Sentilo平台安装与配置完全指南
2025-06-06 11:27:14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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781