架构蓝图：场馆低延迟分析系统
在现场活动中管理 20,000 人的数据，与构建 Web 应用完全不同。
在 Web 应用中，用户分布在不同的时区。而在大型场馆中，成千上万的人会在同一时间产生海量的数据爆发。早高峰时段可能会让标准系统不堪重负。
如果你使用批处理或长轮询，数据到达就会延迟。在人群控制中，15 分钟的滞后就意味着失败。你只能在人群瓶颈发生后才能察觉。
你需要亚秒级的更新。你必须构建一条从边缘端到仪表盘的流式流水线。
以下是你需要的架构：
- 边缘层（接入） 在每个入口处放置一个工业级边缘节点。通过串口总线将其连接到 RFID 阅读器。
不要依赖云端进行即时决策。在边缘节点上使用像 Redis 这样的本地内存数据库。这使得系统可以在 5 毫秒内完成权限检查。即使场馆网络中断，闸机仍能正常工作。
- 传输层 (MQTT) 停止在边缘硬件上使用 HTTP REST 端点。对于成千上万次的小规模扫描，HTTP 的开销太大了。
改用 MQTT。它使用极小的报文大小并保持持久连接。即使在不稳定的场馆网络中也能正常工作。边缘节点将压缩后的数据推送到云端代理 (broker)。代理会立即将这些事件路由到你的工作进程 (workers)。
- 可视化层 (WebSockets) 运营团队需要实时看到变化。不要让浏览器通过 API 来请求更新。
使用 WebSockets 实现全双工连接。这能将数据立即推送到仪表盘。当某个大厅变得过于拥挤时，团队可以在不到一秒钟内察觉。随后，他们可以调配人员或更新电子指示牌来疏导人流。
技术栈摘要：
- 边缘端：本地 Redis + 工业 PC
- 传输层：MQTT (EMQX 或 HiveMQ)
- 前端：用于实时 UI 的 WebSockets
在你的 IoT 设置中，如何处理密集的人群数据？欢迎在下方讨论基础设施。