NanoMQ与EMQX桥接时保留消息传递问题的分析与解决
2025-07-07 21:07:21作者:咎岭娴Homer
问题背景
在使用MQTT协议进行物联网设备通信时,保留消息(Retained Message)是一个非常重要的特性。它允许新订阅者立即获取主题上的最新消息,而不需要等待发布者下一次发布。近期有用户反馈,在使用NanoMQ 0.23-full版本作为QUIC桥接至EMQX 5.8.4时,出现了保留消息无法正确传递的问题。
问题现象描述
用户的具体使用场景是:
- 配置NanoMQ作为桥接,将"topic1/#"转发到"fwd/topic/#"
- 设置retain_as_published = true
- 直接向EMQX发布保留消息到"fwd/topic1"主题
- 通过NanoMQ桥接订阅该主题时,新订阅者无法收到预期的保留消息
值得注意的是,当消息直接发布到NanoMQ而不是通过桥接时,保留消息功能工作正常。
技术分析
MQTT保留消息机制
MQTT协议中的保留消息机制允许代理(Broker)为每个主题存储一条最新消息。当新客户端订阅该主题时,代理会立即发送这条保留消息。这在物联网场景中非常有用,例如设备可以立即获取传感器的最新状态。
桥接配置的关键点
在MQTT桥接配置中,retain_as_published参数控制着保留消息的处理方式:
- 当设置为true(或1)时,桥接会保持原始消息的保留标志
- 当设置为false(或0)时,桥接会移除消息的保留标志
问题根源
经过深入分析,发现问题出在配置文件的参数值设置上。用户最初将retain_as_published设置为"true",而实际上NanoMQ期望的配置值是数字1。这种类型不匹配导致桥接无法正确处理保留消息标志。
解决方案
正确的配置应该是:
retain_as_published = 1
修改配置后,桥接能够正确传递保留消息,新订阅者可以正常收到最新的保留消息。
最佳实践建议
- 在配置MQTT桥接时,务必仔细检查所有布尔参数的预期格式
- 对于NanoMQ,大多数布尔参数使用1/0而非true/false
- 测试保留消息功能时,建议先直接连接到目标代理验证消息是否被正确保留
- 在复杂的桥接场景中,考虑使用MQTT客户端工具监控消息流,帮助诊断问题
总结
MQTT桥接配置中的细节差异可能导致功能异常。本例展示了参数格式对保留消息传递的影响,提醒开发者在集成不同MQTT组件时要特别注意配置细节。正确配置后,NanoMQ能够可靠地在EMQX和其他MQTT代理之间桥接消息,包括保留消息的传递。
对于物联网系统开发者而言,理解MQTT协议的这些细节特性,能够帮助构建更稳定、更可靠的设备通信架构。
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-1.5暂无简介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
177
195
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++
647
264
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
270
94
暂无简介
Dart
623
140
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
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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