我们构建什么
平台能力
以下每一层都已在储能、充电和车队遥测的生产环境中落地运行，而非为方案书临时勾画。
设备接入
支持 MQTT、HTTP 与 WebSocket 传输，并为使用其他协议的网关和控制器提供协议适配器。新增设备型号以适配器方式接入，无需 fork 核心代码。
设备身份与权限
一机一密的凭据、基于令牌的授权以及受限的主题范围。网关即使被攻破，也无法读取或发布自身资产之外的数据。
高容错数据接入
端侧与服务端均具备缓冲、退避重试与去重能力。链路不稳定的设备会补传历史数据，而不是直接丢失。
流式处理
在实时数据流上完成过滤、聚合、富化与异常检测。阈值与规则驱动的自动化会在触发读数后数秒内执行。
时序数据存储
分级留存、降采样与连续聚合，让一整年的历史数据保持可查询，而无需将每条原始采样都保留在热存储中。
运维可视化
车队与资产总览，涵盖状态、地理位置与会话时间线，支持自定义组件和逐层下钻，并按运维、支持与管理角色划分权限。
数据链路
一条读数的旅程
从传感器到运维人员共六个环节。多数 IoT 平台恰恰折在环节之间的衔接处，因此我们把设计精力投入在那里。
01
端侧与网关
设备固件或网关代理上报结构化遥测数据。在开始构建其他部分之前，我们先确定报文结构与主题层级。
02
数据接入
消息中间件或 HTTP 接口，具备身份认证、限流、缓冲与去重能力。格式异常的报文会被隔离留存，绝不静默丢弃。
03
数据归一化
单位、时间戳与设备元数据统一收敛为一套规范模型，下游代码无需关心设备厂商。
04
处理与规则
聚合窗口、异常检测与告警规则在实时流上计算，每条事件都带有严重等级与来源标识。
05
存储
面向仪表盘的热时序数据、面向趋势分析的汇总聚合，以及满足合规要求的冷归档。查询模式决定存储结构。
06
数据消费
运维仪表盘、告警通道、BI 数据抽取与后台系统集成，读取的都是同一套归一化数据。
技术
底层技术构成
可部署于云端、本地机房或混合基础设施，无需重写应用层。
传输
- MQTT
- HTTP
- WebSocket
- Protocol adapters
处理
- Node.js
- Kafka
- RabbitMQ
- Rule engine
存储
- TimescaleDB
- PostgreSQL
- ClickHouse
- Redis
运维
- Docker
- Kubernetes
- OpenTelemetry
- Structured logging