TBMQ 开源 MQTT 消息代理项目教程
2024-09-13 07:30:52作者:沈韬淼Beryl
1. 项目介绍
TBMQ 是一个开源的 MQTT 消息代理,专为处理大规模并发连接和高吞吐量设计。它能够处理超过 400 万个并发客户端连接,并支持每秒至少 300 万条消息的吞吐量。TBMQ 在集群模式下,其能力进一步增强,能够支持超过 1 亿个并发连接。
TBMQ 的设计原则包括高可用性、故障容忍和分布式处理,确保在所有节点上提供相同的功能,并支持轻松的水平扩展。它兼容 MQTT v3.x 和 v5.0 协议,已经在生产环境中运行超过一年。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你已经安装了以下工具:
- Git
- Java 11 或更高版本
- Maven
2.2 克隆项目
首先,克隆 TBMQ 项目到本地:
git clone https://github.com/thingsboard/tbmq.git
cd tbmq
2.3 构建项目
使用 Maven 构建项目:
mvn clean install -DskipTests
2.4 启动 TBMQ
构建完成后,启动 TBMQ:
java -jar application/target/tbmq-application.jar
TBMQ 默认运行在 localhost:1883。
3. 应用案例和最佳实践
3.1 大规模设备数据采集
TBMQ 适用于大规模设备数据采集场景,例如物联网(IoT)应用。设备通过 MQTT 协议将数据发送到 TBMQ,TBMQ 再将数据转发给后端应用进行处理。
3.2 实时通知系统
在实时通知系统中,TBMQ 可以作为消息中转站,确保消息的低延迟和高可靠性。例如,智能家居系统中的设备状态更新通知。
3.3 最佳实践
- 配置集群:为了提高系统的可靠性和扩展性,建议配置 TBMQ 集群。
- 使用持久会话:在设备频繁断开连接的场景中,使用持久会话(QoS 1 或 2)确保消息不会丢失。
- 监控和日志:定期监控 TBMQ 的性能和日志,及时发现和解决问题。
4. 典型生态项目
4.1 ThingsBoard
ThingsBoard 是一个开源的物联网平台,与 TBMQ 结合使用,可以构建完整的物联网解决方案。ThingsBoard 提供设备管理、数据可视化和规则引擎等功能。
4.2 Kafka
Kafka 是一个分布式流处理平台,可以与 TBMQ 集成,用于处理和存储大量的物联网数据。TBMQ 可以将消息转发到 Kafka,供后续的数据分析和处理。
4.3 Grafana
Grafana 是一个开源的监控和数据可视化工具,可以与 TBMQ 结合使用,实时监控设备状态和数据流。
通过以上模块的介绍,你可以快速上手 TBMQ 项目,并了解其在实际应用中的最佳实践和生态系统。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322