ThingsBoard CE 项目Docker镜像构建指南
2025-05-12 16:16:25作者:申梦珏Efrain
前言
ThingsBoard是一个开源的物联网平台,用于数据收集、处理、可视化和设备管理。对于开发者而言,有时需要基于ThingsBoard CE(社区版)的源代码进行定制开发,并将修改后的代码打包成Docker镜像。本文将详细介绍从源代码构建ThingsBoard Docker镜像的完整流程。
准备工作
在开始构建之前,请确保您的开发环境满足以下要求:
- 已安装JDK 8或更高版本
- 已安装Maven 3.6.0或更高版本
- 已安装Docker环境
- 已获取ThingsBoard CE源代码
构建步骤
1. 执行Maven构建命令
在项目根目录下执行以下Maven命令进行构建:
mvn clean install -DskipTests -Dlicense.skip -Ddockerfile.skip=false
这个命令会执行以下操作:
clean:清理之前的构建结果install:安装构建结果到本地仓库-DskipTests:跳过测试阶段-Dlicense.skip:跳过许可证检查-Ddockerfile.skip=false:启用Docker镜像构建
2. 构建过程解析
构建过程主要分为几个阶段:
- 编译Java源代码
- 打包应用程序
- 生成Docker镜像
构建完成后,Maven会在target目录下生成可部署的包,并自动构建Docker镜像。
3. 查看构建结果
构建成功后,可以通过以下命令查看生成的Docker镜像:
docker images
您应该能看到类似以下的输出:
REPOSITORY TAG IMAGE ID CREATED SIZE
thingsboard latest xxxxxxxxxxxx 5 minutes ago 1.2GB
运行自定义镜像
构建完成后,可以通过标准Docker命令运行您的自定义ThingsBoard实例:
docker run -p 8080:8080 -p 1883:1883 -p 5683:5683/udp thingsboard:latest
这个命令会:
- 将8080端口映射到主机的8080端口(HTTP访问)
- 将1883端口映射到主机的1883端口(MQTT协议)
- 将5683端口映射到主机的5683端口(CoAP协议)
常见问题处理
-
构建失败:如果构建过程中出现错误,请检查Maven和Docker的日志输出,通常错误信息会明确指出问题所在。
-
镜像未生成:确保构建命令中包含
-Ddockerfile.skip=false参数,否则不会生成Docker镜像。 -
运行问题:如果容器启动失败,可以使用
docker logs <container-id>查看日志。
进阶配置
对于生产环境部署,建议考虑以下配置:
- 使用外部数据库(PostgreSQL或Cassandra)
- 配置持久化存储
- 设置适当的内存限制
- 配置HTTPS访问
可以通过Docker的环境变量或挂载配置文件的方式实现这些高级配置。
总结
通过本文介绍的方法,开发者可以轻松地将自定义修改后的ThingsBoard CE源代码构建为Docker镜像,并在各种环境中部署运行。这种方法特别适合需要进行深度定制的开发场景,为物联网平台的二次开发提供了便利。
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
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++
66
96
暂无简介
Dart
632
143