开发者分享：利用 EMQX Cloud 与 ESP32 微控制器实现智能液冷散热系统-阿里云开发者社区

作者：陶德坤，EMQX Cloud 开发者。

作为一名后端开发人员，我经常需要同时运行多个 Jetbrains IDE （集成开发环境），所以经常面临笔记本电脑过热问题。我曾尝试过各种散热方法，从传统的风扇到更先进的半导体冷却系统，但这些方法都带来了新的问题，如噪音和耗电等。

因此，我设计了一个智能的液冷散热解决方案：通过引入外部水冷系统、利用微控制器 ESP32、MQTT 服务器 EMQX Cloud Serverless 以及容器化的部署平台 Fly.io 来实时监测和控制水温。以下是该解决方案的详述，希望能为其他物联网开发者带来灵感：

物联网智能液冷散热系统

作者 DIY 的物联网智能液冷散热系统

技术选型

我希望这套系统不仅有功能性，还具备可靠性和效率，以确保水温监控系统的稳定运行。以下是我挑选的技术栈：

ESP32：在多种选择中，ESP32 微控制器因其集成了 Wi-Fi 和蓝牙功能，以经济高效的特点而脱颖而出。这款芯片为物联网项目提供了强大的性能支持，同时成本可控又不牺牲功能性。
DS18B20 水温传感器：对于温度监控，DS18B20 是我的首选，因为它提供了精确的数字温度读数和出色的耐水性能。这款传感器与 ESP32 可协同工作，确保了水温监控系统的准确性和稳定性。
EMQX Cloud Serverless MQTT Broker：在众多消息中间件中，EMQX Cloud 因其高性能、可靠性以及 Serverless MQTT 服务在处理大量并发连接和消息路由方面的卓越表现而受到青睐，这些特性对于确保设备间通信的顺畅至关重要。
Python 和 Flask：选择 Python 是因为它的表达力强且库函数丰富，Flask 则轻量级且高度灵活，能适应快速开发和部署的需求，这对于迅速实现项目原型至关重要。
Fly.io：Fly.io 的全球分布式边缘托管服务能够将容器转换为微虚拟机，提供了一个独特的平台。这不仅加快了应用的部署速度，还大大减少了数据传输的延迟，为用户提供了接近实时的体验。

项目实施

项目的实施阶段是一个将创意转化为实际解决方案的过程。在这个过程中，首先要确保 EMQX Cloud Serverless 的正确配置，然后是硬件的集成，后端服务的开发，最后是系统的部署和测试。

Serverless MQTT Broker 配置

EMQX Cloud Serverless 提供免费配额，对于我们的应用场景来说，这些配额完全能够覆盖所需的成本，这也是我选择 EMQX Cloud Serverless 部署的主要原因之一。另外，它默认支持传输层安全协议（TLS），为我们的数据传输提供了强有力的加密保障，确保数据在传输过程中的机密性、完整性和身份验证，降低了数据泄露或被篡改的风险。

以下是配置 EMQX Cloud Serverless 的具体步骤：

创建 Serverless MQTT Broker:
- 登录到 EMQX Cloud 控制台，并导航至 "Create Deployment" 页面。
- 选择 "Serverless" 部署类型，并按需配置部署。例如区域、SpendLimit 等。
- 完成配置后，点击 "Create" 按钮，系统会自动创建 Serverless MQTT Broker。
添加认证信息:
- 在 MQTT Broker 创建成功后，进行认证信息的配置，确保只有授权的客户端可以连接到 Broker。
使用 MQTTX 连接测试:
- 下载并安装 MQTTX 客户端（MQTTX：全功能 MQTT 客户端工具），然后使用之前配置的认证信息测试与 MQTT Broker 的连接，确保一切工作正常。

通过以上步骤，我成功地配置了 EMQX Cloud Serverless MQTT Broker，为我们的项目提供了一个安全、可靠且成本效益高的消息中间件。它不仅简化了物联网基础设施的管理和扩展，还通过 TLS 支持确保了数据的安全传输，为项目打下了良好的基础。

硬件集成

在项目中，我们使用 ESP32 微控制器和 DS18B20 水温传感器来监测水温，并将数据发送到云端。通过这种集成，我们实现了一个能夠实时监测并传输水温数据的系统，高效且安全，同时为水冷系统提供了智能化的监控。

Wi-Fi 连接配置： 首先，ESP32 被配置为通过 Wi-Fi 连接到互联网。这是通过在代码中设置 Wi-Fi 的 SSID 和密码来实现的。
传感器初始化：我们通过 GPIO 25 将 DS18B20 水温传感器连接到 ESP32，并在代码中初始化了传感器，设置了温度读取的分辨率。
安全的 MQTT 通信： 使用 MQTT 协议，通过 EMQX Cloud Serverless 来安全地传输数据。我们配置了 MQTT broker 的详细信息，并使用了 SSL/TLS 加密来保证数据传输的安全。
温度数据读取与发送： 系统每分钟读取一次水温，并将读数格式化为 JSON 后，通过 MQTT 协议发布到云端。

使用 Python 和 Flask 开发后端服务

在这个项目中，我们使用 Python 和 Flask 构建了后端服务，以处理来自 ESP32 的温度数据并展示在网页上。整个后端的设计旨在高效处理数据、提供实时反馈，并易于维护。通过这种方式，我们构建了一个既能实时处理来自物联网设备的数据，又能提供用户友好界面的后端服务。这不仅加强了项目的实用性，也为未来的扩展和优化提供了良好的基础。

配置和 MQTT 集成：我们的 Flask 应用配置了 MQTT 代理设置，使用 flask_mqtt 库实现与 MQTT 代理的直接通信。当接收到来自 emqx/esp32/telemetry 主题的消息时，后端会通过特定函数处理并存储数据。
数据库管理：使用 SQLite 数据库存储温度数据，通过 Flask 的应用上下文管理数据库连接，并确保数据的安全存储和访问。
Web 界面和 API：后端提供了简单的 Web 界面和一个 API 端点。主页链接到一个显示温度图表的页面，而数据 API 端点返回最近一段时间的温度数据。

系统部署

项目的部署阶段至关重要，我们通过 Docker 和 Fly.io 的配置将 Flask 应用容器化并托管于 Fly.io。这一流程不仅实现了 Flask 应用的云端部署，还确保了服务的快速、安全和高效提供。借助 Fly.io 平台，应用可以根据需求轻松扩展，享有稳定的运行环境。

Docker 容器化：首先，我们编写 Dockerfile，使用 Python 3.8 作为基础镜像，并将应用代码复制到容器的 /app 工作目录。然后，通过 pip 安装必要依赖，例如 Flask 和 Flask-MQTT，并暴露 8080 端口。容器启动时会自动执行 CMD ["python", "app.py"]，运行 Flask 应用。
Fly.io 配置：在 fly.toml 文件中，我们定义了应用的运行方式，包括应用名称、主部署区域（如新加坡），构建及挂载点设置。
- 挂载点：设定挂载点存储数据库文件，保证数据在容器重新部署时的持久性。
- HTTP 服务配置：配置内部端口为 8080，强制使用 HTTPS，并设定启动、停止策略和最小运行机器数量。
- 健康检查：通过定期访问 /ping 路由，检查应用运行状态，保障服务稳定。
部署应用：
1. 创建 Fly.io 应用：使用 flyctl apps create 命令，通过 Fly.io 的 CLI 工具创建新应用。
2. 部署应用：执行 flyctl deploy 命令，在 Fly.io 上自动构建 Docker 容器镜像并部署。
3. 验证部署：部署完成后，访问 Fly.io 提供的应用 URL，检验 Flask 应用是否成功运行。