摘要

Node-RED 是一款开源的低代码流式编程工具，特别适合物联网（IoT）数据流的动态建模。它通过直观的拖拽界面，将硬件设备、API 和数据处理逻辑连接起来，简化了物联网应用的开发。本攻略面向初学者，详细介绍如何使用 Node-RED 进行动态建模，包括安装、核心概念、搭建简单物联网数据流、调试与优化，以及常见问题解答。通过具体示例和 PlantUML 流程图，帮助小白快速上手并理解 Node-RED 在物联网数据流中的应用。

一、Node-RED 简介

Node-RED 由 IBM 开发，现由 OpenJS 基金会维护，基于 Node.js 运行，采用事件驱动的非阻塞模型，特别适合物联网场景。其核心特点包括：

  • 低代码编程：通过拖拽节点和连线构建数据流，无需大量编码。
  • 模块化设计：支持丰富的节点库，涵盖传感器、协议（如 MQTT）、数据库等。
  • 跨平台：可运行在 Windows、macOS、Linux 和 Raspberry Pi 等设备上。
  • 动态建模：支持实时数据流处理，适合物联网数据采集、处理和可视化。

本攻略将以一个简单的物联网温度监控示例，展示如何使用 Node-RED 实现数据从传感器采集到可视化的全流程。

二、安装与环境配置

1. 安装 Node.jsNode-RED 依赖 Node.js 运行，需先安装最新 LTS 版本。
  • Windows/macOS：
    1. 访问 Node.js 官网，下载 LTS 版本（推荐 v18.x 或更高）。
    2. 按提示安装，完成后在终端运行 node -v 和 npm -v 确认版本。
  • Linux/Raspberry Pi：bash 
    sudo apt update
sudo apt install -y nodejs npm
    或使用 NodeSource 安装最新版本：bash 
    curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt-get install -y nodejs
2. 安装 Node-RED在终端运行以下命令全局安装 Node-RED：bash
sudo npm install -g --unsafe-perm node-red
  • --unsafe-perm 确保以 root 权限安装，避免权限问题。
  • 安装完成后，运行 node-red 启动服务，默认在 http://localhost:1880 打开。
3. 验证安装
  1. 打开浏览器，访问 http://localhost:1880。
  2. 看到 Node-RED 的流编辑器界面，说明安装成功。
4. 安装 Dashboard 插件为实现数据可视化，需安装 node-red-dashboard 插件：
cd ~/.node-red
npm install node-red-dashboard

重启 Node-RED 后，仪表板节点将出现在编辑器左侧节点面板。

三、核心概念理解 Node-RED 的核心概念有助于快速上手：

  • 节点（Node）：功能单元，如输入（Inject）、处理（Function）、输出（Debug）。每个节点完成特定任务。
  • 流（Flow）：由节点通过连线组成的逻辑序列，表示数据从输入到输出的处理路径。
  • 消息（Message）：数据载体，通常为 JavaScript 对象，核心属性为 msg.payload，承载主要数据。
  • 上下文（Context）：用于存储临时数据，支持节点级、流级或全局级。
  • 仪表板（Dashboard）：用于创建交互式界面，展示图表、仪表盘等。

四、示例：

构建物联网温度监控数据流以下是一个简单的物联网数据流示例：模拟温度传感器数据，通过 MQTT 协议发送到 broker，处理后存储到数据库，并显示在仪表板上。

1. 准备工作
  • 硬件（可选）：Raspberry Pi + 温度传感器（如 DHT11）。
  • 软件：
    • 安装好的 Node-RED。
    • MQTT Broker（如 Mosquitto，免费公共 broker：test.mosquitto.org）。
    • SQLite 数据库（用于存储数据）。
  • 目标：
    • 模拟温度数据（JSON 格式）。
    • 通过 MQTT 发送到 broker。
    • 处理数据并存储到 SQLite。
    • 在仪表板显示实时温度曲线。
2. 打开 Node-RED 编辑器
  1. 启动 Node-RED（终端运行 node-red）。
  2. 在浏览器访问 http://localhost:1880。
3. 创建数据流以下是具体步骤，逐步搭建流。
步骤 1：模拟温度数据
  1. 从左侧节点面板拖动一个 Inject 节点 到工作区。
  2. 双击 Inject 节点，配置：
    • Payload：选择 JSON，输入：json 

      {"temperature": 25.5, "timestamp": "2025-08-20T18:00:00"}
    • Repeat：选择 Interval，设置为每 5 秒触发一次。
    • Name：设为“模拟温度数据”。
  3. 添加一个 Debug 节点，连接到 Inject 节点，查看输出。
步骤 2：发送到 MQTT
  1. 拖动一个 MQTT Out 节点。
  2. 双击配置：
    • Server：点击编辑，输入 test.mosquitto.org，端口 1883，无需认证。
    • Topic：设为 sensors/temperature（唯一主题，避免冲突）。
    • Name：设为“发送到 MQTT”。
  3. 连接 Inject 节点到 MQTT Out 节点。
步骤 3：接收 MQTT 数据
  1. 拖动一个 MQTT In 节点。
  2. 配置：
    • Server：同上，选择 test.mosquitto.org。
    • Topic：设为 sensors/temperature。
    • Output：选择 Parsed JSON object。
    • Name：设为“接收温度数据”。
  3. 添加一个 Debug 节点，连接 MQTT In 节点，验证接收。
步骤 4：处理数据
  1. 拖动一个 Function 节点，连接到 MQTT In 节点。
  2. 配置 Function 节点，输入以下 JavaScript 代码：javascript 
    msg.payload = {
    temperature: msg.payload.temperature,
    timestamp: new Date().toISOString()
};
return msg;
    • 功能：提取温度值，更新时间戳。
  3. Name：设为“格式化数据”。
步骤 5：存储到 SQLite
  1. 安装 SQLite 节点（若未安装）：bash 

    cd ~/.node-red
npm install node-red-node-sqlite
    重启 Node-RED。
  2. 拖动一个 SQLite 节点，连接到 Function 节点。
  3. 配置：
    • Database：输入数据库路径（如 /home/user/test.db）。
    • SQL Query：输入：sql 

      INSERT INTO sensor_data (temperature, timestamp) VALUES ($temperature, $timestamp)
    • Parameters：
      • $temperature: msg.payload.temperature
      • $timestamp: msg.payload.timestamp
    • Name：设为“存储到数据库”。
  4. 确保数据库和表已创建（可通过 Function 节点初始化）：javascript 

    msg.topic = "CREATE TABLE IF NOT EXISTS sensor_data (temperature REAL, timestamp TEXT)";
return msg;
步骤 6：创建仪表板
  1. 拖动一个 Chart 节点（从 node-red-dashboard）。
  2. 配置：
    • Group：新建分组（如 “Temperature Dashboard”）。
    • Type：选择 Line Chart。
    • Label：设为“温度曲线”。
    • X-axis：选择 last 1 hour。
  3. 连接 Function 节点到 Chart 节点。
  4. 点击右上角“Dashboard”标签，访问 http://localhost:1880/ui 查看实时图表。
步骤 7：部署
  1. 点击右上角“Deploy”按钮，保存并运行流。
  2. 在 Debug 面板查看数据流转情况，在仪表板查看实时图表。

4. 运行结果

  • 每 5 秒，Inject 节点模拟发送温度数据。
  • 数据通过 MQTT 传输，Function 节点格式化后存储到 SQLite。
  • 仪表板显示实时温度曲线。

五、调试与优化

1. 调试技巧
  • Debug 节点：连接到每个关键节点，检查 msg.payload 内容。
  • 日志查看：终端运行 Node-RED 时，查看控制台日志。
  • 错误捕获：添加 Catch 节点 捕获错误，连接到 Debug 节点分析。
2. 优化建议
  • 性能：限制 Inject 节点频率（如 5-10 秒），避免高频数据冲击。
  • 安全：使用 MQTT 的 TLS 加密（端口 8883）保护数据传输。
  • 备份：定期导出流（在编辑器选择“Export”），保存为 JSON 文件。
  • 模块化：将复杂流拆分为多个子流（Subflow），提高可维护性。

六、常见问题解答

  1. Node-RED 无法启动？
    • 检查 Node.js 版本（需 v14 或以上）。
    • 确保端口 1880 未被占用（netstat -tuln | grep 1880）。
  2. MQTT 连接失败？
    • 确认 broker 地址和端口，测试公共 broker 如 test.mosquitto.org。
    • 检查网络防火墙是否阻止连接。
  3. 仪表板不显示？
    • 确保安装 node-red-dashboard。
    • 检查流是否已部署，访问 /ui 路径。
  4. 数据库报错？
    • 验证 SQLite 数据库路径正确，表结构已创建。
    • 使用准备语句（Prepared Statement）防止 SQL 注入。

七、复盘与改进复盘

  • 成功点：通过拖拽节点快速搭建物联网数据流，验证了 Node-RED 的易用性。
  • 不足：
    • 模拟数据无法完全代表真实传感器场景。
    • 未实现复杂逻辑（如异常检测）。
    • 数据存储未优化，可能在高并发下性能受限。
  • 经验教训：
    • 调试时多使用 Debug 节点，减少错误排查时间。
    • 提前规划流结构，避免后期修改复杂。

改进方向

  1. 真实硬件：接入实际传感器（如 DHT11），替换 Inject 节点。
  2. 高级逻辑：添加 Switch 节点实现温度阈值报警。
  3. 数据分析：集成 TensorFlow.js 节点进行预测分析。
  4. 高可用性：部署 Node-RED 到云服务（如 AWS IoT），支持大规模设备。

八、流程图

以下是用 PlantUML 描述的使用流程，展示从数据采集到可视化的完整过程：

@startuml
actor User
participant "IoT Device" as Device
participant "Node-RED" as NR
participant "MQTT Broker" as MQTT
participant "SQLite DB" as DB
participant "Dashboard" as UI

User -> NR: Open Editor (localhost:1880)
NR -> Device: Simulate Temperature Data (Inject Node)
Device -> NR: Send JSON Data
NR -> MQTT: Publish to sensors/temperature
MQTT -> NR: Receive Data (MQTT In Node)
NR -> NR: Format Data (Function Node)
NR -> DB: Store Data (SQLite Node)
NR -> UI: Display Chart (Dashboard Node)
User -> UI: View Real-time Chart (localhost:1880/ui)

@enduml
# 物联网 # 个人开发
Logo
AI编程社区

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

Visual Studio Code 中为Copilot 添加 Bright Data 的 Web MCP

avatar AI编程社区
cover

AI狂潮来袭，程序员会被淘汰吗？揭秘未来职场生存法则！

avatar AI编程社区
cover

智能编码新纪元：2025年AI开发工具的趋势、选型与落地实践

avatar AI编程社区