1. 实验仪器边缘采集与缓存工程导论

在材料、化学、生物、物理等实验场景中，仪器往往以“孤岛”方式运行：一台电子万能试验机、一台电化学工作站、一台液相色谱或一台高低温箱，各自通过串口、USB、GPIB、Modbus TCP 或厂商私有协议输出数据。传统做法是实验结束后人工导出 CSV，再拷贝到分析电脑。这种方式在低频、少量、离线实验中尚可接受，但一旦涉及长时间疲劳测试、多通道同步采集、无人值守或实时反馈控制，就会暴露出数据丢失、时间戳错乱、采样抖动、断网即断采等问题。边缘采集与缓存工程，正是为解决“仪器数据如何可靠、连续、可追溯地进入计算系统”而出现的一门交叉工程实践。

课程定位：在仪器与平台之间架一层“可靠数据面”

本课程不研究仪器本身的测量原理，也不深入云端大数据分析，而是聚焦于仪器与上层系统之间的中间层。它要回答的核心问题是：当仪器以 10 Hz 到 10 kHz 不等的速率产生数据，而网络可能中断、磁盘可能写满、上位机可能重启时，如何保证数据不丢、不乱、可恢复、可校验。因此，课程定位可以概括为三个关键词：边缘侧、采集链路、缓存可靠性。学习者最终应能独立设计一条从传感器/仪器接口到本地持久化、再到远端同步的最小可用采集链路，并能对丢包率、时延、缓存水位等指标做出判断。

核心问题：四个必须同时面对的约束

边缘采集不是简单的“读串口、写文件”。它同时受到四类约束：

• 时间约束：采样周期必须稳定。例如设定 100 Hz 采集，实际抖动若超过 ±5 ms，频谱分析就会出现伪峰。时间戳应尽量在边缘侧打上，而不是等到入库时补。
• 可靠性约束：网络中断、进程崩溃、断电都可能发生。缓存必须支持断点续传和崩溃恢复，写入过程要避免“写一半”的脏数据。
• 资源约束：边缘设备常见为工控机、树莓派或 ARM 网关，CPU、内存、磁盘 IO 有限。缓存策略不能无限增长，需要设置水位线和淘汰/转存规则。
• 可追溯约束：每条数据应能回答“来自哪台仪器、哪个通道、什么时间、经过哪些处理”。这要求元数据、批次号、校验和与数据一起持久化。

这四类约束相互拉扯：提高采样率会增加资源压力，增强可靠性会引入额外延迟，严格时间戳又要求边缘时钟同步。工程上的关键，是在具体实验目标下找到可接受的平衡点。

典型场景：从单机采集到多仪器协同

场景一，长时间无人值守采集。例如电池充放电循环测试持续 72 小时，仪器通过 RS-485 每 500 ms 输出电压、电流、温度。边缘网关需要本地缓存至少 24 小时数据，网络恢复后按时间顺序补传，并保证补传不覆盖新数据。

场景二，多通道同步采集。例如结构疲劳试验中，应变片、位移计、力传感器同时接入，要求各通道时间偏差小于 1 ms。此时不能各通道独立开线程读取，而应使用统一时钟触发或硬件触发，再在边缘侧按同一时间基准打包。

场景三，实时反馈控制。例如温度闭环控制中，边缘节点采集热电偶后需在 20 ms 内完成 PID 计算并输出控制量。这类场景对缓存的要求不是“大”，而是“低延迟、可预测”，通常采用内存环形缓冲区加异步落盘。

场景四，多仪器数据汇聚。例如同一实验台上有天平、pH 计、搅拌器，各自协议不同。边缘层需要做协议适配、单位统一、时间对齐，再以统一数据模型上传。

技术栈全景：一条链路上的五层对象

从下往上，边缘采集链路大致可分为五层：物理接口层（RS-232/485、USB、GPIB、以太网、CAN）、协议解析层（Modbus RTU/TCP、SCPI、厂商私有帧、MQTT/OPC UA）、采集调度层（轮询、订阅、中断、定时触发）、缓存持久层（内存队列、本地文件、SQLite、嵌入式时序库）、同步上传层（HTTP、MQTT、SFTP、断点续传与重试）。每一层都有典型工具与选型依据，例如 Python 的 pyserial、pymodbus，C/C++ 的 libmodbus，以及 SQLite WAL 模式、本地环形文件等。

学习路径：从能读到能扛

建议按“先通链路、再补可靠性、最后做综合”的顺序推进。第一阶段，完成单台仪器的最小采集闭环：能打开串口或 TCP、解析一帧数据、打印带时间戳的记录。第二阶段，引入本地缓存，把数据写入文件或 SQLite，并模拟断网验证数据不丢。第三阶段，加入多仪器与时间对齐，处理不同协议和采样率。第四阶段，实现断点续传、水位淘汰、崩溃恢复与校验。第五阶段，用一套完整实验场景串联全部能力，并对丢包率、端到端延迟、缓存峰值等指标做评估。