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
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0227- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01- IinulaInula(发音为:[ˈɪnjʊlə])意为旋覆花,有生命力旺盛和根系深厚两大特点,寓意着为前端生态提供稳固的基石。openInula 是一款用于构建用户界面的 JavaScript 库,提供响应式 API 帮助开发者简单高效构建 web 页面,比传统虚拟 DOM 方式渲染效率提升30%以上,同时 openInula 提供与 React 保持一致的 API,并且提供5大常用功能丰富的核心组件。TypeScript05
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
629
4.15 K
Ascend Extension for PyTorch
Python
468
565
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++
931
825
暂无简介
Dart
877
209
🎉 (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
1.5 K
855
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
185
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
131
191
昇腾LLM分布式训练框架
Python
138
162
🔥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
69
21