1. 项目概述为什么选择Google Charts做物联网数据可视化做物联网项目数据采集只是第一步如何让这些数据“说话”让非技术背景的同事或客户一眼看懂趋势才是体现项目价值的关键。我手头有不少树莓派和传感器常年采集温度、湿度、设备状态等数据早期都是直接写日志文件或者用命令行工具画个简单的折线图自己看还行但要分享出去或者做个简单的监控面板就显得非常吃力。后来我尝试过不少可视化方案比如自己用Python的Matplotlib画图然后生成静态图片或者用Grafana这类专业的监控工具。它们各有优劣Matplotlib灵活但需要一定的编程基础且实时更新和Web集成稍显繁琐Grafana功能强大但对于一些轻量级、定制化要求高的快速演示项目来说部署和配置又显得有些“重”了。直到我重新审视了Google Charts这个工具。它是一套完全免费、由Google提供的JavaScript图表库。对于物联网数据可视化来说它有几点特别吸引人零服务器依赖图表渲染完全在用户的浏览器端完成。这意味着你只需要一个能托管静态HTML文件的Web服务器甚至可以是树莓派自带的Nginx或Apache不需要在服务器端安装任何额外的图表渲染服务或处理大量并发请求极大地减轻了边缘设备的负担。丰富的图表类型从基础的折线图、柱状图到更高级的仪表盘、地理图表几乎涵盖了数据展示的常见需求。对于物联网场景时序折线图看趋势、仪表盘看实时状态尤其好用。交互性用户可以通过鼠标悬停查看精确数据点缩放时间范围这对于分析特定时间段的数据异常非常友好。易于集成通过简单的JavaScript API调用配合JSON或数组格式的数据就能快速生成图表。与我们常用的数据采集脚本如Bash、Python可以轻松对接。本项目就是一个典型的轻量级实践我们利用树莓派或任何Linux服务器通过Bash脚本定时从OpenWeatherMap API抓取风速数据存储到本地日志文件然后动态生成一个包含Google Charts的HTML页面实现数据的自动采集与可视化展示。整个方案清晰、高效特别适合作为物联网可视化入门或者快速搭建一个原型监控系统。2. 核心思路与架构设计整个项目的目标很明确定时获取数据 - 格式化存储 - 动态生成可视化页面。为了实现这个目标我设计了一个简单但稳固的三层架构这个架构在不少我的小型物联网项目中都得到了验证。2.1 系统架构拆解整个流程可以清晰地分为三个环节像一个数据流水线数据采集层Bash脚本这是系统的“感官”。我们编写一个Bash脚本 (wind_connectmyplace.sh)利用curl命令调用OpenWeatherMap的公开API获取指定地理位置的实时天气数据。然后使用jq这个强大的命令行JSON处理器从返回的复杂JSON数据中精准地提取出我们关心的wind.speed风速字段。这个脚本被设置为定时任务例如每30分钟执行一次实现数据的持续采集。数据持久层日志文件这是系统的“记忆”。采集脚本在获取到数据后并不会直接去修改网页而是以一种追加Append的方式将时间戳和对应的风速值写入一个纯文本日志文件 (wind.log)。这样做的好处非常多解耦数据采集和页面生成是两个独立的过程。即使生成图表的HTML出错了也不会影响数据的持续记录保证了数据的完整性。容错与回溯日志文件保留了历史原始数据。如果某天发现图表有异常我们可以直接检查日志文件进行数据回溯分析甚至修复后重新生成图表。简单可靠在Linux系统下文件操作非常高效且稳定避免了引入数据库所带来的复杂度。可视化展示层HTML Google Charts这是系统的“面孔”。我们准备三个HTML片段文件windheader.html网页头部包含Google Charts库的加载代码和图表基础配置、windfooter.html网页尾部结束标签、以及一个“数据模板”文件。核心脚本的另一部分或另一个脚本会读取最新的日志文件将其中的数据格式化为Google Charts能够识别的JavaScript数组格式然后拼接上头部和尾部最终生成一个完整的、独立的windchartline.html文件并将其放置在Web服务器根目录下。用户通过浏览器访问这个页面就能看到自动更新的风速趋势图。2.2 技术选型背后的考量为什么用Bash脚本而不用Python/Node.js对于这种简单的、周期性的HTTP GET请求和数据提取任务Bash脚本配合curl和jq的组合堪称“瑞士军刀”。它轻量无需额外环境、高效直接利用系统工具并且非常适合通过Cron来调度。当然如果数据处理逻辑变得非常复杂比如需要数据清洗、复杂计算那么Python会是更好的选择。但在这个项目中Bash的简洁性是其最大优势。为什么用文件存储而不用数据库这是一个重要的权衡。数据库如SQLite、MySQL适合数据关系复杂、需要频繁查询更新的场景。而我们当前的需求是每分钟或每半小时追加一条数据然后一次性读取所有数据来画图。这是一个典型的“追加写顺序读”场景纯文本日志文件的性能开销远低于数据库且管理起来无比简单——用cat、tail、grep就能完成大部分操作。当数据量变得非常大例如数年数据时我们可以考虑按日期分割日志文件或者再迁移到时序数据库如InfluxDB但在项目初期和中等数据量下文件存储是最佳选择。为什么选择OpenWeatherMap API作为数据源因为它免费、稳定、数据全面。对于物联网可视化教学或原型验证来说我们不需要自己去部署物理风速传感器就能获得真实、连续的时序数据这大大降低了入门门槛。当然这个架构完全通用你可以将API请求替换为从本地传感器通过GPIO读取、其他物联网平台如ThingsBoard、Home Assistant的API或者从MQTT主题中订阅消息逻辑是相通的。3. 环境准备与依赖安装“工欲善其事必先利其器”。在开始编写代码之前我们需要确保树莓派或你的Linux服务器环境就绪。以下步骤我假设你使用的是Raspberry Pi OS或类似的Debian/Ubuntu系统并且已经具备基本的命令行操作能力。3.1 硬件与基础软件准备首先你需要一个运行Linux的设备。树莓派是最佳选择因为它功耗低、适合长期运行但任何有SSH访问权限的云服务器或旧电脑改造的Linux主机都可以。系统更新首先打开终端更新软件包列表并升级现有软件这是一个好习惯。sudo apt update sudo apt upgrade -y安装Web服务器我们需要一个Web服务器来托管最终生成的HTML图表文件。Nginx轻量高效是我推荐的选择。sudo apt install nginx -y安装完成后启动Nginx并设置开机自启sudo systemctl start nginx sudo systemctl enable nginx此时在同一个局域网内的浏览器中访问你树莓派的IP地址例如http://192.168.1.100你应该能看到Nginx的默认欢迎页面。这说明Web服务器已经正常工作。默认的网站根目录是/var/www/html我们后续生成的图表文件就会放在这里。3.2 关键工具安装jq与bc我们的数据采集脚本依赖两个重要的命令行工具jq和bc。jq这是一个处理JSON数据的利器。OpenWeatherMap API返回的数据是JSON格式我们需要从中精准地提取出风速值。jq可以像使用查询语言一样过滤、转换JSON。bc一个高精度计算器语言。虽然在本项目初始示例中可能未直接使用但在数据处理中非常常用。例如API返回的风速单位可能是米/秒而你可能想转换为公里/小时这时就需要用到bc进行浮点数计算。先安装上以备不时之需。安装命令非常简单sudo apt install jq bc -y安装完成后可以通过jq --version和bc --version来验证是否安装成功。3.3 获取OpenWeatherMap API密钥数据源是开放的但需要注册一个免费账户来获取API密钥APPID。访问 OpenWeatherMap官网 并注册账号。登录后在用户面板中找到 “API Keys” 选项卡。系统会默认提供一个密钥你也可以创建一个新的。这个密钥一串由字母数字组成的字符串就是我们脚本中需要的YOUR_API_ID。请妥善保管此密钥不要泄露。注意免费套餐通常有调用频率限制如每分钟60次每天100万次。对于每半小时调用一次的脚本来说这完全绰绰有余。但务必遵守其使用条款不要滥用。4. 核心脚本解析与实操部署这是整个项目的“发动机”我们将一步步拆解脚本内容并完成部署。我建议在树莓派的用户主目录如/home/pi下创建一个专门的项目目录例如iot_chart将所有文件放在里面便于管理。4.1 数据采集脚本详解首先创建并编辑我们的核心数据采集脚本wind_connectmyplace.sh。#!/bin/bash # 定义变量你的API密钥和地理位置 LAT54.38 LON-5.54 API_KEYYOUR_ACTUAL_API_KEY_HERE # 务必替换成你自己的密钥 LOG_FILE/home/pi/iot_chart/wind.log TIMESTAMP$(date %Y-%m-%d %H:%M:%S) # 调用OpenWeatherMap API并使用jq提取风速 # 注意API返回的风速单位默认是米/秒(m/s) wind_speed$(curl -s https://api.openweathermap.org/data/2.5/weather?lat${LAT}lon${LON}appid${API_KEY} | jq .wind.speed) # 检查是否成功获取到数据 if [ -z $wind_speed ] || [ $wind_speed null ]; then echo [$TIMESTAMP] ERROR: Failed to fetch wind data or data is null. /home/pi/iot_chart/error.log exit 1 fi # 将数据和时间戳写入日志文件 echo $TIMESTAMP, $wind_speed $LOG_FILE # 可选在控制台输出一条成功信息用于调试 echo [$TIMESTAMP] Wind speed recorded: $wind_speed m/s脚本关键点解析变量定义将API密钥、经纬度、日志文件路径定义为变量方便后续修改和维护。重中之重务必将YOUR_ACTUAL_API_KEY_HERE替换为你自己申请的真正API密钥API调用与数据提取curl -s中的-s参数表示静默模式不显示进度条或错误信息让输出更干净。管道符|将curl获取的JSON数据传递给jq .wind.speed这个jq过滤器会直接提取出风速数值。错误处理这是一个非常重要的实践。我们检查wind_speed变量是否为空或为null。如果API调用失败如网络问题、密钥无效jq可能会输出null脚本会将错误信息记录到单独的error.log然后以非零状态码退出避免将无效数据写入主日志。在物联网项目中健全的错误处理是保证系统长期稳定运行的基础。数据格式化日志行的格式是时间戳, 风速值。这个逗号分隔的格式CSV非常通用既便于人阅读也便于后续脚本用awk或cut等工具处理。保存文件后别忘了给它添加执行权限chmod x /home/pi/iot_chart/wind_connectmyplace.sh你可以手动运行一次脚本进行测试./wind_connectmyplace.sh。然后查看wind.log文件应该能看到一行新增的数据例如2023-10-27 14:30:00, 4.62。4.2 构建可视化HTML组件Google Charts需要一个包含特定数据格式的HTML页面。我们将页面拆分为头、尾和数据体三部分这样数据更新时只需要替换数据体部分更灵活。1. 头部文件 (windheader.html):这个文件定义了网页的基本结构、加载Google Charts库、并设置了图表的基础选项。!DOCTYPE html html head script typetext/javascript srchttps://www.gstatic.com/charts/loader.js/script script typetext/javascript google.charts.load(current, {packages:[corechart]}); google.charts.setOnLoadCallback(drawChart); function drawChart() { // 数据表格将在 windchartline.html 的主体部分被填充 var data google.visualization.arrayToDataTable([ [Time, Wind Speed (m/s)], // 列标题 // 数据行会在这里动态插入 ]); var options { title: Wind Speed Trend (OpenWeatherMap), titleTextStyle: { fontSize: 18, bold: true }, curveType: function, // 将折线平滑处理看起来更美观 legend: { position: bottom }, hAxis: { title: Date/Time, titleTextStyle: { italic: false }, slantedText: true, // 时间标签倾斜防止重叠 slantedTextAngle: 45 }, vAxis: { title: Wind Speed (m/s), minValue: 0 // 风速通常从0开始 }, width: 1200, height: 600, chartArea: { width: 85%, height: 70% } // 控制图表绘制区域大小 }; var chart new google.visualization.LineChart(document.getElementById(chart_div)); chart.draw(data, options); } // 添加窗口大小改变时的重绘功能提升响应性 window.addEventListener(resize, drawChart); /script /head body div idchart_div/div2. 数据生成与页面合成脚本这是项目的另一个关键脚本我将其命名为generate_chart.sh。它的作用是读取日志文件生成包含实际数据点的JavaScript代码片段然后将其与头部、尾部拼接成完整的HTML。#!/bin/bash # 定义路径 HEADER_FILE/home/pi/iot_chart/windheader.html FOOTER_FILE/home/pi/iot_chart/windfooter.html LOG_FILE/home/pi/iot_chart/wind.log OUTPUT_HTML/var/www/html/windchartline.html # 输出到Web服务器目录 # 临时数据文件 DATA_TEMP_FILE/tmp/chart_data.js # 1. 从日志文件生成Google Charts数据数组 echo // Data rows $DATA_TEMP_FILE # 使用awk处理日志格式化为JS数组格式 [new Date(YYYY-MM-DD HH:MM:SS), value] awk -F, { printf [new Date(\%s\), %s],\n, $1, $2 } $LOG_FILE $DATA_TEMP_FILE # 2. 拼接完整的HTML文件 cat $HEADER_FILE $DATA_TEMP_FILE $FOOTER_FILE $OUTPUT_HTML # 3. 清理临时文件可选 rm $DATA_TEMP_FILE echo Chart updated at $(date)脚本关键点解析awk命令的妙用awk -F‘, ’指定了字段分隔符为“逗号空格”将日志的每一行拆分成时间戳$1和风速值$2。然后使用printf格式化成[new Date(...), ...],的JavaScript数组格式。new Date()是Google Charts识别时间戳所必需的。输出到Web根目录最终生成的windchartline.html被直接放到了/var/www/html/下这样Nginx就能直接提供访问。权限问题确保运行脚本的用户如pi有权限写入/var/www/html/目录。通常需要将用户加入www-data组并修改目录权限。一个更简单直接的方法是在生产环境中请谨慎评估sudo chown pi:www-data /var/www/html/ sudo chmod 775 /var/www/html/然后确保generate_chart.sh也有执行权限chmod x generate_chart.sh。3. 尾部文件 (windfooter.html):这个文件非常简单就是关闭HTML标签。/body /html4.3 自动化调度使用Cron定时任务我们不可能手动去执行这两个脚本。Linux的Cron定时任务工具正是为此而生。编辑当前用户的Cron表crontab -e如果是第一次使用可能会让你选择编辑器选择熟悉的nano即可。添加定时任务规则 在文件末尾添加以下两行# 每30分钟采集一次风速数据 */30 * * * * /home/pi/iot_chart/wind_connectmyplace.sh /home/pi/iot_chart/cron.log 21 # 每天凌晨2点重新生成一次图表假设数据量不大全天数据一起渲染 0 2 * * * /home/pi/iot_chart/generate_chart.sh /home/pi/iot_chart/cron.log 21第一行*/30 * * * *表示每30分钟执行一次数据采集脚本。 /home/pi/iot_chart/cron.log 21将脚本的标准输出和错误输出都重定向追加到cron.log文件便于日后排查问题。第二行0 2 * * *表示每天凌晨2点执行一次图表生成脚本。对于实时性要求不高的趋势观察每天更新一次图表是合理的。如果你希望图表更实时可以将频率提高例如每小时一次0 * * * *。保存并退出在nano编辑器中是按CtrlX然后按Y确认再按回车。现在整个系统就开始自动运行了。等待一段时间比如一个小时后你就可以在浏览器中访问http://你的树莓派IP/windchartline.html看到自动生成的风速趋势图了。5. 方案优化与扩展实践基础版本跑通后我们可以从稳定性、功能和美观度上进行一系列优化让它从一个Demo变成一个更健壮、实用的工具。5.1 增强数据采集脚本的健壮性最初的脚本缺乏足够的错误处理和日志记录。以下是一个增强版的采集脚本片段#!/bin/bash CONFIG_FILE/home/pi/iot_chart/config.cfg LOG_DIR/home/pi/iot_chart/logs DATA_LOG$LOG_DIR/wind.log ERROR_LOG$LOG_DIR/error.log CRON_LOG$LOG_DIR/cron.log # 加载配置文件 source $CONFIG_FILE 2/dev/null || { echo “[$(date)] ERROR: Config file missing.” $ERROR_LOG; exit 1; } # 检查必要的配置变量 if [ -z “$API_KEY” ] || [ -z “$LAT” ] || [ -z “$LON” ]; then echo “[$(date)] ERROR: API_KEY, LAT, or LON not set in config.” $ERROR_LOG exit 1 fi # 创建日志目录如果不存在 mkdir -p $LOG_DIR # 执行数据获取增加超时设置 response$(curl -s -m 30 “https://api.openweathermap.org/data/2.5/weather?lat${LAT}lon${LON}appid${API_KEY}unitsmetric”) curl_exit_code$? if [ $curl_exit_code -ne 0 ]; then echo “[$(date)] ERROR: Curl failed with code $curl_exit_code. Possible network issue.” $ERROR_LOG exit 1 fi wind_speed$(echo $response | jq -r ‘.wind.speed’ 2/dev/null) # 更全面的数据验证 if [[ ! $wind_speed ~ ^[0-9](\.[0-9])?$ ]]; then echo “[$(date)] ERROR: Invalid wind speed value fetched: ‘$wind_speed’. Full response: $response” $ERROR_LOG exit 1 fi # 成功记录数据 timestamp$(date ‘%Y-%m-%d %H:%M:%S’) echo “$timestamp, $wind_speed” $DATA_LOG # 可选控制台输出并记录到Cron日志 echo “[$timestamp] Success: Wind speed $wind_speed m/s” | tee -a $CRON_LOG优化点说明配置文件分离将API密钥、经纬度等敏感和易变信息放入单独的config.cfg文件记得设置该文件权限为仅所有者可读chmod 600 config.cfg避免将密钥硬编码在脚本中也便于管理。集中化日志管理创建专门的logs目录区分数据日志、错误日志和Cron执行日志。完善的错误处理检查curl退出码、网络超时-m 30设置30秒超时、使用jq -r输出原始字符串并用正则表达式验证获取的数据是否为有效数字。使用unitsmetric参数在API请求中指定单位制确保返回的数据是公制单位如温度摄氏、风速米/秒避免单位混淆。5.2 图表功能与样式优化Google Charts的options对象非常强大我们可以让图表更专业、更易读。双Y轴图表如果你想同时展示风速和温度。function drawChart() { var data google.visualization.arrayToDataTable([ [Time, Wind Speed (m/s), Temperature (°C)], // ... 数据行每行三个值 [时间, 风速, 温度] ]); var options { title: Weather Data Trend, series: { 0: { targetAxisIndex: 0 }, // 风速系列关联第一个Y轴左侧 1: { targetAxisIndex: 1 } // 温度系列关联第二个Y轴右侧 }, vAxes: { 0: {title: Wind Speed (m/s)}, 1: {title: Temperature (°C)} }, // ... 其他样式选项 }; var chart new google.visualization.LineChart(...); }动态时间范围选择器添加一个控制面板让用户可以查看最近1小时、24小时或自定义时间段的数据。这需要在前端HTML中添加一些表单控件并编写相应的JavaScript函数来过滤data对象然后重绘图表。虽然稍复杂但能极大提升用户体验。样式微调colors: [#4CAF50, #FF9800]可以自定义折线颜色。lineWidth: 2设置线宽。pointSize: 5设置数据点大小。在options中添加backgroundColor: ‘#f9f9f9’可以设置图表背景色。5.3 从文件到数据库应对海量数据当日志文件变得非常大比如积累了数年的每分钟数据时每次生成图表都读取整个文件会非常慢。这时引入一个轻量级数据库是明智的选择。SQLite是一个完美的过渡方案它是一个单文件数据库无需运行独立的数据库服务管理起来像文件一样简单但支持SQL查询性能远超直接解析大文本文件。安装SQLitesudo apt install sqlite3创建数据库和表sqlite3 /home/pi/iot_chart/weather_data.db在SQLite提示符下CREATE TABLE sensor_data ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp DATETIME NOT NULL, wind_speed REAL, temperature REAL, humidity REAL ); CREATE INDEX idx_timestamp ON sensor_data(timestamp); -- 为时间戳创建索引加速查询 .exit修改数据采集脚本将echo “$timestamp, $wind_speed” $LOG_FILE替换为向数据库插入记录sqlite3 /home/pi/iot_chart/weather_data.db “INSERT INTO sensor_data (timestamp, wind_speed) VALUES (‘$timestamp’, $wind_speed);”修改图表生成脚本不再读取日志文件而是查询数据库。例如获取最近7天的数据# 在generate_chart.sh中替换awk部分 sqlite3 -csv /home/pi/iot_chart/weather_data.db “SELECT timestamp, wind_speed FROM sensor_data WHERE timestamp datetime(‘now’, ‘-7 days’);” | awk -F‘,’ ‘{ printf “\t[new Date(‘\’‘%s’\’‘), %s],\n”, $1, $2 }’ $DATA_TEMP_FILE这样无论数据量多大图表生成的速度都只取决于查询时间范围内的数据量效率得到质的提升。6. 常见问题与故障排查实录在实际部署和运行中你几乎一定会遇到下面这些问题。这里记录了我踩过的坑和解决方法。6.1 数据采集失败问题现象wind.log文件没有新增记录或者error.log中出现错误。排查步骤手动测试脚本在终端运行./wind_connectmyplace.sh观察输出。这是最直接的调试方式。检查API密钥和网络最常见的错误是API密钥无效或过期。手动在浏览器中访问一下API链接将密钥替换进去看是否能返回正确的JSON数据。同时检查树莓派的网络连接是否正常ping 8.8.8.8。检查工具安装确认jq和curl已正确安装 (which jq curl)。检查文件权限确保脚本有执行权限 (ls -l wind_connectmyplace.sh)并且运行脚本的用户对日志文件所在目录有写权限。查看Cron日志系统级的Cron日志通常在/var/log/syslog或/var/log/cron可以用grep CRON /var/log/syslog查看Cron任务执行情况看是否有错误信息。6.2 图表页面空白或显示错误问题现象浏览器打开页面只显示空白或控制台F12打开开发者工具报JavaScript错误。排查步骤检查HTML文件是否生成到/var/www/html/目录下查看windchartline.html是否存在文件大小是否正常。检查HTML文件内容用cat或head -n 50查看生成的文件。重点检查中间的数据部分格式是否正确。常见的错误是数据行末尾有多余的逗号Google Charts数据数组的最后一行不能有逗号。我们的awk命令生成的每一行都带逗号如果日志文件只有一行数据那么数组就成了[[...], ]这是错误的。需要在生成脚本中做处理例如用sed ‘$ s/,$//’命令删除最后一行末尾的逗号。时间格式不正确确保new Date(‘...’)中的字符串是YYYY-MM-DD HH:MM:SS格式且被单引号包裹。检查浏览器控制台按F12打开开发者工具切换到 “Console” 标签页。任何红色的错误信息都会在这里显示比如 “Invalid date” 或 “DataTable parsing error”根据错误信息定位问题。检查Nginx服务与权限确保Nginx正在运行 (sudo systemctl status nginx)并且对/var/www/html/windchartline.html有读取权限通常权限是644。6.3 图表加载缓慢或数据点太多问题现象页面打开很慢或者图表上数据点过于密集无法看清。解决方案限制数据量在generate_chart.sh的数据库查询或文件读取步骤中不要取出所有历史数据。例如使用tail -n 500 wind.log只取最近500个数据点或者在SQL查询中加上LIMIT 1000或WHERE timestamp datetime(‘now’, ‘-30 days’)。数据聚合对于非常高频如每秒的数据直接绘制会导致图表卡顿且意义不大。可以在查询时进行聚合例如查询每小时的平均风速SELECT strftime(‘%Y-%m-%d %H:00:00’, timestamp) as hour, AVG(wind_speed) FROM sensor_data GROUP BY hour ORDER BY hour DESC LIMIT 100;使用explorer选项Google Charts提供了一个交互式的探索模式允许用户缩放和拖动图表非常适合展示大量数据。在options中添加explorer: {}即可启用。6.4 Cron定时任务不执行问题现象脚本手动执行正常但到了设定时间Cron没有触发。排查步骤检查Cron服务状态sudo systemctl status cron(在某些系统上是crond)。检查Cron日志如前所述查看/var/log/syslog。检查环境变量Cron执行的环境与用户登录Shell环境不同可能缺少PATH等变量。一个可靠的解决方法是在脚本的开头显式设置环境变量或者在使用命令时使用绝对路径如/usr/bin/curl,/usr/bin/jq。检查文件路径Cron任务中的文件路径最好使用绝对路径。在脚本内部使用的文件路径也应是绝对路径。调试技巧在Cron任务中将输出重定向到一个文件是查看运行时错误的最佳方式正如我们在任务定义中使用的 /home/pi/iot_chart/cron.log 21。这个从数据采集到Web可视化的完整链路虽然以风速数据为例但其架构和方法是通用的。你可以轻松地替换数据源比如换成温湿度传感器DHT11的数据、电网功耗数据、甚至是股票价格调整图表类型比如用仪表盘显示实时速度用柱状图显示每日最大值来满足你自己物联网项目的可视化需求。核心思想就是轻量、解耦、自动化。希望这个详细的实践记录能帮你少走弯路。
基于Google Charts与树莓派的物联网数据可视化实战
发布时间：2026/6/1 19:10:41
1. 项目概述为什么选择Google Charts做物联网数据可视化做物联网项目数据采集只是第一步如何让这些数据“说话”让非技术背景的同事或客户一眼看懂趋势才是体现项目价值的关键。我手头有不少树莓派和传感器常年采集温度、湿度、设备状态等数据早期都是直接写日志文件或者用命令行工具画个简单的折线图自己看还行但要分享出去或者做个简单的监控面板就显得非常吃力。后来我尝试过不少可视化方案比如自己用Python的Matplotlib画图然后生成静态图片或者用Grafana这类专业的监控工具。它们各有优劣Matplotlib灵活但需要一定的编程基础且实时更新和Web集成稍显繁琐Grafana功能强大但对于一些轻量级、定制化要求高的快速演示项目来说部署和配置又显得有些“重”了。直到我重新审视了Google Charts这个工具。它是一套完全免费、由Google提供的JavaScript图表库。对于物联网数据可视化来说它有几点特别吸引人零服务器依赖图表渲染完全在用户的浏览器端完成。这意味着你只需要一个能托管静态HTML文件的Web服务器甚至可以是树莓派自带的Nginx或Apache不需要在服务器端安装任何额外的图表渲染服务或处理大量并发请求极大地减轻了边缘设备的负担。丰富的图表类型从基础的折线图、柱状图到更高级的仪表盘、地理图表几乎涵盖了数据展示的常见需求。对于物联网场景时序折线图看趋势、仪表盘看实时状态尤其好用。交互性用户可以通过鼠标悬停查看精确数据点缩放时间范围这对于分析特定时间段的数据异常非常友好。易于集成通过简单的JavaScript API调用配合JSON或数组格式的数据就能快速生成图表。与我们常用的数据采集脚本如Bash、Python可以轻松对接。本项目就是一个典型的轻量级实践我们利用树莓派或任何Linux服务器通过Bash脚本定时从OpenWeatherMap API抓取风速数据存储到本地日志文件然后动态生成一个包含Google Charts的HTML页面实现数据的自动采集与可视化展示。整个方案清晰、高效特别适合作为物联网可视化入门或者快速搭建一个原型监控系统。2. 核心思路与架构设计整个项目的目标很明确定时获取数据 - 格式化存储 - 动态生成可视化页面。为了实现这个目标我设计了一个简单但稳固的三层架构这个架构在不少我的小型物联网项目中都得到了验证。2.1 系统架构拆解整个流程可以清晰地分为三个环节像一个数据流水线数据采集层Bash脚本这是系统的“感官”。我们编写一个Bash脚本 (wind_connectmyplace.sh)利用curl命令调用OpenWeatherMap的公开API获取指定地理位置的实时天气数据。然后使用jq这个强大的命令行JSON处理器从返回的复杂JSON数据中精准地提取出我们关心的wind.speed风速字段。这个脚本被设置为定时任务例如每30分钟执行一次实现数据的持续采集。数据持久层日志文件这是系统的“记忆”。采集脚本在获取到数据后并不会直接去修改网页而是以一种追加Append的方式将时间戳和对应的风速值写入一个纯文本日志文件 (wind.log)。这样做的好处非常多解耦数据采集和页面生成是两个独立的过程。即使生成图表的HTML出错了也不会影响数据的持续记录保证了数据的完整性。容错与回溯日志文件保留了历史原始数据。如果某天发现图表有异常我们可以直接检查日志文件进行数据回溯分析甚至修复后重新生成图表。简单可靠在Linux系统下文件操作非常高效且稳定避免了引入数据库所带来的复杂度。可视化展示层HTML Google Charts这是系统的“面孔”。我们准备三个HTML片段文件windheader.html网页头部包含Google Charts库的加载代码和图表基础配置、windfooter.html网页尾部结束标签、以及一个“数据模板”文件。核心脚本的另一部分或另一个脚本会读取最新的日志文件将其中的数据格式化为Google Charts能够识别的JavaScript数组格式然后拼接上头部和尾部最终生成一个完整的、独立的windchartline.html文件并将其放置在Web服务器根目录下。用户通过浏览器访问这个页面就能看到自动更新的风速趋势图。2.2 技术选型背后的考量为什么用Bash脚本而不用Python/Node.js对于这种简单的、周期性的HTTP GET请求和数据提取任务Bash脚本配合curl和jq的组合堪称“瑞士军刀”。它轻量无需额外环境、高效直接利用系统工具并且非常适合通过Cron来调度。当然如果数据处理逻辑变得非常复杂比如需要数据清洗、复杂计算那么Python会是更好的选择。但在这个项目中Bash的简洁性是其最大优势。为什么用文件存储而不用数据库这是一个重要的权衡。数据库如SQLite、MySQL适合数据关系复杂、需要频繁查询更新的场景。而我们当前的需求是每分钟或每半小时追加一条数据然后一次性读取所有数据来画图。这是一个典型的“追加写顺序读”场景纯文本日志文件的性能开销远低于数据库且管理起来无比简单——用cat、tail、grep就能完成大部分操作。当数据量变得非常大例如数年数据时我们可以考虑按日期分割日志文件或者再迁移到时序数据库如InfluxDB但在项目初期和中等数据量下文件存储是最佳选择。为什么选择OpenWeatherMap API作为数据源因为它免费、稳定、数据全面。对于物联网可视化教学或原型验证来说我们不需要自己去部署物理风速传感器就能获得真实、连续的时序数据这大大降低了入门门槛。当然这个架构完全通用你可以将API请求替换为从本地传感器通过GPIO读取、其他物联网平台如ThingsBoard、Home Assistant的API或者从MQTT主题中订阅消息逻辑是相通的。3. 环境准备与依赖安装“工欲善其事必先利其器”。在开始编写代码之前我们需要确保树莓派或你的Linux服务器环境就绪。以下步骤我假设你使用的是Raspberry Pi OS或类似的Debian/Ubuntu系统并且已经具备基本的命令行操作能力。3.1 硬件与基础软件准备首先你需要一个运行Linux的设备。树莓派是最佳选择因为它功耗低、适合长期运行但任何有SSH访问权限的云服务器或旧电脑改造的Linux主机都可以。系统更新首先打开终端更新软件包列表并升级现有软件这是一个好习惯。sudo apt update sudo apt upgrade -y安装Web服务器我们需要一个Web服务器来托管最终生成的HTML图表文件。Nginx轻量高效是我推荐的选择。sudo apt install nginx -y安装完成后启动Nginx并设置开机自启sudo systemctl start nginx sudo systemctl enable nginx此时在同一个局域网内的浏览器中访问你树莓派的IP地址例如http://192.168.1.100你应该能看到Nginx的默认欢迎页面。这说明Web服务器已经正常工作。默认的网站根目录是/var/www/html我们后续生成的图表文件就会放在这里。3.2 关键工具安装jq与bc我们的数据采集脚本依赖两个重要的命令行工具jq和bc。jq这是一个处理JSON数据的利器。OpenWeatherMap API返回的数据是JSON格式我们需要从中精准地提取出风速值。jq可以像使用查询语言一样过滤、转换JSON。bc一个高精度计算器语言。虽然在本项目初始示例中可能未直接使用但在数据处理中非常常用。例如API返回的风速单位可能是米/秒而你可能想转换为公里/小时这时就需要用到bc进行浮点数计算。先安装上以备不时之需。安装命令非常简单sudo apt install jq bc -y安装完成后可以通过jq --version和bc --version来验证是否安装成功。3.3 获取OpenWeatherMap API密钥数据源是开放的但需要注册一个免费账户来获取API密钥APPID。访问 OpenWeatherMap官网 并注册账号。登录后在用户面板中找到 “API Keys” 选项卡。系统会默认提供一个密钥你也可以创建一个新的。这个密钥一串由字母数字组成的字符串就是我们脚本中需要的YOUR_API_ID。请妥善保管此密钥不要泄露。注意免费套餐通常有调用频率限制如每分钟60次每天100万次。对于每半小时调用一次的脚本来说这完全绰绰有余。但务必遵守其使用条款不要滥用。4. 核心脚本解析与实操部署这是整个项目的“发动机”我们将一步步拆解脚本内容并完成部署。我建议在树莓派的用户主目录如/home/pi下创建一个专门的项目目录例如iot_chart将所有文件放在里面便于管理。4.1 数据采集脚本详解首先创建并编辑我们的核心数据采集脚本wind_connectmyplace.sh。#!/bin/bash # 定义变量你的API密钥和地理位置 LAT54.38 LON-5.54 API_KEYYOUR_ACTUAL_API_KEY_HERE # 务必替换成你自己的密钥 LOG_FILE/home/pi/iot_chart/wind.log TIMESTAMP$(date %Y-%m-%d %H:%M:%S) # 调用OpenWeatherMap API并使用jq提取风速 # 注意API返回的风速单位默认是米/秒(m/s) wind_speed$(curl -s https://api.openweathermap.org/data/2.5/weather?lat${LAT}lon${LON}appid${API_KEY} | jq .wind.speed) # 检查是否成功获取到数据 if [ -z $wind_speed ] || [ $wind_speed null ]; then echo [$TIMESTAMP] ERROR: Failed to fetch wind data or data is null. /home/pi/iot_chart/error.log exit 1 fi # 将数据和时间戳写入日志文件 echo $TIMESTAMP, $wind_speed $LOG_FILE # 可选在控制台输出一条成功信息用于调试 echo [$TIMESTAMP] Wind speed recorded: $wind_speed m/s脚本关键点解析变量定义将API密钥、经纬度、日志文件路径定义为变量方便后续修改和维护。重中之重务必将YOUR_ACTUAL_API_KEY_HERE替换为你自己申请的真正API密钥API调用与数据提取curl -s中的-s参数表示静默模式不显示进度条或错误信息让输出更干净。管道符|将curl获取的JSON数据传递给jq .wind.speed这个jq过滤器会直接提取出风速数值。错误处理这是一个非常重要的实践。我们检查wind_speed变量是否为空或为null。如果API调用失败如网络问题、密钥无效jq可能会输出null脚本会将错误信息记录到单独的error.log然后以非零状态码退出避免将无效数据写入主日志。在物联网项目中健全的错误处理是保证系统长期稳定运行的基础。数据格式化日志行的格式是时间戳, 风速值。这个逗号分隔的格式CSV非常通用既便于人阅读也便于后续脚本用awk或cut等工具处理。保存文件后别忘了给它添加执行权限chmod x /home/pi/iot_chart/wind_connectmyplace.sh你可以手动运行一次脚本进行测试./wind_connectmyplace.sh。然后查看wind.log文件应该能看到一行新增的数据例如2023-10-27 14:30:00, 4.62。4.2 构建可视化HTML组件Google Charts需要一个包含特定数据格式的HTML页面。我们将页面拆分为头、尾和数据体三部分这样数据更新时只需要替换数据体部分更灵活。1. 头部文件 (windheader.html):这个文件定义了网页的基本结构、加载Google Charts库、并设置了图表的基础选项。!DOCTYPE html html head script typetext/javascript srchttps://www.gstatic.com/charts/loader.js/script script typetext/javascript google.charts.load(current, {packages:[corechart]}); google.charts.setOnLoadCallback(drawChart); function drawChart() { // 数据表格将在 windchartline.html 的主体部分被填充 var data google.visualization.arrayToDataTable([ [Time, Wind Speed (m/s)], // 列标题 // 数据行会在这里动态插入 ]); var options { title: Wind Speed Trend (OpenWeatherMap), titleTextStyle: { fontSize: 18, bold: true }, curveType: function, // 将折线平滑处理看起来更美观 legend: { position: bottom }, hAxis: { title: Date/Time, titleTextStyle: { italic: false }, slantedText: true, // 时间标签倾斜防止重叠 slantedTextAngle: 45 }, vAxis: { title: Wind Speed (m/s), minValue: 0 // 风速通常从0开始 }, width: 1200, height: 600, chartArea: { width: 85%, height: 70% } // 控制图表绘制区域大小 }; var chart new google.visualization.LineChart(document.getElementById(chart_div)); chart.draw(data, options); } // 添加窗口大小改变时的重绘功能提升响应性 window.addEventListener(resize, drawChart); /script /head body div idchart_div/div2. 数据生成与页面合成脚本这是项目的另一个关键脚本我将其命名为generate_chart.sh。它的作用是读取日志文件生成包含实际数据点的JavaScript代码片段然后将其与头部、尾部拼接成完整的HTML。#!/bin/bash # 定义路径 HEADER_FILE/home/pi/iot_chart/windheader.html FOOTER_FILE/home/pi/iot_chart/windfooter.html LOG_FILE/home/pi/iot_chart/wind.log OUTPUT_HTML/var/www/html/windchartline.html # 输出到Web服务器目录 # 临时数据文件 DATA_TEMP_FILE/tmp/chart_data.js # 1. 从日志文件生成Google Charts数据数组 echo // Data rows $DATA_TEMP_FILE # 使用awk处理日志格式化为JS数组格式 [new Date(YYYY-MM-DD HH:MM:SS), value] awk -F, { printf [new Date(\%s\), %s],\n, $1, $2 } $LOG_FILE $DATA_TEMP_FILE # 2. 拼接完整的HTML文件 cat $HEADER_FILE $DATA_TEMP_FILE $FOOTER_FILE $OUTPUT_HTML # 3. 清理临时文件可选 rm $DATA_TEMP_FILE echo Chart updated at $(date)脚本关键点解析awk命令的妙用awk -F‘, ’指定了字段分隔符为“逗号空格”将日志的每一行拆分成时间戳$1和风速值$2。然后使用printf格式化成[new Date(...), ...],的JavaScript数组格式。new Date()是Google Charts识别时间戳所必需的。输出到Web根目录最终生成的windchartline.html被直接放到了/var/www/html/下这样Nginx就能直接提供访问。权限问题确保运行脚本的用户如pi有权限写入/var/www/html/目录。通常需要将用户加入www-data组并修改目录权限。一个更简单直接的方法是在生产环境中请谨慎评估sudo chown pi:www-data /var/www/html/ sudo chmod 775 /var/www/html/然后确保generate_chart.sh也有执行权限chmod x generate_chart.sh。3. 尾部文件 (windfooter.html):这个文件非常简单就是关闭HTML标签。/body /html4.3 自动化调度使用Cron定时任务我们不可能手动去执行这两个脚本。Linux的Cron定时任务工具正是为此而生。编辑当前用户的Cron表crontab -e如果是第一次使用可能会让你选择编辑器选择熟悉的nano即可。添加定时任务规则 在文件末尾添加以下两行# 每30分钟采集一次风速数据 */30 * * * * /home/pi/iot_chart/wind_connectmyplace.sh /home/pi/iot_chart/cron.log 21 # 每天凌晨2点重新生成一次图表假设数据量不大全天数据一起渲染 0 2 * * * /home/pi/iot_chart/generate_chart.sh /home/pi/iot_chart/cron.log 21第一行*/30 * * * *表示每30分钟执行一次数据采集脚本。 /home/pi/iot_chart/cron.log 21将脚本的标准输出和错误输出都重定向追加到cron.log文件便于日后排查问题。第二行0 2 * * *表示每天凌晨2点执行一次图表生成脚本。对于实时性要求不高的趋势观察每天更新一次图表是合理的。如果你希望图表更实时可以将频率提高例如每小时一次0 * * * *。保存并退出在nano编辑器中是按CtrlX然后按Y确认再按回车。现在整个系统就开始自动运行了。等待一段时间比如一个小时后你就可以在浏览器中访问http://你的树莓派IP/windchartline.html看到自动生成的风速趋势图了。5. 方案优化与扩展实践基础版本跑通后我们可以从稳定性、功能和美观度上进行一系列优化让它从一个Demo变成一个更健壮、实用的工具。5.1 增强数据采集脚本的健壮性最初的脚本缺乏足够的错误处理和日志记录。以下是一个增强版的采集脚本片段#!/bin/bash CONFIG_FILE/home/pi/iot_chart/config.cfg LOG_DIR/home/pi/iot_chart/logs DATA_LOG$LOG_DIR/wind.log ERROR_LOG$LOG_DIR/error.log CRON_LOG$LOG_DIR/cron.log # 加载配置文件 source $CONFIG_FILE 2/dev/null || { echo “[$(date)] ERROR: Config file missing.” $ERROR_LOG; exit 1; } # 检查必要的配置变量 if [ -z “$API_KEY” ] || [ -z “$LAT” ] || [ -z “$LON” ]; then echo “[$(date)] ERROR: API_KEY, LAT, or LON not set in config.” $ERROR_LOG exit 1 fi # 创建日志目录如果不存在 mkdir -p $LOG_DIR # 执行数据获取增加超时设置 response$(curl -s -m 30 “https://api.openweathermap.org/data/2.5/weather?lat${LAT}lon${LON}appid${API_KEY}unitsmetric”) curl_exit_code$? if [ $curl_exit_code -ne 0 ]; then echo “[$(date)] ERROR: Curl failed with code $curl_exit_code. Possible network issue.” $ERROR_LOG exit 1 fi wind_speed$(echo $response | jq -r ‘.wind.speed’ 2/dev/null) # 更全面的数据验证 if [[ ! $wind_speed ~ ^[0-9](\.[0-9])?$ ]]; then echo “[$(date)] ERROR: Invalid wind speed value fetched: ‘$wind_speed’. Full response: $response” $ERROR_LOG exit 1 fi # 成功记录数据 timestamp$(date ‘%Y-%m-%d %H:%M:%S’) echo “$timestamp, $wind_speed” $DATA_LOG # 可选控制台输出并记录到Cron日志 echo “[$timestamp] Success: Wind speed $wind_speed m/s” | tee -a $CRON_LOG优化点说明配置文件分离将API密钥、经纬度等敏感和易变信息放入单独的config.cfg文件记得设置该文件权限为仅所有者可读chmod 600 config.cfg避免将密钥硬编码在脚本中也便于管理。集中化日志管理创建专门的logs目录区分数据日志、错误日志和Cron执行日志。完善的错误处理检查curl退出码、网络超时-m 30设置30秒超时、使用jq -r输出原始字符串并用正则表达式验证获取的数据是否为有效数字。使用unitsmetric参数在API请求中指定单位制确保返回的数据是公制单位如温度摄氏、风速米/秒避免单位混淆。5.2 图表功能与样式优化Google Charts的options对象非常强大我们可以让图表更专业、更易读。双Y轴图表如果你想同时展示风速和温度。function drawChart() { var data google.visualization.arrayToDataTable([ [Time, Wind Speed (m/s), Temperature (°C)], // ... 数据行每行三个值 [时间, 风速, 温度] ]); var options { title: Weather Data Trend, series: { 0: { targetAxisIndex: 0 }, // 风速系列关联第一个Y轴左侧 1: { targetAxisIndex: 1 } // 温度系列关联第二个Y轴右侧 }, vAxes: { 0: {title: Wind Speed (m/s)}, 1: {title: Temperature (°C)} }, // ... 其他样式选项 }; var chart new google.visualization.LineChart(...); }动态时间范围选择器添加一个控制面板让用户可以查看最近1小时、24小时或自定义时间段的数据。这需要在前端HTML中添加一些表单控件并编写相应的JavaScript函数来过滤data对象然后重绘图表。虽然稍复杂但能极大提升用户体验。样式微调colors: [#4CAF50, #FF9800]可以自定义折线颜色。lineWidth: 2设置线宽。pointSize: 5设置数据点大小。在options中添加backgroundColor: ‘#f9f9f9’可以设置图表背景色。5.3 从文件到数据库应对海量数据当日志文件变得非常大比如积累了数年的每分钟数据时每次生成图表都读取整个文件会非常慢。这时引入一个轻量级数据库是明智的选择。SQLite是一个完美的过渡方案它是一个单文件数据库无需运行独立的数据库服务管理起来像文件一样简单但支持SQL查询性能远超直接解析大文本文件。安装SQLitesudo apt install sqlite3创建数据库和表sqlite3 /home/pi/iot_chart/weather_data.db在SQLite提示符下CREATE TABLE sensor_data ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp DATETIME NOT NULL, wind_speed REAL, temperature REAL, humidity REAL ); CREATE INDEX idx_timestamp ON sensor_data(timestamp); -- 为时间戳创建索引加速查询 .exit修改数据采集脚本将echo “$timestamp, $wind_speed” $LOG_FILE替换为向数据库插入记录sqlite3 /home/pi/iot_chart/weather_data.db “INSERT INTO sensor_data (timestamp, wind_speed) VALUES (‘$timestamp’, $wind_speed);”修改图表生成脚本不再读取日志文件而是查询数据库。例如获取最近7天的数据# 在generate_chart.sh中替换awk部分 sqlite3 -csv /home/pi/iot_chart/weather_data.db “SELECT timestamp, wind_speed FROM sensor_data WHERE timestamp datetime(‘now’, ‘-7 days’);” | awk -F‘,’ ‘{ printf “\t[new Date(‘\’‘%s’\’‘), %s],\n”, $1, $2 }’ $DATA_TEMP_FILE这样无论数据量多大图表生成的速度都只取决于查询时间范围内的数据量效率得到质的提升。6. 常见问题与故障排查实录在实际部署和运行中你几乎一定会遇到下面这些问题。这里记录了我踩过的坑和解决方法。6.1 数据采集失败问题现象wind.log文件没有新增记录或者error.log中出现错误。排查步骤手动测试脚本在终端运行./wind_connectmyplace.sh观察输出。这是最直接的调试方式。检查API密钥和网络最常见的错误是API密钥无效或过期。手动在浏览器中访问一下API链接将密钥替换进去看是否能返回正确的JSON数据。同时检查树莓派的网络连接是否正常ping 8.8.8.8。检查工具安装确认jq和curl已正确安装 (which jq curl)。检查文件权限确保脚本有执行权限 (ls -l wind_connectmyplace.sh)并且运行脚本的用户对日志文件所在目录有写权限。查看Cron日志系统级的Cron日志通常在/var/log/syslog或/var/log/cron可以用grep CRON /var/log/syslog查看Cron任务执行情况看是否有错误信息。6.2 图表页面空白或显示错误问题现象浏览器打开页面只显示空白或控制台F12打开开发者工具报JavaScript错误。排查步骤检查HTML文件是否生成到/var/www/html/目录下查看windchartline.html是否存在文件大小是否正常。检查HTML文件内容用cat或head -n 50查看生成的文件。重点检查中间的数据部分格式是否正确。常见的错误是数据行末尾有多余的逗号Google Charts数据数组的最后一行不能有逗号。我们的awk命令生成的每一行都带逗号如果日志文件只有一行数据那么数组就成了[[...], ]这是错误的。需要在生成脚本中做处理例如用sed ‘$ s/,$//’命令删除最后一行末尾的逗号。时间格式不正确确保new Date(‘...’)中的字符串是YYYY-MM-DD HH:MM:SS格式且被单引号包裹。检查浏览器控制台按F12打开开发者工具切换到 “Console” 标签页。任何红色的错误信息都会在这里显示比如 “Invalid date” 或 “DataTable parsing error”根据错误信息定位问题。检查Nginx服务与权限确保Nginx正在运行 (sudo systemctl status nginx)并且对/var/www/html/windchartline.html有读取权限通常权限是644。6.3 图表加载缓慢或数据点太多问题现象页面打开很慢或者图表上数据点过于密集无法看清。解决方案限制数据量在generate_chart.sh的数据库查询或文件读取步骤中不要取出所有历史数据。例如使用tail -n 500 wind.log只取最近500个数据点或者在SQL查询中加上LIMIT 1000或WHERE timestamp datetime(‘now’, ‘-30 days’)。数据聚合对于非常高频如每秒的数据直接绘制会导致图表卡顿且意义不大。可以在查询时进行聚合例如查询每小时的平均风速SELECT strftime(‘%Y-%m-%d %H:00:00’, timestamp) as hour, AVG(wind_speed) FROM sensor_data GROUP BY hour ORDER BY hour DESC LIMIT 100;使用explorer选项Google Charts提供了一个交互式的探索模式允许用户缩放和拖动图表非常适合展示大量数据。在options中添加explorer: {}即可启用。6.4 Cron定时任务不执行问题现象脚本手动执行正常但到了设定时间Cron没有触发。排查步骤检查Cron服务状态sudo systemctl status cron(在某些系统上是crond)。检查Cron日志如前所述查看/var/log/syslog。检查环境变量Cron执行的环境与用户登录Shell环境不同可能缺少PATH等变量。一个可靠的解决方法是在脚本的开头显式设置环境变量或者在使用命令时使用绝对路径如/usr/bin/curl,/usr/bin/jq。检查文件路径Cron任务中的文件路径最好使用绝对路径。在脚本内部使用的文件路径也应是绝对路径。调试技巧在Cron任务中将输出重定向到一个文件是查看运行时错误的最佳方式正如我们在任务定义中使用的 /home/pi/iot_chart/cron.log 21。这个从数据采集到Web可视化的完整链路虽然以风速数据为例但其架构和方法是通用的。你可以轻松地替换数据源比如换成温湿度传感器DHT11的数据、电网功耗数据、甚至是股票价格调整图表类型比如用仪表盘显示实时速度用柱状图显示每日最大值来满足你自己物联网项目的可视化需求。核心思想就是轻量、解耦、自动化。希望这个详细的实践记录能帮你少走弯路。
相关文章
![[开源] 科室二次分配公平感模拟器：用博弈论算出护士长敢拍板的奖金方案，让夜班、年资、技术难度全进模型](images/python.jpg)
[开源] 科室二次分配公平感模拟器：用博弈论算出护士长敢拍板的奖金方案，让夜班、年资、技术难度全进模型
本项目是一个面向临床科室管理者的决策支持工具，专为解决护理单元、急诊科、外科等一线科室在绩效二次分配中“凭经验难服众、按平均没激励、看年资欠公平”的典型困境而设计。我们把 Shapley 值（合作博弈中的边际贡献量化）、基尼系数&#x…
[开源] 住院床位实时智能调度系统：面向护士长的多目标优化分配工具，支持 CLI 快速决策、Web 可视化监控与 API 集成调用
本项目是专为临床护理管理一线设计的住院床位实时智能调度系统，核心解决护士长在日常排床中面临的三类刚性压力：急诊患者必须即刻收治、男女患者需物理分隔、各科室床位配额不可突破；同时兼顾等待时长压缩、病区负载均衡等柔性目标。我们采用…
Arduino姿态音乐盒：用MPU6050传感器与蜂鸣器实现动作交互音乐
1. 项目概述：当姿态成为旋律几年前，我在一个创客展上看到一个装置，观众只需挥动手臂，就能“指挥”出一段音乐。当时我就被这种将物理运动直接转化为听觉体验的交互方式深深吸引。后来我发现，实现这种效果的核心并不复杂…
明黄色系Bootstrap单页App官网模板，含轮播图、功能区与下载按钮
本文还有配套的精品资源，点击获取 简介：一套开箱即用的手机应用官网落地页模板，主色采用高饱和度明黄色，整体风格清爽醒目，适配移动端浏览。首页结构完整：顶部固定导航栏支持平滑跳转；全宽轮…
【Sora 2转场效果制作黄金法则】：20年AIGC影像专家首度公开5大工业级转场参数配置模板
更多请点击： https://intelliparadigm.com 第一章：Sora 2转场效果制作的底层逻辑与范式跃迁 Sora 2 的转场效果并非传统时间轴叠加或关键帧插值的线性演进，而是建立在扩散模型驱动的时空联合隐式建模之上——其核心是将“转场”定义为两个视…
需求不清楚时，别急着写用例：测试工程师如何用 AI 追问出隐藏规则？
需求不清楚时，别急着写用例：测试工程师如何用 AI 追问出隐藏规则？ 很多测试同学都有这样的经历： 需求文档看起来写了不少，但真正准备写用例时，发现很多地方都不清楚。 比如： 等于边界值时怎么算…
揭秘Sora 2隐藏UI逻辑：为什么92%的用户在第4次点击后触发“智能帧锚定”模式（工程师内部文档节选）
更多请点击： https://codechina.net 第一章：Sora 2隐藏UI逻辑的全局认知 Sora 2 的 UI 层并非由显式声明式模板驱动，而是通过运行时动态解析 JSON Schema 自定义指令集生成可交互视图。其核心在于 ui-runtime 模块对 sora/ui-manifest 的实…
提示词精准度决定成片质量，Sora 2景观类视频生成成功率提升63%的9条黄金指令，仅限首批内测用户掌握
更多请点击： https://codechina.net 第一章：提示词精准度决定成片质量 在AI视频生成流程中，提示词（Prompt）并非简单的关键词堆砌，而是模型理解视觉语义、时序逻辑与风格约束的核心输入。其结构完整性、术语…
【Sora 2社交媒体视频引爆公式】：20年AI影像架构师亲授3大内容裂变引擎与平台适配黄金参数
更多请点击： https://kaifayun.com 第一章：Sora 2社交媒体视频的底层架构演进与传播范式跃迁 Sora 2并非单纯模型迭代，而是以多模态时序建模为核心重构的端到端视频生成基础设施。其底层架构摒弃传统“文本→关键帧→插值”的分段流水线&…
Zotero Duplicates Merger：5步彻底清理文献库重复条目
Zotero Duplicates Merger：5步彻底清理文献库重复条目 【免费下载链接】ZoteroDuplicatesMerger A zotero plugin to automatically merge duplicate items 项目地址: https://gitcode.com/gh_mirrors/zo/ZoteroDuplicatesMerger 还在为文献库中堆积如山的重…
利用随机有限集理论对蜂群的ILQR和MPC控制研究附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室🍊个人信条：格物致知,完整Matlab代码及仿真咨询…
为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因
更多请点击： https://intelliparadigm.com 第一章：为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因 Gemini邮件的客户转化效率（CTE）显著偏低，根本原因常被误判为…
Win10/Win11下Realtek 8188GU网卡驱动感叹号？别急着扔，试试这个手动安装的野路子
Realtek 8188GU网卡驱动故障深度修复指南：从原理到实战当设备管理器里那个顽固的黄色感叹号挥之不去，而你已经尝试了所有"标准操作"——Windows自动更新、第三方驱动工具、甚至重启大法——却依然无济于事时，是时候换个思路了。这篇…
AnolisOS 8.8安装源配置踩坑实录：从‘设置基础软件仓库时出错’到成功联网的保姆级指南
AnolisOS 8.8安装源配置实战指南：从诊断到解决方案的全流程解析当你在安装AnolisOS 8.8时遇到"设置基础软件仓库时出错"的提示，这通常意味着系统无法访问或识别安装源。这个问题看似简单，但背后可能涉及网络配置、镜像选择、启动参…
基于树莓派Pico的反应速度测试游戏：从GPIO编程到状态机实战
1. 项目概述与核心思路最近在整理工作室的电子元件，翻出来几个闲置的街机按钮和一块树莓派Pico，灵机一动，决定做个简单又有趣的反应速度测试游戏。这个项目非常适合想入门嵌入式开发的朋友，它不涉及复杂的传感器和通信协议&#x…
Zotero Duplicates Merger：5步彻底清理文献库重复条目
Zotero Duplicates Merger：5步彻底清理文献库重复条目 【免费下载链接】ZoteroDuplicatesMerger A zotero plugin to automatically merge duplicate items 项目地址: https://gitcode.com/gh_mirrors/zo/ZoteroDuplicatesMerger 还在为文献库中堆积如山的重…
利用随机有限集理论对蜂群的ILQR和MPC控制研究附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室🍊个人信条：格物致知,完整Matlab代码及仿真咨询…
为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因
更多请点击： https://intelliparadigm.com 第一章：为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因 Gemini邮件的客户转化效率（CTE）显著偏低，根本原因常被误判为…