IoT DC3

简体中文

English

简体中文

English

主题

常见问题（Q&A） ​

许可证与授权 ​

IoT DC3 使用什么开源协议？ ​

IoT DC3 基于 AGPL-3.0 协议发布。

AGPL-3.0 的核心要求：如果你修改了平台代码并通过网络提供服务（包括 SaaS、内部系统），你必须将修改后的完整源代码开源。如果只是内部使用、未分发、未通过网络提供服务，则无需开源。

AGPL-3.0 对我们公司意味着什么？ ​

场景是否需要开源
内部部署、不改代码、仅自己用否
内部部署、改了代码、仅自己用（未对外提供服务）否（但建议贡献回来）
基于 DC3 做 SaaS 产品对外售卖是，必须开源全部修改
基于 DC3 做了二次开发并分发给客户部署是，必须开源全部修改
只是调用 DC3 的 API，未修改 DC3 本身否

可以闭源二次开发吗？ ​

如果你只是通过 API 调用 DC3、没有修改 DC3 源码本身，你的调用方代码可以闭源。一旦你修改了 DC3 源码并通过网络对外提供服务，AGPL-3.0 要求你将修改开源。

有商业授权吗？ ​

目前没有独立的商业授权。如果你的使用场景与 AGPL-3.0 兼容，可以直接使用。如有特殊需求，可通过社区渠道联系维护者讨论。

收费与商业模式 ​

IoT DC3 本身收费吗？ ​

不收费。 IoT DC3 是完全开源免费的，你可以自由下载、使用、修改和分发（遵守 AGPL-3.0 条款）。

项目方如何盈利？ ​

目前 IoT DC3 是维护者的个人开源项目，以社区驱动方式运作。未来可能的商业化方向包括：技术支持服务、企业定制开发、SaaS 托管服务等。核心平台本身将始终保持开源。

使用 IoT DC3 需要付费给谁吗？ ​

不需要。你不需要向任何人付费即可使用 IoT DC3。但你需要自行承担部署所需的服务器、数据库等基础设施费用。

技术选型 ​

为什么用 Java 而不是 Go/Node.js/Python？ ​

IoT DC3 选择 Java + Spring 生态的核心原因：

  1. 工业物联网场景：工业领域大量现存系统是 Java 生态（SCADA、MES、ERP），Java 在工业集成中有天然优势
  2. Spring 生态成熟度：Spring Boot/Cloud/Security/Data 提供开箱即用的分布式、安全、数据访问能力
  3. JVM 稳定性：长时间运行的设备接入服务对 GC、内存管理要求高，JVM 经过数十年的生产验证
  4. AI 集成：Spring AI 让平台能以统一范式接入多家大模型（OpenAI、Claude、本地模型等）
  5. 团队技能：维护者在 Java/Spring 生态有深厚积累

为什么用 PostgreSQL 而不是 MySQL？ ​

  1. TimescaleDB 扩展：IoT 时序数据场景，PostgreSQL 的 TimescaleDB 扩展提供原生的超表自动分区、压缩、数据保留策略
  2. Apache AGE：图数据库扩展，用于设备关系、拓扑路径查询
  3. pgvector：向量扩展，为 AI 语义检索提供基础设施
  4. 更丰富的数据类型：JSONB、数组、范围类型等
  5. 更严格的 SQL 标准：在复杂查询和事务场景下更可靠

IoT DC3 对 PostgreSQL 的依赖很深，这三个扩展（TimescaleDB + AGE + pgvector）是平台数据架构的核心。

支持哪些设备协议？应该怎么选择？ ​

平台内置 28 个驱动模块，覆盖：

  • 工业总线/PLC：Modbus TCP/RTU、OPC UA/DA、S7 (Siemens)、MELSEC、FINS (Omron)、EtherNet/IP
  • SCADA/电力/计量：BACnet/IP、IEC 104、DLMS、SL651、SNMP
  • IoT/无线：MQTT、CoAP、LwM2M、HTTP、BLE、Zigbee、CAN
  • 串口/通用网络：Serial、TCP/UDP
  • 数据库：MySQL、PostgreSQL、Oracle、SQL Server

选择建议：先确定现场设备支持的协议，再看驱动能力矩阵（驱动能力矩阵）确认所需读写/订阅能力是否满足。

部署与运维 ​

最低硬件要求？ ​

开发环境（仅依赖栈 PostgreSQL + RabbitMQ）：

  • CPU: 2 核
  • 内存: 4 GB
  • 磁盘: 20 GB

生产环境（全栈：网关 + 4 个中心 + N 个驱动 + 依赖栈）：

  • CPU: 8 核及以上
  • 内存: 16 GB 及以上
  • 磁盘: 100 GB SSD 及以上（时序数据持续增长，需规划扩容）

如何从开发环境迁移到生产？ ​

  1. 安全加固：修改默认密钥/密码、启用 TLS、配置防火墙规则、关闭调试端点
  2. 数据持久化：确保 PostgreSQL 和 RabbitMQ 数据卷正确挂载和备份
  3. 高可用：根据需求配置 PostgreSQL 主从、RabbitMQ 集群
  4. 监控告警：部署 Prometheus + Grafana（docker-compose-optional.yml 已包含）
  5. 日志收集：接入 ELK（docker-compose-optional.yml 已包含）
  6. 环境变量：参考 环境变量配置，将开发变量替换为生产值

详见 安全策略 的生产基线清单。

数据怎么备份？ ​

PostgreSQL 数据备份：

bash
# 全量备份
podman exec dc3-postgres pg_dumpall -U dc3 > backup.sql

# 仅备份平台数据（不含 TimescaleDB 时序数据）
podman exec dc3-postgres pg_dump -U dc3 \
  --schema=dc3_auth --schema=dc3_manager --schema=dc3_data > backup_platform.sql

生产环境建议配置 pgBackRest 或 pg_dump 定时任务 + 异地存储。

驱动开发 ​

怎么开发一个新驱动？ ​

  1. 阅读 驱动开发指南
  2. 在 dc3-driver/ 下复制最接近的驱动模块作为模板
  3. 实现 Driver SDK 要求的 read()、write() 和（可选的）subscribe() 方法
  4. 在 dc3/docker-compose.yml 中添加驱动服务配置
  5. 写文档（参考已有驱动文档页的格式）

驱动一定要用 Java 吗？ ​

Driver SDK 本身是 Java 的，但你也可以通过 MQTT 桥接 或 HTTP 代理 的方式用任意语言实现设备接入：非 Java 程序将数据发到 MQTT Topic → MQTT 驱动订阅 → 进入平台数据管道。不过这种方式会丢失 SDK 内置的状态管理、自动重连、健康上报等能力。

AI 能力 ​

AI 能做什么？ ​

IoT DC3 的 Agentic 中心（基于 Spring AI）让大模型具备以下能力：

  • 设备查询：自然语言查询设备状态、位号值、历史数据
  • 命令下发：通过对话让 AI 向设备写入参数
  • 告警分析：AI 分析告警历史，给出根因推断
  • 数据洞察：对时序数据做趋势分析和异常检测

AI 能力通过 MCP（Model Context Protocol）协议暴露，可被 Claude Desktop、VS Code、Cursor 等 AI 工具直接调用。详见 AI 概览。

支持哪些大模型？ ​

通过 Spring AI，理论上支持所有主流模型提供商：OpenAI、Anthropic Claude、Google Gemini、阿里通义千问、百度文心一言、本地 Ollama 模型等。具体配置见 Agentic 中心。

社区与贡献 ​

遇到问题怎么求助？ ​

  1. 先查 故障排查指南
  2. 搜索 GitHub Issues 看是否有人遇到过
  3. 没找到？提新 Issue，附上：版本号、日志、复现步骤、环境信息

如何参与贡献？ ​

见 贡献指南。任何形式的贡献都欢迎：报告 bug、改进文档、提交代码、参与讨论。

有商业支持服务吗？ ​

目前项目以社区形式运作，暂无官方商业支持。如有企业级支持需求，可通过社区渠道联系维护者沟通。

基于 AGPL-3.0 协议发布

Copyright © 2017-2026 pnoker