Sentilo平台安装与配置完全指南
2025-06-06 12:50:09作者:何将鹤
前言
Sentilo是一个开源的物联网平台,主要用于传感器数据收集、处理和分发。本文将详细介绍如何从零开始搭建Sentilo平台,包括环境准备、代码获取、编译构建以及部署配置的全过程。
环境准备
在开始安装Sentilo之前,需要确保系统已安装以下基础软件:
- Java开发环境:JDK 1.8或更高版本
- 构建工具:Maven 3.x
- 版本控制工具(可选):Git
确保Java和Maven的可执行文件已添加到系统PATH环境变量中,以便全局调用。
获取源代码
Sentilo的源代码可以通过以下两种方式获取:
方法一:使用Git克隆
git clone https://github.com/sentilo/sentilo.git sentilo
方法二:下载ZIP压缩包
下载后解压到名为"sentilo"的目录中
无论采用哪种方式,最终都会得到一个包含完整源代码的"sentilo"目录。
编译与构建
Sentilo提供了便捷的构建脚本buildSentilo.sh,位于./scripts/目录下。执行该脚本将自动完成以下工作:
- 编译所有模块
- 生成部署包
- 将构建结果输出到
../sentilo-deploy-artifacts目录
构建完成后,sentilo-deploy-artifacts目录将包含以下内容:
- conf:所有配置文件
- sentilo-agent-*:各种代理模块的部署结构
- sentilo-catalog-web:Web应用war包
- sentilo-platform-server:平台服务器部署结构
自定义构建
如需修改代码后再构建,建议:
- 使用Eclipse导入项目(需安装M2E插件)
- 确保Eclipse配置了JDK 1.8+
- 修改完成后,仍使用
buildSentilo.sh脚本构建
平台基础设施
Sentilo运行依赖以下基础设施组件:
必需组件
- Redis 6.2.2:用于实时数据存储
- MongoDB 4.4.2:用于持久化存储
- Tomcat 8.5.32+:Web容器
可选组件
- MySQL 5.5.x:关系型数据库代理
- Elasticsearch 6+:活动监控代理
- openTSDB 2.2.0+:历史数据代理
配置详解
Sentilo采用Spring和Maven的profile机制来支持不同环境的配置。默认使用"dev" profile,假设所有组件都安装在本地机器上,使用标准端口:
- Redis: 6379
- MongoDB: 27017
- Tomcat: 8080
- MySQL: 3306
- Elasticsearch: 9200
- openTSDB: 4242
配置文件结构
Sentilo的配置采用分层覆盖机制:
- 基础配置:位于各模块的
src/main/resources/properties目录下 - 运行时配置:部署在
/etc/sentilo目录下,会覆盖基础配置
关键配置文件:
sentilo.conf:平台核心配置- 各模块的
.conf文件:模块特定配置
配置覆盖机制示例
# 基础配置(classpath中)
sentilo.redis.host=127.0.0.1
# 运行时配置(/etc/sentilo/sentilo.conf)
sentilo.redis.host=192.168.2.106
重要配置参数
| 参数 | 默认值 | 说明 |
|---|---|---|
| sentilo.redis.password | sentilo | Redis访问密码 |
| sentilo.redis.expire.key.seconds | 0 | Redis数据过期时间(0表示永不过期) |
| sentilo.redis.connTimeout | 5000 | Redis连接超时(毫秒) |
| sentilo.redis.client.maxTotal | 10 | 连接池最大连接数 |
部署建议
- 配置文件:将
sentilo.conf部署到/etc/sentilo目录 - 组件部署:根据实际需求选择部署哪些代理模块
- 环境隔离:生产环境建议将各组件部署在不同服务器上
- 性能调优:根据负载情况调整连接池等参数
常见问题
- 版本兼容性:确保所有组件版本匹配
- 端口冲突:检查各组件默认端口是否被占用
- 权限问题:确保应用有权限访问配置文件和数据库
通过以上步骤,您应该能够成功搭建并运行Sentilo平台。如需进一步定制,可以参考各模块的详细配置说明进行深度配置。
登录后查看全文
热门项目推荐
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
282
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
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
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (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
1.13 K
631
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