EMQ X 规则引擎系列（九）- 消息写入到 TDEngine

EMQ X 规则引擎系列（九）- 消息写入到 TDEngine
TDEngine 是什么

TDengine 是涛思数据（北京涛思数据科技有限公司）推出的一款开源的专为物联网、车联网、工业互联网、IT 运维等设计和优化的大数据平台。除核心的快 10 倍以上的时序数据库功能外，还提供缓存、数据订阅、流式计算等功能，最大程度减少研发和运维的复杂度。

TDengine 作为时序处理引擎，可以完全不用 Kafka、HDFS/HBase/Spark、Redis 等软件，大幅简化大数据平台的设计，降低研发成本和运营成本。因为需要集成的开源组件少，因而系统可以更加健壮，也更容易保证数据的一致性。

TDEngine 提供社区版、企业版和云服务版，安装/使用教程详见 TDEngine 使用文档 https://www.taosdata.com/cn/products/

场景介绍

本文以通过 MQTT 协议接入 EMQ X 的智能门锁为例进行说明。

智能门锁已经成为了智能家居的重点关注产品，为了保证用户更安全的开锁体验，智能门锁通常可以实现指纹开锁、密码开锁、IC卡开锁、钥匙开锁、远程开锁等功能。智能门锁每个业务环节都涉及到操作敏感指令和状态数据的发送、传输，这些数据在应当存储起来以备后续审计使用。

采集流程

智能门锁下发指令与上报数据通过 MQTT 协议经 EMQ X 传输，可选在 EMQ X 上使用规则引擎筛选或设置消费客户端处理，将满足条件的数据写入 TDEngine 数据平台，整个数据流转流程如下：

该场景中拟设智能门锁通过 lock/:id/control_receipt 主题( id 为门锁连接客户端的 clientid，同门锁 id) 上报操作回执与状态信息，数据格式为如下 JSON 消息：
```
{
  "id": "51dc0c50f55d11e9a4fec59e26b058d5", // 门锁 id
  "longitude": 102.8622543, // 当前位置经度
  "latitude": 24.8614503, // 当前位置纬度
  "command": "unlock", // 指令
  "LockState": 0, // 门锁状态
  "LockType": 0, // 开锁方式
  "KeyNickName": "", // 钥匙昵称
  "KeyID": "c944c8d0f55e11e9a4fec59e26b058d5", // 钥匙 ID
  "ErrorCode": 0, // 执行故障代码
  "pid": "84a2e10f55d11e9a4fec59e26b058d5", // 下发的指令 ID
  "alarm": "", // 当前告警信息
  "ts": 1570838400000 // 执行时间
}
```
准备

尽管 TDEngine 是关系型数据库模型，但要求每个采集设备单独建表，因此我们按照门锁 id 每个门锁建表一张，同时浮点数据压缩比相对整型数据压缩比很差，经度纬度通常精确到小数点后 7 位，因此将经度纬度增大 1E7 倍转为长整型存储：

创建数据库的语句为：
```
create database db cache 8192 ablocks 2 tblocks 1000 tables 10000;
use db;
```
创建超级表的SQL语句为：
```
create table lock(
  ts timestamp,
  id nchar(50),
  pid nchar(50),
  longitude bigint,
  latitude bigint,
  command nchar(50),
  LockState smallint,
  LockType smallint,
  KeyNickName nchar(255),
  KeyID nchar(255),
  ErrorCode smallint,
  alarm nchar(255)
) tags(card int, model binary(10));
```
TDEngine 是关系型数据库模型，但要求每个采集设备单独建表，以门锁 id 作为采集表表名，例如 id 为 51dc0c50f55d11e9a4fec59e26b058d5，那么创建数据表的语句为：
```
-- 使用 using 指定其所属 超级表
create table "v_51dc0c50f55d11e9a4fec59e26b058d5" using lock tags('51dc0c50f55d11e9a4fec59e26b058d5', 0);
```
在该数据模型下，以门锁 id 51dc0c50f55d11e9a4fec59e26b058d5 为例，写入一条记录到表 v_51dc0c50f55d11e9a4fec59e26b058d5 的 SQL 语句为：
```
insert into v_51dc0c50f55d11e9a4fec59e26b058d5 values(
  1570838400000,
  '51dc0c50f55d11e9a4fec59e26b058d5',
  'e84a2e10f55d11e9a4fec59e26b058d5',
  1028622543,
  248614503,
  'unlock',
  0,
  0,
  '',
  'c944c8d0f55e11e9a4fec59e26b058d5',
  0,
  '[]',
);
```
实际使用中请先依次给每个智能门锁建表

数据写入方式

目前 EMQ X 消息数据直接写入 TDEngine 的功能还在规划中，但得益于 TDEngine 提供了诸多连接器，我们选用以下两种方式完成数据写入：
- 使用 TDEngine 的 RESTful Connector：通过 REST API 调用，将数据拼接为 SQL 语句发送到 TDEngine 执行写入，规则引擎内置表达式与函数可以预处理数据；
- 通过 TDEngine 提供的客户端库/连接器，编写代码通过订阅/消费的方式获取 EMQ X 消息，处理后转发写入到 TDEngine 中。
使用规则引擎写入数据

资源准备

EMQ X Dashboard 中点击规则主菜单，在资源页面新建一个 WebHook 资源，用于向 TDEngine RESTful Connector 发送数据，新增请求头：
- Authorization：值为 TDEngine 请求 TOKEN 用于连接认证，为 {username}:{password} 经过 Base64 编码之后的字符串。
有关 RESTful Connector 使用教程详见：TDEngine RESTful Connector

点击 测试连接，测试通过后点击确定按钮完成创建。

创建规则

资源创建完毕后我们可以进行规则创建，规则引擎 --> 规则页面中点击新建按钮进入规则创建页面。

选择 消息发布 事件，处理传感器消息上报(发布)时的数据。根据 可用字段 提示，传感器等信息可以从 payload 中选取。

由于需要将浮点值处理为整型，我们使用简单计算功能，请留意 SQL 中的注释项，最终整个 SQL 语句如下：
```
SELECT
  -- JSON 数据解码
  json_decode(payload) as p,
  -- 经纬度放大 10E7 倍存储
  p.longitude * 10000000 as p.longitude,
  p.latitude * 10000000 as p.latitude
FROM
  "message.publish"
WHERE
  -- 通过 topic 筛选数据源
  topic =~ 'lock/+/control_receipt' 
```
使用 SQL 测试功能，输入原始上报数据与相关变量，得到如下输出结果：
```
{
  "p": {
    "ErrorCode": 0,
    "KeyID": "c944c8d0f55e11e9a4fec59e26b058d5",
    "KeyNickName": "",
    "LockState": 0,
    "LockType": 0,
    "alarm": "",
    "command": "unlock",
    "id": "51dc0c50f55d11e9a4fec59e26b058d5",
    "latitude": 248614503,
    "longitude": 1028622543,
    "pid": "84a2e10f55d11e9a4fec59e26b058d5",
    "ts": 1570838400000
  }
}
```
从输出结果看，经纬度浮点值已经转为整型，说明该步操作正确，可以进行后续操作。

响应动作

点击创建页面下方 添加动作 按钮，在弹出的 新增动作 弹框里动作类型选择 发送数据到 Web 服务，使用资源 选择上一步中创建的资源，消息内容模板 内容模板里面，使用 ${} 语法提取 条件 SQL 筛选出来的数据，拼接写入 SQL 语句如下：
```
insert into db.v_${p.id} values(
  ${p.ts},
  '${p.id}',
  '${p.pid}',
  ${p.longitude},
  ${p.latitude},
  '${p.command}',
  ${p.LockState},
  ${p.LockType},
  '${p.KeyNickName}',
  '${p.KeyID}',
  ${p.ErrorCode},
  '${p.alarm}',
);
```
点击创建完成规则的创建，智能门锁上报数据时数据将写入到 DBEngine，整个工作和业务流程如下：
- 智能门锁上报数据至 EMQ X
- message.publish 事件触发规则引擎，开始按照条件 SQL 中的 where 条件匹配 topic 和 payload 数据字段
- 规则命中后触发响应动作列表，按照响应动作中的消息内容模板拼接出该动作所需请求参数，在这个规则中请求参数是一个 SQL 语句，包含有智能门锁的上报数据信息
- 按照动作类型和使用的资源发起请求，调用 RESTful API 将指令发送到 TDEngine 执行，完成数据写入。
使用 TDEngine SDK 写入数据

TDEngine 提供多种语言平台适用的 SDK，程序可以通过订阅 MQTT 主题或消费消息中间件数据获取智能门锁上报到 EMQ X 的数据，随后将数据拼接成写入 SQL 最终写入到 TDEngine 中。

本文使用订阅 MQTT 主题的方式获取智能门锁上报数据。考虑到消息量可能增长到单个订阅客户端无法承受的数据量，我们使用 共享订阅 的方式来消费数据。

在共享订阅中，订阅同一个主题的客户端会轮流的收到这个主题下的消息，也就是说同一个消息不会发送到多个订阅者，从而实现订阅端的多个节点之间的负载均衡。

代码示例

该示例使用 Node.js 平台，借助 TDEngine 的 RESTful Connector 实现数据写入操作。

使用方式：安装 Node.js、安装 npm、安装依赖、修改相应参数并运行执行
```
// index.js
const mqtt = require("mqtt");
const axios = require("axios");

/**
 * 通过 RESTful Connector 执行 TDEngine 操作
 * @param {string} 需要执行的 sql
 */
function exec(sql = "") {
  return axios({
    method: "post",
    url: "http://127.0.0.1:6020/rest/sql",
    auth: {
      username: "root",
      password: "taosdata"
    },
    data: sql
  });
}

// MQTT 处理订阅消息回调
async function handleMessage(topic, message) {
  try {
    // JSON 转对象
    const p = JSON.parse(message.toString());
    // 处理浮点数据
    p.longitude = p.longitude * 10e7;
    p.latitude = p.latitude * 10e7;
    const resp = await exec(`
      INSERT INTO db.v_${p.id} values(
        ${p.ts},
        '${p.id}',
        '${p.pid}',
        ${p.longitude},
        ${p.latitude},
        '${p.command}',
        ${p.LockState},
        ${p.LockType},
        '${p.KeyNickName}',
        '${p.KeyID}',
        ${p.ErrorCode},
        '${p.alarm}',
      );`);
    console.log(`Exec success:`, resp.data);
  } catch (e) {
    console.log(
      "exec insert error:",
      e.message,
      e.response ? e.response.data : ""
    );
  }
}

function createConsumer(config = {}) {
  const client = mqtt.connect("mqtt://127.0.0.1:1883", config);

  client.on("connect", () => {
    // 使用共享订阅 $share/ 前缀
    client.subscribe("$share//lock/+/control_receipt", (err, granded = []) => {
      if (!err && granded[0].qos <= 2) {
        console.log("Consumer client ready");
      }
    });
  });

  client.on("message", handleMessage);
}

// 创建 10 个共享订阅消费者
for (let i = 0; i < 10; i++) {
  createConsumer();
}
```
测试

通过 EMQ X Dashboard 内置的 MQTT 客户端（WebSocket）可以快速模拟测试规则可用性。打开 工具 -> WebSocket 页面，输入按照智能门锁连接信息建立连接，在发布功能里面输入上报主题、上报数据点击发布进行模拟测试：
- 发布主题：lock/${id}/control_receipt
- Payload：
```
  {
    "id": "51dc0c50f55d11e9a4fec59e26b058d5",
    "longitude": 102.8622543,
    "latitude": 24.8614503,
    "command": "unlock",
    "LockState": 0,
    "LockType": 0,
    "KeyNickName": "", 
    "KeyID": "c944c8d0f55e11e9a4fec59e26b058d5",
    "ErrorCode": 0,
    "pid": "84a2e10f55d11e9a4fec59e26b058d5",
    "alarm": "",
    "ts": 1570838400000
  }
```
发布多次，在 规则引擎 列表里，点击监控图标可以快速查看当前规则执行数据，由下图可见 4 条消息命中 3 次，成功 3 次：

在 TDEngine 控制台查看 db.v_51dc0c50f55d11e9a4fec59e26b058d5 中的数据，此时有 3 条数据:
```
use db;
select count(*) from v_51dc0c50f55d11e9a4fec59e26b058d5;

taos> select count(*) from v_51dc0c50f55d11e9a4fec59e26b058d5;
      count(*)       |
======================
                    3|
Query OK, 1 row(s) in set (0.000612s)
```
删除该条规则，启动 TDEngine SDK 写入代码，重复该上述测试操作，可以看到程序打印日志如下：
```
{ status: 'succ', head: [ 'affected_rows' ], data: [ [ 1 ] ], rows: 1 }
{ status: 'succ', head: [ 'affected_rows' ], data: [ [ 1 ] ], rows: 1 }
{ status: 'succ', head: [ 'affected_rows' ], data: [ [ 1 ] ], rows: 1 }
```
至此，写入 EMQ X 数据到 TDEngine 的整个功能已开发/配置完成。
相关阅读:
pytorch报错：AttributeError: 'module' object has no attribute '_rebuild_tensor_v2'
python运行报错：cannot import name 'InteractiveConsole'
sudo pip3找不到命令
 pytorch入门1——简单的网络搭建
 caffe训练时报错
 python滴啊用caffe时的小坑
 求两个字符串的编辑距离
 归并排序
 复杂度n求数组的第K大值
 牛顿法与拟牛顿法学习笔记（一）牛顿法
原文地址：https://www.cnblogs.com/emqx/p/11753954.html

EMQ X 规则引擎系列（九）- 消息写入到 TDEngine

TDEngine 是什么

场景介绍

采集流程

准备

数据写入方式

使用规则引擎写入数据

资源准备

创建规则

响应动作

使用 TDEngine SDK 写入数据

代码示例

测试