1. IoT云平台消息与时序数据工程导论
物联网项目从“设备能连上网”到“业务能稳定运行”，中间隔着一整套消息与时序数据工程。设备侧产生的温度、振动、位置、开关状态等数据，往往以秒级甚至毫秒级频率持续上报；云平台要完成接入认证、消息路由、规则计算、时序存储、查询聚合、告警触发和可视化呈现。任何一环设计不当，都会表现为数据丢失、延迟升高、存储成本失控或查询缓慢。本课程关注的正是这条从设备消息到业务价值的完整链路。
课程定位：连接设备世界与数据世界
可以把IoT云平台理解为三层能力的叠加：连接层负责设备接入与协议适配，消息层负责高吞吐、低延迟的消息分发与规则处理，数据层负责时序数据的写入、存储、查询与生命周期管理。本课程不局限于某一朵云或某一个开源组件，而是围绕“消息如何可靠流动、时序数据如何高效落地、业务如何按需取数”这三个核心问题展开。学完后，你应当能够独立设计一条从设备上报到业务查询的数据通路，并对容量、延迟、成本和可靠性做出有依据的权衡。
核心挑战：为什么IoT数据工程并不简单
与传统Web业务相比，IoT消息与时序数据有几个显著特征，也正是工程难点的来源。
- 高并发与突发流量：十万台设备可能在同一时刻因网络恢复而集中重连、补发数据，形成瞬时洪峰。消息层必须具备削峰填谷和背压能力。
- 数据乱序与重复：设备时钟不准、网络重传、离线缓存补发，都会导致同一测点的时间戳乱序甚至重复。时序库需要按“设备+测点+时间戳”做幂等或去重处理。
- 写多读少、按时间聚合：写入量远大于查询量，查询又多为“最近1小时平均值”“过去7天最大值”这类时间窗口聚合，存储引擎必须为时间范围扫描和降采样优化。
- 成本与保留期矛盾：原始秒级数据长期保存成本极高，通常需要“热存原始数据+温存降采样数据+冷存归档”的分层策略。
- 端到端可观测性：一条消息从设备发出到写入数据库，中间经过多个环节，缺少链路追踪时很难定位“数据到底丢在哪一段”。
技术全景：一条消息的完整旅程
下面这张图给出本节最值得建立的整体认知：设备消息从接入、解析、路由、计算，到时序存储与业务查询的完整数据流，以及各环节的关键动作和典型技术选型。
学习路径：从单点认知到系统设计
本课程按“先建立全局、再深入局部、最后综合设计”的顺序推进。第一阶段理解消息模型与接入协议，重点掌握MQTT的发布订阅语义、QoS等级对可靠性的影响，以及设备认证与Topic权限设计。第二阶段进入消息中间件与规则引擎，学习如何做消息路由、格式转换、削峰填谷和死信处理。第三阶段聚焦时序数据建模与存储，包括测点模型设计、标签与字段的取舍、写入批处理、乱序与去重、降采样与保留策略。第四阶段是查询与计算，涵盖时间窗口聚合、连续查询、流批一体的基本思路。最后通过一个完整的端到端案例，把接入、消息、存储、查询、告警串成可运行、可观测、可扩展的系统。
一个贯穿全课的教学示例
为了让抽象概念有具体落点，课程会持续使用一个“冷链运输监控”场景：每辆冷藏车部署一个网关，采集车厢温度、湿度、车门开关状态和GPS位置，采样周期为5秒，通过MQTT上报到云平台。假设有200辆车，则每秒约产生40条消息、每条消息包含4个测点，日增原始数据约138万条测点记录。这个规模不大，但足以暴露乱序、重复、存储成本和查询性能等典型问题。后续章节中的参数、配置和查询示例，都会围绕这个场景展开，并明确标注哪些是示例假设、哪些是实际观测结果。
接下来，课程将从消息模型与接入协议开始，逐步展开这条链路上的每一个关键环节。