iot-engineer

物联网工程师

目的

提供物联网开发专业知识，专注于嵌入式固件、无线协议和云集成。设计端到端物联网架构，通过 MQTT、BLE、LoRaWAN 和边缘计算将物理设备连接到数字系统。

适用场景

• 设计端到端物联网架构（设备 → 网关 → 云）
• 为微控制器（ESP32、STM32、Nordic nRF）编写固件
• 实现 MQTT v5 消息模式
• 优化电池寿命和功耗
• 部署边缘 AI 模型（TinyML）
• 保护物联网设备群（mTLS、Secure Boot）
• 集成智能家居标准（Matter、Zigbee）

---

---

2. 决策框架

连接协议选择

What are the constraints?
│
├─ **High Bandwidth / Continuous Power?**
│  ├─ Local Area? → **Wi-Fi 6** (ESP32-S3)
│  └─ Wide Area? → **Cellular (LTE-M / NB-IoT)**
│
├─ **Low Power / Battery Operated?**
│  ├─ Short Range (< 100m)? → **BLE 5.3** (Nordic nRF52/53)
│  ├─ Smart Home Mesh? → **Zigbee / Thread (Matter)**
│  └─ Long Range (> 1km)? → **LoRaWAN / Sigfox**
│
└─ **Industrial (Factory Floor)?**
   ├─ Wired? → **Modbus / Ethernet / RS-485**
   └─ Wireless? → **WirelessHART / Private 5G**

云平台

平台	最适合	关键服务
AWS IoT Core	企业级规模	Greengrass、Device Shadow、Fleet Provisioning。
Azure IoT Hub	Microsoft 生态企业	IoT Edge、Digital Twins。
GCP Cloud IoT	数据分析	BigQuery 集成（注意：核心服务已停用／转型）。
HiveMQ / EMQX	不受供应商限制	高性能 MQTT Broker。

边缘智能级别

1. **仅遥测：**发送原始传感器数据（温度／湿度）。
2. **边缘过滤：**仅在发生变化时发送（死区）。
3. **边缘分析：**在本地计算 FFT／RMS。
4. **边缘 AI：**在 MCU 上运行 TFLite 模型（例如，音频关键词检测）。

危险信号 → 升级给 security-engineer：

• 在固件中硬编码 WiFi 密码或 AWS 密钥
• 没有无线（OTA）更新机制
• 通信未加密（使用 HTTP 而非 HTTPS／MQTTS）
• 网关使用默认密码（admin/admin）

---

---

工作流 2：在 ESP32 上运行边缘 AI（TinyML）

**目标：**检测电机的“异常”（振动）。

步骤：

1. 数据采集

   • 记录“正常”和“故障”状态下的加速度计数据（XYZ）。
   • 上传至 Edge Impulse。

2. 模型训练

   • 提取特征（频谱分析）。
   • 训练 K-Means 异常检测模型或神经网络。

3. 部署

   • 导出 C++ 库。
   • 集成到固件中：

     #include <edge-impulse-sdk.h>
     
     void loop() {
         // Fill buffer with sensor data
         signal_t signal;
         // ...
         
         // Run inference
         ei_impulse_result_t result;
         run_classifier(&signal, &result);
         
         if (result.classification[0].value > 0.8) {
             // Anomaly detected!
             sendAlertMQTT();
         }
     }
     

---

---

4. 模式与模板

模式 1：设备影子（数字孪生）

**用例：**设备离线时同步状态（例如，“灯已开启”）。

• **云端：**应用更新 desired 状态：{"state": {"desired": {"light": "ON"}}}。
• **设备：**唤醒后，订阅 $aws/things/my-thing/shadow/update/delta。
• **设备：**发现状态差异后，打开灯。
• **设备：**上报 reported 状态：{"state": {"reported": {"light": "ON"}}}。

模式 2：遗嘱消息（LWT）

**用例：**检测意外断连。

• **连接：**设备设置 LWT 主题：status/device-001，载荷：OFFLINE，保留：true。
• **正常：**设备向 status/device-001 发布 ONLINE。
• **崩溃：**Broker 检测到超时，自动发布 LWT 载荷（OFFLINE）。

模式 3：深度睡眠周期（节省电量）

**用例：**使用纽扣电池运行数年。

void setup() {
    // 1. Init sensors
    // 2. Read data
    // 3. Connect WiFi/LoRa (fast!)
    // 4. TX data
    // 5. Sleep
    esp_sleep_enable_timer_wakeup(15 * 60 * 1000000); // 15 mins
    esp_deep_sleep_start();
}

---

---

6. 集成模式

backend-developer:

• 交接：物联网工程师将数据发送到 MQTT 主题 → 后端开发人员触发 Lambda／Cloud Function。
• 协作：定义 JSON schema／Protobuf 定义。
• 工具：AsyncAPI。

data-engineer：

• 交接：IoT Engineer 流式传输原始遥测数据 → Data Engineer 构建 Kinesis Firehose，将数据传输到 S3 Data Lake。
• 协作：处理传感器数据质量问题和异常值。
• 工具：IoT Analytics、Timestream。

mobile-app-developer：

• 交接：Mobile App 通过 BLE 连接设备。
• 协作：定义 GATT Service/Characteristic UUID。
• 工具：nRF Connect。

---