Bleak库中多设备通知源识别技术解析
2025-07-05 21:32:00作者:凌朦慧Richard
背景介绍
在使用Python的Bleak库进行蓝牙低功耗(BLE)开发时,开发者经常需要同时连接多个相同型号的BLE设备。这些设备通常具有相同的服务UUID和特征UUID,这在处理通知(notifications)时会带来一个典型问题:当多个设备同时发送通知时,如何准确识别每条通知的来源设备?
问题本质
当两个或多个相同型号的BLE设备连接到中央设备(如电脑)时,它们会暴露相同的GATT服务结构。这意味着:
- 所有设备的特征UUID完全相同
- 特征句柄(Handle)也可能相同
- 通知回调函数只能接收到特征对象和数据,无法直接获取设备地址
这导致开发者无法区分来自不同设备的通知数据,特别是在数据流混合的情况下。
解决方案
Python的functools.partial方法为解决这个问题提供了优雅的方案。这种方法允许我们"预绑定"特定参数到回调函数,在通知到达时携带设备标识信息。
实现方法
from functools import partial
async def connect_and_subscribe(devices):
clients = []
for device in devices:
client = BleakClient(device)
await client.connect()
# 使用partial绑定设备地址到回调函数
callback = partial(notification_handler, device_address=device.address)
await client.start_notify("ae3c", callback)
clients.append(client)
return clients
def notification_handler(sender, data, device_address):
print(f"来自设备 {device_address} 的数据: {data.hex()}")
技术原理
- 函数柯里化:
partial创建了一个新函数,预先设置了部分参数 - 上下文绑定:在订阅通知时,将设备特定的信息(如地址)与回调函数绑定
- 运行时识别:当通知到达时,绑定的参数会自动传递给处理函数
实际应用建议
- 设备标识选择:除了设备地址,也可以绑定更有意义的标识符
- 错误处理:在回调函数中加入异常处理,避免一个设备的错误影响整体
- 资源管理:确保在程序退出时正确取消订阅和断开连接
- 性能考量:大量设备连接时注意系统资源限制
扩展思考
这种方法不仅适用于BLE通知场景,也可以推广到其他需要区分事件源的异步编程场景。核心思想是通过闭包或函数包装在事件注册时携带上下文信息,这在事件驱动架构中是一个常见模式。
通过这种技术方案,开发者可以构建更健壮的多设备BLE应用系统,准确处理来自各个设备的数据流,为物联网应用开发奠定坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
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++
1 K
1.01 K
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
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.67 K
987