本篇内容介绍了“如何使用MQTT与函数计算做热力图”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

场景特点与要求：

1． 数据通道的连接能力：数据通道随着业务的扩展，机器人的投放也会同步增加，对于数据通道有足够的扩展灵活性，可以按需进行扩展，同时连接的级别能够支持10W+级别的扩展。

2． 简洁数据清洗的能力：对于数据的处理，本质上就是对数据的归纳统计，逻辑实现上并不复杂。对于数据本身的峰谷变化，能有最简单有效的匹配扩缩处理能力即可，在清洗上不希望为此引入复杂的传统大数据级别的笨重方案。

3． 弹性数据访问的能力：这里提到的的热力图信息，以后会考虑开放给终端用户访问，访问量都是动态变化的，随着不同的时间、节日、突发事件等都会有不可预知的幅度变化，所以在此业务中要求有弹性的访问能力。业务方不希望通过限流方式来实现，因为会对业务量本身造成影响。

4． 性能优越的存储能力：此场景下，数据写入与读取并发量都高，客户希望使用NoSQL的方式进行存储。NoSQL 类型能最好支持排序的功能，本文介绍的方案中使用Redis，不再做更多的分析介绍。

备选的技术方案分析

数据通道的连接能力

自建Kafka

优点：

• Kafka作为通用的数据收集信息通道，使用面广泛，接入方式多样化。社区完善，学习成本低。

• Kafka本身搭建容易，与下游的大数据处理产品协调方案成熟。

缺点：

• 动态处理Kafka的扩容复杂。

• 需要搭建额外处理集群的稳定性配套方案。

• 外网网络流量管理需要配合额外的方案。

• 主流方案是作为连接应用的收集能力，对于终端的连接能力没有规模级别的案例验证。

消息队列MQTT方案

优点：

• 支持百万级别的连接，完成可以覆盖业务发展的诉求，为业务留足了扩展空间。

• MQTT的协议非常简洁，在端与服务间的传输中有优势。支持各种消息触达的QoS质量。

• 支持各种客户端接入实现语言。

• 可实时观测客户端的连接情况，方便发现异常情况。

缺点：

• 处理大数据的实践没有Kafka成熟，下游产品选型受一定的限制。

弹性数据清洗的能力

大数据方案（Storm、Spark、Flink等）

优点：

• 开源的通用方案，资料众多，方案成熟。

缺点：

• 搭建运维复杂，需要提供额外的监控与恢复手段。

• 需要学习接受各种组件方式（下图是以Storm为例）。

• 提前评估资源使用情况，无法按照实时数据量进行相应的扩缩使用。

函数计算方案

优点：

• 按需进行扩缩，百毫秒级的伸缩能力，适合数据量的脉冲峰谷变化。

• 不需要进行清洗环境的管理。

• 概念简单，学习成本低。

• 其它优点参考下图：

缺点：

• 函数计算是各个云厂商的产品。要求一定需要在云上运行。

弹性数据访问的能力

传统应用的方案

优点：

• 作为业务的一部分嵌在某个应用实现中，技术成熟，学习成本低。

缺点：

• 需要自实现根据业务请求量来进行弹缩处理，或者很多时候采用评估的方式进行资源冗余处理。

API Gateway+函数计算方案

优点：

• 根据客户的请求量实时进行弹缩处理。按需使用，不为高峰时段烦恼，不会闲置付费。

• 自动附带专业的访问监控大盘。

缺点：

• 需要少量的学习成本。

综述

在这个热力图信息收集清选与访问业务中，可以参考使用下图的解决方案完美实现。

重点接入步骤

MQTT到函数计算的介绍

请参考函数计算的微消息队列MQTT服务集成方案。

API网关通过函数计算提取数据的介绍

详情请参考API网关函数触发实例。

以Node.js为例：

module.exports.handler = function(event, context, callback) { 
   var event = JSON.parse(event);   var content = {
     path: event.path,
     method: event.method,
     headers: event.headers,
     queryParameters: event.queryParameters,
     pathParameters: event.pathParameters,
     body: event.body   // 您可以在这里编写您自己的逻辑。
   // 从Redis提取数据的逻辑  
   }   var response = {
        isBase64Encoded: false,
        statusCode: '200',
        headers: {          'x-custom-header': 'header value'},
        body: content
      }; 
   callback(null, response)
};

“如何使用MQTT与函数计算做热力图”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注天达云网站，小编将为大家输出更多高质量的实用文章！