和传感器查询的速度 c.execute('CREATE INDEX IF NOT EXISTS idx_time ON temperature_readings(timestamp)') c.execute('CREATE INDEX IF NOT EXISTS idx_sensor ON temperature_readings(sensor_id)') conn.commit() conn.close()

然后，修改主循环，将读取到的数据插入数据库：

def save_to_database(sensor_id, temperature): conn = sqlite3.connect(DB_PATH) c = conn.cursor() timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S') c.execute("INSERT INTO temperature_readings VALUES (?, ?, ?)", (timestamp, sensor_id, temperature)) conn.commit() conn.close() # 在主循环中调用 # temperature = read_temp(device_folder) # save_to_database(sensor_id, temperature)

使用SQLite，我们几乎不增加系统负担，就能实现数据的结构化存储。表结构设计简单明了：时间、传感器ID、温度值。加上索引后，即使数据积累到几十万条，查询速度也依然很快。

3.3 数据展示层：使用Flask构建Web仪表盘

数据存好了，我们还需要一个直观的方式来看。在树莓派上搭建一个轻量的Web服务器是最佳选择。Python的Flask框架简单易用，非常适合这个任务。

首先安装Flask：pip install flask。然后创建一个新的Python文件app.py：

from flask import Flask, render_template, jsonify import sqlite3 from datetime import datetime, timedelta import json app = Flask(__name__) DB_PATH = '/home/pi/temperature_data.db' @app.route('/') def index(): """主页面，展示图表""" return render_template('index.html') @app.route('/api/current') def get_current_temp(): """API接口：获取所有传感器的最新温度""" conn = sqlite3.connect(DB_PATH) c = conn.cursor() # 获取每个传感器最近的一条记录 c.execute('''SELECT sensor_id, temperature, timestamp FROM temperature_readings WHERE timestamp = (SELECT MAX(timestamp) FROM temperature_readings AS tr2 WHERE tr2.sensor_id = temperature_readings.sensor_id) ORDER BY sensor_id''') data = [{'sensor_id': row[0], 'temperature': row[1], 'timestamp': row[2]} for row in c.fetchall()] conn.close() return jsonify(data) @app.route('/api/history/<sensor_id>') def get_history(sensor_id): """API接口：获取指定传感器过去24小时的数据，用于绘图""" conn = sqlite3.connect(DB_PATH) c = conn.cursor() time_threshold = (datetime.now() - timedelta(hours=24)).strftime('%Y-%m-%d %H:%M:%S') c.execute('''SELECT timestamp, temperature FROM temperature_readings WHERE sensor_id = ? AND timestamp > ? ORDER BY timestamp''', (sensor_id, time_threshold)) data = [{'time': row[0], 'temperature': row[1]} for row in c.fetchall()] conn.close() return jsonify(data) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000, debug=False) # 生产环境务必设置debug=False

这个Flask应用提供了两个核心API：/api/current返回当前最新温度，/api/history/<sensor_id>返回某个传感器过去24小时的历史数据。前端页面通过调用这些API来获取JSON格式的数据。

4. 前端可视化与系统集成实战

4.1 使用Chart.js绘制动态温度曲线

有了后端API，前端页面就负责把数据漂亮地展示出来。我在项目根目录下创建了一个templates文件夹，在里面新建index.html。为了绘制曲线图，我选择了Chart.js这个轻量而强大的JavaScript图表库。

index.html的核心部分如下：

<!DOCTYPE html> <html> <head> <title>树莓派温度监控仪表盘</title> <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> <style> body { font-family: sans-serif; margin: 20px; } .dashboard { display: flex; flex-wrap: wrap; } .sensor-card { border: 1px solid #ccc; border-radius: 5px; padding: 15px; margin: 10px; min-width: 300px; } .current-temp { font-size: 2em; font-weight: bold; } .chart-container { width: 100%; height: 300px; } </style> </head> <body> <h1>🌡️ 树莓派温度监控系统</h1> <div id="currentDashboard" class="dashboard"> <!-- 这里会动态插入每个传感器的当前温度卡片 --> </div> <div id="historyCharts" class="dashboard"> <!-- 这里会动态插入每个传感器的历史曲线图 --> </div> <script> // 1. 获取并显示当前温度 fetch('/api/current') .then(response => response.json()) .then(data => { const dashboard = document.getElementById('currentDashboard'); dashboard.innerHTML = ''; // 清空 data.forEach(sensor => { const card = document.createElement('div'); card.className = 'sensor-card'; card.innerHTML = ` <h3>传感器: ${sensor.sensor_id}</h3> <p>最新温度: <span class="current-temp">${sensor.temperature.toFixed(2)}°C</span></p> <p>更新时间: ${sensor.timestamp}</p> `; dashboard.appendChild(card); }); }); // 2. 获取并绘制历史曲线 // 假设我们已知传感器ID，或者可以从第一个API响应中获取 const sensorIds = ['28-xxxxxxxxxxxx', '28-xxxxxxxxxxxy']; // 这里需要替换成你的实际传感器ID sensorIds.forEach(sensorId => { fetch(`/api/history/${sensorId}`) .then(response => response.json()) .then(data => { const container = document.getElementById('historyCharts'); const chartDiv = document.createElement('div'); chartDiv.className = 'sensor-card'; chartDiv.innerHTML = `<h3>${sensorId} - 24小时趋势</h3><canvas id="chart-${sensorId}"></canvas>`; container.appendChild(chartDiv); const ctx = document.getElementById(`chart-${sensorId}`).getContext('2d'); new Chart(ctx, { type: 'line', data: { labels: data.map(d => d.time.substring(11, 16)), // 只取时分 datasets: [{ label: '温度 (°C)', data: data.map(d => d.temperature), borderColor: 'rgb(75, 192, 192)', tension: 0.1 }] }, options: { responsive: true, maintainAspectRatio: false } }); }); }); </script> </body> </html>

这个页面会先向/api/current请求数据，动态生成显示当前温度的卡片。然后，针对每个已知的传感器ID（这里需要你手动替换成实际的ID），请求其24小时历史数据，并用Chart.js绘制出漂亮的折线图。图表是交互式的，可以缩放、平移，方便查看细节。

4.2 系统服务化与开机自启动

我们不希望每次重启树莓派后，都要手动去启动Flask应用和Cron任务（Cron本身是系统服务，无需额外处理）。我们需要将Flask应用设置为系统服务，实现开机自启和后台稳定运行。

创建一个系统服务文件：sudo nano /etc/systemd/system/temperature-tracker.service

[Unit] Description=Temperature Tracker Web Interface After=network.target [Service] User=pi WorkingDirectory=/home/pi/temperature_tracker ExecStart=/usr/bin/python3 /home/pi/temperature_tracker/app.py Restart=always RestartSec=10 StandardOutput=syslog StandardError=syslog SyslogIdentifier=temp_tracker [Install] WantedBy=multi-user.target

这个配置文件告诉系统：以用户pi的身份，在指定目录下运行我们的app.py。如果程序意外崩溃，系统会在10秒后自动重启它（Restart=always）。

保存后，执行以下命令启用并启动服务：

sudo systemctl daemon-reload # 重新加载服务配置 sudo systemctl enable temperature-tracker.service # 启用开机自启 sudo systemctl start temperature-tracker.service # 立即启动服务 sudo systemctl status temperature-tracker.service # 检查服务状态

看到状态显示为“active (running)”就大功告成了。现在，你的温度追踪Web界面已经作为一个守护进程在后台运行，即使树莓派重启也会自动拉起。

4.3 内网穿透与远程访问配置

到目前为止，我们的仪表盘只能在家庭局域网内通过http://树莓派IP:5000访问。如果你想在外面（比如在公司）也能查看家里的温度，就需要内网穿透。

这里我使用Cloudflare Tunnel（以前叫 Argo Tunnel）作为例子，因为它免费、安全且配置相对简单。首先，你需要在Cloudflare上注册账号，并添加你的域名（可以是一个免费的子域名）。

1. 在树莓派上安装Cloudflare的客户端：sudo apt install cloudflared
2. 运行认证命令：cloudflared tunnel login，它会打开一个浏览器页面让你授权。
3. 创建隧道：cloudflared tunnel create temperature-tracker，记下返回的隧道ID（一个UUID）。
4. 创建配置文件：在~/.cloudflared/config.yml中写入：

   tunnel: <你的隧道ID> credentials-file: /home/pi/.cloudflared/<隧道ID>.json ingress: - hostname: temp.yourdomain.com # 你的子域名 service: http://localhost:5000 - service: http_status:404

5. 在Cloudflare DNS面板，为你指定的子域名（如temp）创建一条CNAME记录，指向<隧道ID>.cfargotunnel.com。
6. 运行隧道：cloudflared tunnel run temperature-tracker。为了让它也在后台运行，同样可以将其配置为系统服务。

配置成功后，你就可以通过https://temp.yourdomain.com这个地址，在任何有网络的地方访问你的温度监控仪表盘了。

5. 项目优化、问题排查与扩展思路

5.1 性能优化与数据管理

随着系统长时间运行，数据库会越来越大。虽然SQLite很轻量，但无限制增长也会影响查询效率。我们需要一个数据清理策略。

一个常见的做法是只保留一定时间内的详细数据，比如过去30天。对于更早的数据，可以按小时或天进行聚合（计算平均值、最大值、最小值），然后删除原始数据，只保留聚合结果。这可以通过一个额外的Cron任务来实现：

# 编辑crontab: crontab -e # 每天凌晨3点执行数据清理和聚合脚本 0 3 * * * /usr/bin/python3 /home/pi/temperature_tracker/cleanup_db.py

cleanup_db.py脚本的内容可以包括：

• 删除超过30天的原始数据。
• 将30天前、昨天之前的数据，按传感器ID和小时进行聚合，存入另一张temperature_summary表。
• 在Flask应用中，可以为“历史数据”API增加一个参数，比如?period=week时查询汇总表，period=day时查询详细表。

5.2 常见问题与排查技巧

在实际部署中，你可能会遇到以下问题：

1. 传感器读数为85°C或-127°C等异常值：

   • 原因：这是DS18B20的典型错误值，通常表示通信失败或传感器接触不良。
   • 排查：首先检查物理连接，确保杜邦线插紧，没有虚接。然后检查上拉电阻是否连接正确（4.7kΩ电阻是否接在数据线和3.3V之间）。最后，在终端输入ls /sys/bus/w1/devices/，看是否能列出你的传感器（28-开头的文件夹）。如果看不到，说明1-Wire驱动未正确加载或传感器未识别，尝试重启树莓派或重新插拔传感器。

2. Flask网页无法访问：

   • 原因：防火墙阻止了5000端口，或者Flask服务没有运行。
   • 排查：首先sudo systemctl status temperature-tracker.service查看服务状态。如果是inactive，检查app.py是否有语法错误，或者日志文件（sudo journalctl -u temperature-tracker.service）中的错误信息。如果服务是active，则检查防火墙：sudo ufw status。如果防火墙开启，需要允许5000端口：sudo ufw allow 5000。

3. 网页图表不显示或数据为空：

   • 原因：前端JavaScript无法从后端API获取到数据，可能是API路径错误、CORS问题（如果前后端分离部署）或数据库为空。
   • 排查：打开浏览器的开发者工具（F12），切换到“网络”(Network)标签页，刷新页面，查看对/api/current等接口的请求是否成功（状态码应为200）。如果失败，查看控制台(Console)是否有错误信息。确保Flask应用运行在正确的host (0.0.0.0) 和端口上。

4. 系统运行一段时间后变卡：

   • 原因：可能是内存或CPU占用过高。树莓派资源有限，如果同时运行太多服务，或者Python脚本有内存泄漏，会导致问题。
   • 排查：使用htop命令查看系统资源占用。检查Cron任务是否过于频繁（不要低于1分钟一次），Flask的debug模式是否在生产环境中被意外开启（会非常耗资源）。

5.3 功能扩展与进阶玩法

基础系统搭建完成后，你可以根据需求进行丰富扩展：

• 多传感器与位置映射：连接多个DS18B20，在数据库中不仅记录传感器ID，还记录一个“位置”字段（如“客厅”、“鱼缸”、“机房机柜上”）。在前端展示时，用位置名称代替难记的ID。
• 阈值告警：在数据采集脚本中，加入逻辑判断。如果某个传感器的温度超过或低于预设的阈值，就触发告警。告警方式可以很多样：
  • 发送电子邮件：使用Python的smtplib库。
  • 发送App推送：使用Pushover、Bark等服务。
  • 发送短信：使用Twilio等API（通常收费）。
  • 控制继电器：如果温度过高，自动控制一个连接在树莓派上的继电器，打开风扇或关闭加热器，实现简单的闭环控制。
• 数据导出与分析：在Flask应用中增加一个路由，允许用户以CSV格式导出选定时间范围的数据，方便用Excel或专业软件进行更深入的分析。
• 集成到智能家居平台：如果你使用Home Assistant，可以将树莓派上的温度数据通过MQTT协议发布出去。在采集脚本中，使用paho-mqtt库，将读取到的温度值发布到像home/sensor/temperature/room1这样的主题，Home Assistant就能自动发现并集成这个传感器，实现更复杂的自动化联动。

这个项目就像一颗种子，从最简单的读取一个温度值开始，可以生长出各种有趣的应用。它的价值不在于用了多高深的技术，而在于提供了一个完整的、可落地的物联网原型，让你亲手触摸到从物理信号到数字数据，再到可视化图表和网络服务的全过程。