设备断电了平台还显示在线?MQTT 遗嘱消息(LWT)与离线判定踩坑实录

一、问题:拔了电,设备还是"在线"

做设备接入平台的时候,我遇到一个很迷惑的现象:把模拟设备的 Python 进程用任务管理器直接杀掉------模拟断电、断网这种"非正常死亡"------几分钟后打开看板,设备状态还端端正正地挂着"在线"两个绿字。

第一反应是看板没刷新。但刷新接口返回的 JSON 里,status 字段就是 "online"。数据库里它就是在线的。

设备已经不在了,平台凭什么认为它在线?这篇文章就是排查这个问题的完整过程,涉及三段真实代码和 MQTT 里一个容易被"以为做了"的机制:遗嘱消息(Last Will and Testament,LWT)。

二、先搞清现状:在线/离线是怎么判定的

翻自己项目(Spring Boot 3.5 + EMQX)的代码,在线和离线的判定是两条完全不同的路。

在线判定 :服务端作为 MQTT 订阅者,收到设备的遥测数据就把它标记为在线。来自 TelemetryMessageHandler.java:

java 复制代码
// 来源:src/main/java/com/iothub/mqtt/TelemetryMessageHandler.java
private void handleTelemetry(Device device, String productKey, String payload) {
    // 校验是合法 JSON,不合法直接丢弃(防脏数据进库)
    try {
        objectMapper.readTree(payload);
    } catch (Exception e) {
        log.warn("payload 不是合法 JSON,丢弃: {}", payload);
        return;
    }

    device.setStatus("online");
    deviceRepository.save(device);
    // ... 后面是入库逻辑
}

这个设计有个好处:收到数据 = 设备一定在线,比额外做心跳轮询更及时、更省事。

离线判定 :设备主动在状态主题 st/{productKey}/{deviceId} 上发一条 "offline",服务端更新状态:

java 复制代码
// 来源:src/main/java/com/iothub/mqtt/TelemetryMessageHandler.java
private void handleStatus(Device device, String payload) {
    String status = "offline".equalsIgnoreCase(payload.trim()) ? "offline" : "online";
    device.setStatus(status);
    deviceRepository.save(device);
    log.info("设备[{}]状态变更为 {}", device.getId(), status);
}

服务端启动时订阅了 up/+/+ 和 st/+/+ 两个通配主题(见 MqttConnection.java 的 connectComplete 回调,QoS 都是 1),所以这两条路都能收到消息。

问题就出在离线判定上:它依赖设备"自己"告诉平台我要下线了。看设备端(模拟设备的 Python 脚本,paho-mqtt 实现)是怎么发这条消息的:

python 复制代码
# 来源:scripts/demo_device.py(节选)
# 干净退出:发个离线遗嘱状态再断开
client.publish("st/%s/%s" % (args.product_key, device_id), "offline", qos=1)
time.sleep(0.3)
client.loop_stop()
client.disconnect()

看到这我直接绷不住了:这条 offline 只在用户按 Ctrl+C 正常退出时才会执行。任务管理器杀进程、网线被拔、设备断电------任何一种"非正常死亡",这段代码一行都不会跑,offline 消息自然永远不会发出来。

更讽刺的是,项目 README 里明晃晃写着:

  • 设备上下线:st/{productKey}/{deviceId} 主题(遗嘱消息 payload=offline)

勾打了,字写了,但遗嘱从来没设置过。这大概是独立开发最常见的一种翻车:文档先于实现,自己骗自己。

三、设备"死"的两种方式,决定了你需要什么机制

整理一下,设备的下线其实分两类:

下线方式 设备还有机会发消息吗 现有代码的表现
干净断开(Ctrl+C、优雅关机) 有 ✅ 手动发 offline,状态正确
非正常死亡(断电、杀进程、断网) 没有 ❌ 状态永远停在"online"

对付第二类,靠设备自己发消息是不可能的------它已经死了。这时候需要 MQTT 的遗嘱消息 :设备连接 Broker 时预先登记一条"遗言",之后由 Broker 检测到设备异常离线时代它发布。

四、修复一:设置遗嘱消息(设备端 3 行代码)

paho-mqtt 里就是在 connect 之前调用 will_set:

python 复制代码
# 修复代码:连接前登记遗嘱(demo_device.py)
client.will_set(
    "st/%s/%s" % (args.product_key, device_id),  # 遗嘱发到状态主题
    "offline",                                    # payload 和手动下线保持一致
    qos=1,
)
client.connect(args.host, args.port, keepalive=30)

原理拆开说:

  1. will_set 只是登记,不立即发送。遗嘱内容存在 Broker 侧。
  2. 连接时 keepalive=30 表示设备承诺 30 秒内至少和 Broker 有一次心跳交互。超过 1.5 倍 keepalive 没有任何数据,Broker 判定连接异常断开。
  3. 判定异常断开的那一刻,Broker 代设备发布遗嘱 ------st/{pk}/{deviceId} 主题上出现一条 "offline"。
  4. 服务端订阅了 st/+/+,handleStatus 收到后照常更新状态,服务端一行代码都不用改。

这也是遗嘱设计的妙处:它把"发现设备死了"这件事交给了最合适的角色------ Broker。设备生死只有 Broker 最清楚,业务服务端没必要自己猜。

服务端唯一的要求是订阅遗嘱主题,项目里已经有了(来源 MqttConnection.java):

java 复制代码
// 来源:src/main/java/com/iothub/mqtt/MqttConnection.java(节选)
String[] topics = {props.getTelemetryTopic(), props.getStatusTopic()};  // up/+/+ 和 st/+/+
int[] qos = {1, 1};
IMqttToken token = client.subscribe(topics, qos);
token.waitForCompletion(10_000);

五、修复二:遗嘱不是银弹,服务端还得有兜底

设完遗嘱就高枕无忧了吗?还不是。三个理由:

  1. Broker 自己也会挂。Broker 重启期间掉线的设备,遗嘱可能根本没机会发出来。
  2. 判定有延迟窗口。keepalive=30 意味着最坏情况要等 45 秒左右才判死。对温度传感器无所谓,对告警类场景可能太慢。
  3. "在线"的语义应该跟着数据走。设备连着但长时间不上报数据,对业务来说和死了没区别。

所以成熟平台都会在服务端加一层心跳超时兜底:记录每台设备最后一次上报时间,定时扫描,超时就强制置离线。思路如下(贴合项目现有结构的新增代码):

java 复制代码
// 兜底方案:定时扫描长时间未上报的设备(新增 DeviceOfflineScanner.java 思路)
@Scheduled(fixedDelay = 30_000)
public void sweepStaleDevices() {
    Instant threshold = Instant.now().minusSeconds(90);  // 3 倍上报间隔
    // 上报时更新 lastReportAt 字段(Device 实体新增),超时的置 offline
    List<Device> stale = deviceRepository.findByStatusAndLastReportAtBefore("online", threshold);
    for (Device d : stale) {
        d.setStatus("offline");
        log.warn("设备[{}]超过 {}s 未上报,判定离线", d.getId(), 90);
    }
    deviceRepository.saveAll(stale);
}

三个方向合在一起,才是完整的离线判定体系:

复制代码
干净断开     → 设备自己发 offline(主动)
非正常死亡   → Broker 代发遗嘱 LWT(被动,秒~分钟级)
长时间不上报 → 服务端心跳超时扫描(兜底,业务可配)

六、小结与面试考点

这次踩坑的本质:把"设备的死活"寄托在死者自己的遗言上,而遗言根本没立。修复后两条被动链路(遗嘱 + 超时扫描)都指向同一个状态主题,服务端逻辑保持单一。

面试时可以主动讲的几个点:

  • 为什么在线判定用"收到数据即在线":最及时,且不需要额外心跳协议;代价是需要离线侧机制补齐。
  • 遗嘱 LWT 的触发条件 :keepalive 超时、TCP 异常断开、协议错误导致断连;设备主动 DISCONNECT 不会触发遗嘱(这是和"异常断开"的关键区别,也是为什么干净退出要手动发 offline)。
  • keepalive 怎么选:太短误判多(弱网设备频繁"假死"),太长离线感知慢;一般取上报周期的 2~3 倍。
  • 多层兜底的思维:认证、鉴权、状态判定都是同一原则------不假设上一层一定生效,各层各拦各的。

作者:软件工程在读(专升本),正在从零搭一套物联网设备接入平台(Spring Boot + EMQX + MySQL),踩过的坑都会写成文章。上一篇写了 MQTT 断线重连,这一篇是它的姊妹篇------设备侧的生死判定。欢迎关注,下期见。

相关推荐
乐讯通物联网服务商2 天前
地下管网智能化监测:排水管网液位计联网难点与物联网卡落地方案
物联网·物联网卡·地下管网智能化监测
河北乐讯通物联网服务商3 天前
城市排水防涝智能化调度:调度终端联网痛点与物联网卡核心应用
物联网·物联网卡·城市排水防涝
TDengine (老段)3 天前
TDengine IDMP 功能点—数据接入
大数据·数据库·物联网·时序数据库·tdengine·涛思数据
隔窗听雨眠3 天前
净水机物联网平台的多模数据库落地实践
物联网·时序数据库·kwdb
数字新视界4 天前
机房动环监控系统在提升数据中心安全与效率中的创新应用
物联网·数据中心·数据中心基础设施管理·dcim管理系统·数据中心dcim
不脱发的程序猿4 天前
ESP32制作加热杯垫
嵌入式硬件·物联网·esp32·语音识别
数字新视界4 天前
数据中心DCIM管理系统助力提升机房管理效率与安全性
大数据·人工智能·物联网·信息与通信·动环监控系统
数字新视界5 天前
信创动环监控在机房环境管理中的智能化应用与实践分析
大数据·人工智能·物联网·信息与通信·动环监控系统
wx1qq1com6 天前
一桩带几台车:共享租赁桩位配比、取电与结算闭环设计
物联网·微信小程序·小程序
byte轻骑兵7 天前
实战 4:BlueZ 源码中添加自定义设备过滤规则
linux·物联网·bluez·电脑蓝牙·嵌入式蓝牙