MQTT-C:轻量级MQTT客户端C语言实现
MQTT-C是一个轻量级的MQTT v3.1.1客户端库,采用纯C语言编写,专为嵌入式系统和PC应用设计。该项目由Liam Bindle开发,旨在提供一个跨平台的MQTT解决方案,特别适合资源受限的环境。
项目特点
轻量级设计:整个库仅包含两个源文件(mqtt.c和mqtt_pal.c),总共不到2000行代码,非常适合嵌入式系统和微控制器使用。
平台无关性:通过透明的平台抽象层(PAL)设计,使得移植到新平台变得简单。支持POSIX、Windows和各种嵌入式操作系统。
线程安全:所有API函数都是线程安全的,同时也能完美运行在单线程系统中。
ANSI C兼容:代码符合C89标准,可以使用任何C编译器进行编译。
核心功能
MQTT-C提供了完整的MQTT客户端功能:
- 连接管理(CONNECT/CONNACK)
- 消息发布(PUBLISH)
- 主题订阅(SUBSCRIBE/SUBACK)
- QoS支持(0、1、2级)
- 心跳保持(PINGREQ/PINGRESP)
- 断开连接(DISCONNECT)
快速开始
使用MQTT-C非常简单,只需要几个基本步骤:
- 初始化客户端:
struct mqtt_client client;
uint8_t sendbuf[2048], recvbuf[1024];
mqtt_init(&client, sockfd, sendbuf, sizeof(sendbuf), recvbuf, sizeof(recvbuf), publish_callback);
- 连接到代理:
mqtt_connect(&client, client_id, NULL, NULL, 0, NULL, NULL, MQTT_CONNECT_CLEAN_SESSION, 400);
- 发布消息:
mqtt_publish(&client, "topic/name", "message", strlen("message"), MQTT_PUBLISH_QOS_0);
- 订阅主题:
mqtt_subscribe(&client, "topic/name", 0);
示例应用
项目中提供了多个实用示例:
简单发布者(examples/simple_publisher.c):按回车键发布当前时间到指定主题。
简单订阅者(examples/simple_subscriber.c):订阅主题并打印接收到的消息。
重连订阅者(examples/reconnect_subscriber.c):演示自动重连功能。
加密连接示例:支持OpenSSL、mbedTLS、BearSSL等多种加密库。
构建和使用
直接编译:
gcc -o my_app my_app.c src/mqtt.c src/mqtt_pal.c -Iinclude
使用CMake:
mkdir build && cd build
cmake ..
make
使用Makefile:
make all
应用场景
物联网设备:在智能家居、工业自动化等场景中实现设备间通信。
嵌入式系统:作为微控制器与云服务交互的基础组件。
移动应用:利用低带宽消耗特性实现实时数据传输。
教学研究:学习MQTT协议和网络编程的理想起点。
许可证
MQTT-C采用MIT许可证,允许自由使用、修改和分发。
项目结构
MQTT-C/
├── include/ # 头文件
│ ├── mqtt.h # 主要API
│ └── mqtt_pal.h # 平台抽象层
├── src/ # 源文件
│ ├── mqtt.c # MQTT协议实现
│ └── mqtt_pal.c # 平台相关代码
├── examples/ # 示例代码
└── docs/ # 文档
技术优势
内存效率:优化的内存管理策略,最小化内存占用。
事件驱动:基于回调函数的异步处理设计。
错误处理:完善的错误代码体系和错误信息反馈。
协议兼容:完整支持MQTT v3.1.1协议规范。
MQTT-C是一个成熟稳定的MQTT客户端解决方案,已经在众多实际项目中得到验证。无论是初学者还是有经验的开发者,都能快速上手并构建可靠的MQTT应用。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
