Pymodbus异步服务器与同步客户端通信问题解析
2025-07-01 10:11:21作者:宗隆裙
问题背景
在使用Pymodbus库实现Modbus TCP通信时,开发者经常会遇到服务器与客户端连接失败的问题。本文将以一个典型场景为例,详细分析异步服务器与同步客户端通信中的常见问题及其解决方案。
核心问题分析
服务器未正确启动监听
在原始代码中,虽然创建了ModbusTcpServer实例,但并未实际启动服务器监听。正确的做法应该是调用serve_forever()方法启动服务器:
server = ModbusTcpServer(context=context, address=("127.0.0.1", port))
await server.serve_forever()
异步编程模型混淆
开发者尝试在异步服务器中混用同步的time.sleep(),这会导致事件循环阻塞。正确的做法是使用异步版本的asyncio.sleep():
await asyncio.sleep(5) # 替代time.sleep(5)
客户端API使用不当
客户端读取保持寄存器时使用了不正确的参数格式:
# 错误用法
c.read_holding_registers(53031, 1, 1)
# 正确用法
c.read_holding_registers(address=53031, count=1, slave=1)
完整解决方案
服务器端实现
async def run_server(device):
port = int(device['port'])
device_name = device['name']
try:
print(f"Starting server for device {device_name}...")
store = ModbusSlaveContext(
di=ModbusSequentialDataBlock.create(),
co=ModbusSequentialDataBlock.create(),
hr=ModbusSequentialDataBlock.create(),
ir=ModbusSequentialDataBlock.create())
context = ModbusServerContext(slaves=store, single=True)
server = ModbusTcpServer(context=context, address=("127.0.0.1", port))
# 启动服务器任务
server_task = asyncio.create_task(server.serve_forever())
print(f"Server for device {device_name} is online")
while device['simulate']:
# 更新寄存器值
for i in values:
address = i["address"]
values = get_register_values() # 获取寄存器值
if values:
context[0x03].setValues(3, address, values)
# 打印寄存器值
print("Values in HR block:")
res = [value for value in store.store["h"].values[53000:53101]]
print(res)
await asyncio.sleep(5) # 异步等待
# 关闭服务器
server.shutdown()
await server_task
return True
except Exception as e:
print("Error in server:", e)
客户端实现
from pymodbus.client import ModbusTcpClient
def read_registers(ip, port, address, count, slave_id=1):
client = ModbusTcpClient(host=ip, port=port)
try:
if not client.connect():
raise ConnectionError(f"无法连接到设备 {ip}:{port}")
response = client.read_holding_registers(
address=address,
count=count,
slave=slave_id)
if response.isError():
raise Exception("读取寄存器时发生错误")
return response.registers
finally:
client.close()
深入理解
-
异步编程模型:Pymodbus的异步服务器基于asyncio实现,所有阻塞操作都应使用await关键字
-
端口权限:Windows系统默认会阻止低于2058的端口,需要手动开放或选择更高端口
-
上下文管理:服务器上下文(ModbusServerContext)管理所有从设备的数据块,确保线程安全
-
错误处理:客户端应始终检查连接状态和响应错误,避免程序异常终止
最佳实践建议
- 对于生产环境,建议使用日志记录而非print语句
- 考虑实现连接重试机制,提高网络不稳定性下的可靠性
- 大型项目应考虑将服务器和客户端分离到不同进程或机器
- 寄存器地址和值的管理可以考虑使用配置文件或数据库
通过以上分析和解决方案,开发者可以避免常见的Pymodbus通信问题,构建稳定可靠的Modbus TCP应用。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
278
暂无简介
Dart
639
145
Ascend Extension for PyTorch
Python
202
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100