企业官网建设流程全解析

IoT-For-Beginners 起步指南：从硬件选型到 MQTT 云控的第一盏智能夜灯

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners

本文基于 IoT-For-Beginners 课程仓库的第一项目 Getting Started with IoT（其阿拉伯语版本位于 translations/ar/1-getting-started/README.md）展开：你将了解物联网的基本概念、微控制器与单板计算机的差异、传感器与执行器的工作原理，并跟随课程亲手搭建一个"夜灯"项目——光线变暗时 LED 自动点亮，最终通过 MQTT 把控制逻辑迁移到云端，完成第一个连接云端的 "Hello World" IoT 应用。

一、课程定位：一个贯穿四课的"夜灯"项目

本项目的学习路径由四节课程组成，全部围绕同一个渐进式项目展开：夜灯（nightlight）。它由一个光线传感器和一个 LED 组成，当传感器测得的环境光照低于阈值时，LED 点亮。

仓库为每条课程路径提供三套实现代码：Wio Terminal（Arduino/C++）、Raspberry Pi（Python）以及基于 CounterFit 模拟器的虚拟设备（Python），代码按"每加一个功能就复制一份"的方式存放在code-*目录中，便于对比演进。课程还提供课前/课后测验与作业，多语言译文可在 translations 目录下按语言子目录（ar、zh-CN、ja、de 等 40 多个语言目录）找到对应版本。

二、第一课：什么是 IoT，以及你会用什么设备

IoT 的定义

"Internet of Things"一词由 Kevin Ashton 于 1999 年提出，指通过传感器把互联网与物理世界连接起来。课程给出的界定是：传感器（sensors）从世界收集信息（速度、温度、位置等），执行器（actuators）把电信号转化为现实世界的动作（触发开关、点亮 LED、发声、向其他硬件发送控制信号）。

课程同时强调，IoT 不只是设备：它还包括处理传感器数据、向执行器下发请求的云端服务，以及无需联网、依靠云端训练好的 AI 模型在本地做决策的边缘设备（edge devices）。课程引用的行业估算是：截至 2020 年底约有 300 亿台 IoT 设备在线，到 2025 年 IoT 数据量可能接近 80 ZB（80 万亿 GB）。

微控制器（MCU）vs 单板计算机（SBC）

开发者入门一般从开发套件开始，它们分为两类：

微控制器（Microcontroller / MCU）：一个"CPU + 内存 + 可编程 I/O"的小计算机，用于执行有限但非常具体的任务，不能接显示器键盘做通用计算。典型特征是便宜（定制硬件中 MCU 均价可低至 0.5 美元）、功耗低、通常用 C/C++ 编程。课程选用的 Wio Terminal 是一块 Seeed Studio 的微控制器开发板，集成传感器、执行器、WiFi 和屏幕，售价约 30 美元。

单板计算机（Single-board computer）：一块板上装下完整计算机要素、可跑完整操作系统的小型设备，规格接近台式机/笔记本但更小更省电。课程选用 Raspberry Pi 4（运行 Raspberry Pi OS，即 Debian Linux 的一个发行版），IoT 应用通常用 Python 编写。

课程后续所有练习同时支持三种设备选择：Arduino（Wio Terminal）、树莓派 4、以及运行在 PC/Mac 上的虚拟单板计算机——用 Python 实现的硬件模拟器（CounterFit 项目），可自定义传感器数值并在屏幕上显示执行器效果，无需购买任何硬件即可完成全部练习。完整采购清单与两套 Starter Kit 见 hardware.md。

三、第二课：IoT 应用的组成与硬件原理深挖

IoT 应用 = The Thing + The Internet

课程以智能恒温器为例拆解应用架构：设备侧（The Thing）由温度传感器、设定温度的旋钮/触屏和连接暖通系统的执行器组成；云端（The Internet）一侧则是负责安全、接收遥测、回发指令的云服务，以及数据库、手机 App、甚至天气/日历等数据源的决策服务。

图中模式正是第 4 课 MQTT 通信的基础：设备与云服务都连接到同一个 broker，设备发布遥测、订阅命令，云服务订阅遥测、向设备发布命令。

更进一步的"聪明恒温器"会引入云端 AI，结合占用传感器、天气和日历数据做更精细的决策。课程还讨论了边缘计算（在本地网关处理数据以获得速度、离线能力与隐私，如智能音箱的本地唤醒词检测）与IoT 安全（设备安全性取决于云服务的安全，历史上出现过 Stuxnet、婴儿监视器被入侵等真实案例；部分场景采用与互联网完全隔离的 air-gapped 网络）。

微控制器：CPU、内存、I/O

• CPU：靠时钟周期执行指令（fetch-decode-execute 循环）。速度单位是赫兹，Wio Terminal 的 CPU 主频为 120MHz，远低于 PC 的多 GHz 多核；更低的时钟意味着更低的功耗与发热——微控制器没有散热片风扇也能靠小电池运行数月到数年，部分 MCU 还内置高低功耗多核切换。
• 内存：分为非易失的程序内存（存代码，断电不丢）和易失的RAM（存变量与数据，断电即失）。课程用了一个直观对比：Wio Terminal 有 192KB RAM（192,000 字节）和 4MB 程序存储，比一台 8GB RAM 的典型 PC 小 4 万多倍。
• I/O：GPIO 引脚在软件中配置为输入（读传感器）或输出（驱动执行器）。
• 框架：MCU 不跑桌面意义上的操作系统（内存与算力都不够），常用轻量框架或 RTOS（实时操作系统，提供多线程、网络、GUI 支持）。Arduino是最流行的 MCU 框架：一个 sketch 由setup()（上电执行一次，做 WiFi 连接、引脚初始化等）和loop()（无限循环执行，读传感器、发数据）两个函数构成，属于典型的事件循环（event loop）架构。Arduino 标准库（如delay、digitalRead）屏蔽底层差异，同一份代码可重编译到不同板子上运行。

单板计算机：以 Raspberry Pi 为例

• Raspberry Pi 4B：四核 1.5GHz CPU、2/4/8GB RAM、千兆以太网、WiFi、双 HDMI（支持 4K）、2 个 USB 2.0 + 2 个 USB 3.0、40 个 GPIO 引脚、摄像头接口与 SD 卡槽，板卡尺寸 88mm × 58mm，3A USB-C 供电，起价 35 美元。
• Pi Zero：单核 1GHz CPU、512MB RAM、零版尺寸 65mm × 30mm × 5mm，5 美元（带 WiFi 的 Zero W 10 美元）。
• 两者均为ARM 处理器（而非 PC 的 x86/x64），运行 Raspberry Pi OS，有带桌面的完整版与适合"无头"（headless）项目的 Lite 版；因为是 Debian Linux，任何为 ARM 构建的 Debian 软件包都能安装。
• SBC 是完整计算机，任何语言皆可编程；Pi 生态中大量硬件以 Python 库形式提供，许多外设通过"hat"（戴在 GPIO 排针上的扩展板，如屏幕、传感器、标准线缆转接板）接入。
• 在生产级 IoT 部署中 SBC 同样常见，例如 Compute Module 4 就是把 Pi 4 的算力做成紧凑板卡，嵌入定制硬件中。

四、第三课：传感器与执行器——让夜灯动起来

传感器：把物理世界变成电信号

传感器测量一个或多个物理属性并发送给 IoT 设备，常见类型包括温度（常与气压、湿度集成）、按钮、光线（可见光/UV/IR/特定颜色）、摄像头、加速度计、麦克风。所有传感器的共同点是：把所感知的量转换为设备可解读的电信号。

模拟传感器：设备给传感器施加一个电压，传感器内部元件改变该电压，回读电压即为测量值。课程用电位器（potentiometer）举例：输入 5V，旋钮打到中间时输出约 3.8V，打到 0 输出 0V，打到 11 输出 5V。温度传感器则基于热敏电阻（thermistor）随温度变化的电阻，输出电压再由代码换算为 K/°C/°F。

由于 IoT 设备只能处理数字信号，模拟值必须经过模数转换（ADC）：设备自带 ADC，或通过带 ADC 的转接板（如 Seeed Grove 生态中坐在树莓派 GPIO 上的 hat）。课程给出的换算示例：一个 3.3V 供电的 Grove 光线传感器输出 0–1023 的数字量，1V 电压对应约 300，Grove hat 将其转换为 300 的二进制0000000100101100再交给设备处理。写代码时这些细节被库封装：Grove 光线传感器在 Python 里读light属性，在 Arduino 里调用analogRead。

数字传感器：直接输出数字信号，最简单的就是按钮/开关——只读"通/断"两态。GPIO 直接测 0 或 1（树莓派 3.3V 引脚：高于 1.8V 判为 1，低于判为 0，存在容差）。更高级的数字传感器内部自带 ADC：仍用热电偶测电阻变化，但由板载 ADC 转换成 0/1 序列发出，因此可以携带更复杂甚至加密的数据——摄像头就是典型，它以 JPEG 等压缩格式发送图像或视频流。

执行器：把电信号变回物理动作

执行器与传感器相反：LED、扬声器、步进电机、继电器（用小电压信号控制大电压回路的开关）、屏幕。同样分模拟与数字两类：

• 模拟执行器（如可调光灯光）：亮度随电压变化。设备是数字的，需要DAC（数模转换）把 0/1 转成电压输出。
• PWM（脉宽调制）：另一种"数字模拟化"手段——快速切换高/低电平脉冲，等效于模拟信号。课程的经典算例：5V 供电的电机，高电平持续 0.02s（转 0.1 圈即 36°）、低电平 0.02s，一个周期 0.04s，则每秒 25 个脉冲 × 0.1 圈 = 2.5 圈/秒 =150rpm；保持周期不变但把高电平减半到 0.01s（占空比从 50% 降到 25%），每个脉冲只转 0.05 圈，得到 1.25 圈/秒 =75rpm。只改脉冲宽度就改变模拟电机转速。
• 数字执行器：两态设备直接由高低电平驱动，最简单的就是 LED——发 1 加高电压点亮，发 0 熄灯。

动手：本地版夜灯

第 3 课的任务是把 LED 接上、由光线传感器控制，构建 IoT 夜灯（流程即"读光照 → 判断 → 控 LED"）。仓库中虚拟设备路径的最终代码在 code-actuator/virtual-device/nightlight/app.py：

import time from counterfit_connection import CounterFitConnection from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor from counterfit_shims_grove.grove_led import GroveLed CounterFitConnection.init('127.0.0.1', 5000) light_sensor = GroveLightSensor(0) # 接在 Grove 端口 0 的光线传感器 led = GroveLed(5) # 接在 Grove 端口 5 的 LED while True: light = light_sensor.light print('Light level:', light) if light < 300: # 光照低于阈值 300（0-1023 量程） led.on() else: led.off() time.sleep(1) # 每秒循环一次

从源码结构看，CounterFitConnection.init('127.0.0.1', 5000)连接的是本地 CounterFit 模拟器，GroveLightSensor/GroveLed是 Grove 硬件的 Python shim（垫片库），light属性读到的正是前面 ADC 章节中 0–1023 量程的数字值——阈值 300 与此量程直接对应。Pi 路径的代码在 code-actuator/pi/nightlight/app.py，Wio Terminal 路径则在 code-actuator/wio-terminal/nightlight/src/main.cpp。

五、第四课：接入互联网——MQTT、遥测与命令

I（Internet）是 IoT 的另一半。课程定义：遥测（telemetry）是传感器采集并上传云端的数据；命令（command）是云端发给设备的指令（通过执行器输出，或让设备自身重启/收集额外遥测）。

MQTT：发布/订阅的消息协议

设备与云通常不直连，而是经过broker（消息代理）做发布/订阅：设备发布遥测、订阅命令；云服务订阅全部遥测、向特定设备或设备组发布命令。MQTT 是最流行的轻量级开放标准消息协议，1999 年为监控输油管道设计，15 年后由 IBM 发布为开放标准。

课程给出的 MQTT 要点：

• 主题（topic）可分层并支持通配符：如把温度发到/telemetry/temperature、湿度发到/telemetry/humidity，云端订阅/telemetry/*即可一次收全。
• 服务质量（QoS）三档：At most once（发一次不确认，fire and forget）；At least once（重发直到确认）；Exactly once（两级握手保证只收一份）。
• 名字里有 Queue 但没有消息队列：断线重连后收不到离线期间发的消息；可用retained 标志让 broker 保存某主题的最后一封消息，新订阅者立即拿到最新值。
• Keep alive机制在消息长间隔时检查连接是否存活。
• MQTT 走 TCP/IP（与 HTTP 相同底层协议、不同端口），也可经 WebSocket 供浏览器使用；连接可以是匿名的，也可用用户名/密码或证书加密。

实操中课程不建议自己搭 broker，而是直接用 Eclipse Mosquitto 的公开测试 brokertest.mosquitto.org（开源、免账号，注意它是公开不安全的，任何人可监听，不能传隐私数据）。想自建时可用 Mosquitto，默认禁止匿名与外部连接，可通过mosquitto.conf打开：

listener 1883 0.0.0.0 allow_anonymous true

动手第 1 步：设备端发布遥测

设备代码（虚拟设备路径，code-mqtt/virtual-device/nightlight/app.py）在第 3 课基础上加入了 paho-mqtt 客户端，把光照值作为 JSON 遥测发布到<ID>/telemetry主题：

import time from counterfit_connection import CounterFitConnection from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor from counterfit_shims_grove.grove_led import GroveLed import paho.mqtt.client as mqtt CounterFitConnection.init('127.0.0.1', 5000) light_sensor = GroveLightSensor(0) led = GroveLed(5) id = '<ID>' # 替换为你自定义的唯一设备 ID client_name = id + 'nightlight_client' mqtt_client = mqtt.Client(client_name) mqtt_client.connect('test.mosquitto.org') mqtt_client.loop_start() print("MQTT connected!") while True: light = light_sensor.light print('Light level:', light) if light < 300: led.on() else: led.off() time.sleep(1)

⚠️ 设备端与服务端必须使用同一个<ID>，否则订阅/发布的主题对不上。

动手第 2 步：写一个本地"服务端"收遥测

所谓服务端代码，就是将来会部署到云服务的处理逻辑，这里先在本地电脑上跑。先配置 Python 虚拟环境并安装 MQTT 库（pip 包默认装到整机会造成版本冲突，虚拟环境把依赖隔离在专用目录里）：

mkdir nightlight-server cd nightlight-server # 显式用 python3 建环境（防止误用 Python 2） python3 -m venv .venv

激活虚拟环境（注意始终在创建环境的那个目录里操作，不要进入.venv）：

• Windows 命令行：.venv\Scripts\activate.bat
• Windows PowerShell：.\.venv\Scripts\Activate.ps1
• macOS / Linux：source ./.venv/bin/activate

验证与安装：

python --version # 3.6 以上即可 pip install paho-mqtt # 只装进当前虚拟环境

然后创建并打开app.py（Windows 用type nul > app.py，macOS/Linux 用touch app.py，code .打开当前目录）。仓库中对应的完整服务端代码在 code-server/server/app.py：

import json import time import paho.mqtt.client as mqtt id = '<ID>' client_telemetry_topic = id + '/telemetry' client_name = id + '_nightlight_server' mqtt_client = mqtt.Client(client_name) mqtt_client.connect('test.mosquitto.org') mqtt_client.loop_start() def handle_telemetry(client, userdata, message): payload = json.loads(message.payload.decode()) print("Message received:", payload) mqtt_client.subscribe(client_telemetry_topic) mqtt_client.on_message = handle_telemetry while True: time.sleep(2)

逐行要点：mqtt.Client(client_name)创建带唯一客户端名的 MQTT 客户端；loop_start()在后台线程里跑消息处理循环，这样主线程不会被阻塞；subscribe订阅遥测主题并注册on_message回调——收到消息时handle_telemetry把 JSON payload 解码后打印；最后的无限循环只是让进程保持存活。

VS Code 打开项目时会自动激活虚拟环境（状态栏可见）；若旧终端没加载环境，点"Kill the active terminal instance"杀掉后开新终端，提示符应带(.venv)。运行python app.py后调整设备的光照，终端输出形如：

(.venv) ➜ nightlight-server python app.py Message received: {'light': 0} Message received: {'light': 400}

遥测数据以JSON（JavaScript Object Notation，键/值对文本编码标准）发送。课程还以恒温器为例展示了遥测表的典型形态（thermostat_temperature: 18°C、livingroom_temperature: 19°C…），并给出两个工程判断：

• 多久发一次遥测？取决于场景：恒温器几分钟一次足够，每秒一次会浪费带宽、电池与云资源；工厂关键设备则可能要每秒多次，"宁可浪费带宽，不能漏掉停机信号"。
• 断线期间数据丢还是存？也取决于场景：恒温器只需"现在"的温度，可丢；机器故障趋势分析（异常检测、预测性维护）则需要重连后补发离线期间全部遥测。MQTT 本身不负责断线补传，需设备/服务端自行实现（如约定回复主题 + 手动队列重放）。

动手第 3 步：服务端回发命令，实现云端控灯

assignment-1-internet-flow.png

服务端要做的就是"读到遥测 → 判断 → 发布命令"。在client_telemetry_topic声明之后增加命令主题，并在handle_telemetry末尾追加回发逻辑（仓库完整版见 code-commands/server/app.py）：

server_command_topic = id + '/commands'

command = { 'led_on' : payload['light'] < 300 } print("Sending message:", command) client.publish(server_command_topic, json.dumps(command))

逻辑与第 3 课的本地判断完全相同——只是把if light < 300从设备搬到了"服务器"：光照低于 300 时发led_on: true，否则false。运行后输出形如：

Message received: {'light': 0} Sending message: {'led_on': True} Message received: {'light': 400} Sending message: {'led_on': False}

设备端再补一段订阅<ID>/commands主题、解析led_on并驱动 LED 的代码即可闭环（Wio Terminal 路径见 wio-terminal-commands.md，单板计算机/虚拟设备路径见 single-board-computer-commands.md）。

关于主题设计，课程提醒：当前所有设备共用一个 telemetry 主题、一个 commands 主题——若想给某台特定设备单独发命令，可用含设备唯一 ID 的主题，如/commands/device1、/commands/device2，让每台设备只监听属于自己的主题。命令的断线语义同样"看场景"：如果最新命令覆盖旧命令（开→关），旧的可以不重发；如果是顺序敏感的指令（机械臂先抬起再夹取），则恢复连接后必须按序重放。

六、小结与后续路径

至此，第一项目的四课完成了 IoT 入门的完整闭环：概念与硬件选型（课 1、课 2）→ 本地传感与控制（课 3，本地阈值 300 直接控 LED）→ 云端控制（课 4，MQTT 遥测上行 + 命令下行，阈值判断迁到服务端）。这个"夜灯"就是本课程的 Hello World，其架构（设备 ↔ broker ↔ 云服务）会在后续项目中反复出现。

按课程路线图（12 周、24 课），接下来会进入真实业务场景：农场：预测植物生长与自动灌溉、交通：位置追踪与地理围栏、制造：水果质量检测、零售：货架库存检测、消费电子：语音识别与多语言支持。每课同样提供 Wio Terminal、Raspberry Pi 与虚拟设备三条实现路径，可直接查看本仓库对应code-*目录下的代码对照学习。

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners