1. 项目概述与核心价值

最近在折腾物联网项目，从传感器数据采集到云端处理，再到前端展示，整个链路里最让我头疼的不是某个具体功能的实现，而是那些“不起眼”的工具链。比如，一个MQTT Broker的快速部署脚本、一个批量生成模拟设备数据的工具、一个轻量级的时序数据库查询界面，或者是一个协议转换的中间件。这些工具散落在各个角落，每次新开一个项目或者换一台开发机，都得重新找一遍，配置一遍，费时费力。

这就是我遇到“L-ubu/io-tooling-hub”这个项目时，眼前一亮的原因。它不是一个具体的物联网应用，而是一个 物联网工具链的集合与部署中心 。你可以把它理解为一个专门为物联网开发者准备的“瑞士军刀套装”，或者更贴切地说，是一个“工具仓库”。它的核心价值在于，将物联网开发、测试、调试、运维中高频使用的开源工具，通过容器化（Docker）的方式预配置好，并提供统一的、一键式的部署和管理方案。

这个项目解决了几个非常实际的问题： 环境一致性 、 部署效率 和 工具发现 。对于个人开发者或小团队，它极大地降低了从零搭建物联网开发环境的门槛；对于有一定经验的从业者，它提供了一个可复用的、标准化的工具基础，让你能把精力更集中在业务逻辑本身，而不是反复在环境配置上踩坑。接下来，我就结合自己的使用经验，深入拆解这个工具集的设计思路、核心组件以及如何让它为你所用。

2. 项目整体设计与核心思路拆解

2.1 设计哲学：容器化即标准化

“io-tooling-hub”项目的基石是 Docker 和 Docker Compose 。这个选择看似平常，实则精准地命中了物联网工具链管理的痛点。

物联网开发涉及的技术栈非常庞杂：通信协议（MQTT, CoAP, HTTP）、消息代理（Mosquitto, EMQX）、时序数据库（InfluxDB, TimescaleDB）、可视化（Grafana）、设备模拟、规则引擎等等。每个工具都有其依赖的运行时环境、配置文件和数据存储路径。传统方式下，在本地或服务器上直接安装这些服务，极易导致环境冲突、版本管理混乱和“在我的机器上能跑”的经典问题。

该项目采用容器化方案，将每一个工具（如Mosquitto）及其完整的运行环境打包成一个独立的、隔离的容器。这样做带来了几个决定性优势：

  1. 环境隔离与纯净 ：每个工具都在自己的容器内运行，互不干扰。你可以在同一台主机上同时运行不同版本的InfluxDB而无需担心冲突。
  2. 一键部署与销毁 ：通过编写好的 docker-compose.yml 文件，一行命令（ docker-compose up -d ）就能拉起整个工具栈。同样，一行命令（ docker-compose down ）就能干净地停止并移除所有相关容器、网络，恢复系统洁净。这对于快速搭建测试环境或演示环境至关重要。
  3. 配置即代码 ：所有服务的配置（如Mosquitto的密码文件、Grafana的数据源设置）都可以通过Docker的卷（volume）挂载或环境变量（environment）来管理。这意味着你的整个工具链配置可以被版本控制系统（如Git）管理，实现可追溯和可复现。
  4. 资源可控 ：可以方便地为每个容器分配CPU、内存限制，避免某个工具异常时拖垮整个系统。

项目的设计思路非常清晰： 它不创造新的轮子，而是高效地组装和配置现有的优秀开源轮子，并通过容器化这个“粘合剂”，让它们能协同工作，形成一个开箱即用的物联网开发底座。

2.2 核心组件选型解析

一个典型的物联网数据流可以简化为：设备 -> 消息代理 -> 规则引擎/流处理 -> 时序数据库 -> 可视化。 io-tooling-hub 围绕这个流水线，精选了各个环节最流行、最稳定的开源工具。我们来逐一分析其选型考量：

  • 消息代理：Mosquitto

    • 为什么是它？ Mosquitto 是 Eclipse 基金会下的开源MQTT Broker，轻量、稳定、符合标准，是学习和中小型项目的首选。它的配置相对简单，社区资源丰富。对于需要更高并发和集群能力的场景，项目可能会提供 EMQX 作为备选或进阶选项，但 Mosquitto 作为默认项，确保了最低的学习和资源消耗成本。

  • 时序数据库：InfluxDB

    • 为什么是它？ InfluxDB 是专为时序数据设计的数据库，其数据模型（Measurement, Tag, Field, Timestamp）与物联网传感器数据（设备ID， 传感器类型， 读数， 时间戳）天然契合。它的写入和查询性能针对时间序列进行了深度优化，并且自带类SQL的查询语言（Flux或InfluxQL），学习曲线相对平缓。相比通用的关系型数据库（如PostgreSQL）或更复杂的时序方案（如TimescaleDB），InfluxDB在物联网这个垂直领域提供了最佳的“开箱即用”体验。

  • 可视化：Grafana

    • 为什么是它？ Grafana 几乎是时序数据可视化的行业标准。它支持丰富的数据源（包括InfluxDB），提供强大的仪表盘编辑功能和灵活的告警设置。将 Grafana 集成进来，意味着从数据入库到图表展示的链路被完全打通，开发者可以立即开始数据分析和监控，无需再寻找其他展示工具。

  • 设备模拟与测试：自定义脚本或工具

    • 这部分往往是项目的“增值”内容。它可能包含用 Python/Node.js 编写的脚本，用于模拟大量设备向MQTT主题发布数据。这些脚本通常会封装成另一个容器，或者提供可直接运行的脚本文件。其价值在于，让开发者在没有物理设备的情况下，也能快速验证整个数据流水线是否通畅。

  • 辅助工具：Portainer (可选)

    • 这是一个基于Web的Docker管理界面。对于不习惯命令行操作Docker的开发者，Portainer 提供了直观的容器、镜像、网络、卷的管理功能。将其纳入工具集，体现了项目对用户体验和易用性的考虑，降低了容器技术的使用门槛。

注意 ：工具选型并非一成不变。一个活跃的 io-tooling-hub 项目可能会维护多个 docker-compose 配置文件，例如 compose-mosquitto-influx-grafana.yml 用于基础套件， compose-emqx-timescale.yml 用于高性能套件，让用户根据实际需求选择。

3. 核心细节解析与实操要点

3.1 目录结构与配置管理

一个组织良好的 io-tooling-hub 项目，其目录结构是清晰且自解释的。这不仅是代码规范，更是降低使用者认知负担的关键。一个典型的目录树可能如下： 

io-tooling-hub/
├── docker-compose.yml           # 主部署文件
├── .env.example                 # 环境变量示例文件
├── README.md                    # 项目总览和使用说明
├── config/
│   ├── mosquitto/
│   │   ├── mosquitto.conf       # Mosquitto 主配置文件
│   │   └── passwd               # Mosquitto 用户密码文件（初始为空或示例）
│   ├── influxdb/
│   │   └── influxdb.conf        # InfluxDB 配置文件
│   └── grafana/
│       └── provisioning/        # Grafana 预配置（数据源、仪表盘）
│           ├── dashboards/
│           └── datasources/
├── scripts/
│   └── device-simulator.py      # 设备模拟器脚本
├── data/                        # 挂载卷对应目录（需在.gitignore中忽略）
│   ├── influxdb/
│   └── grafana/
└── logs/                        # 日志目录（可选）

关键目录解析：

  1. config/ ：这是项目的核心之一。所有服务的配置文件都集中在这里，并通过Docker Compose的 volumes 指令挂载到容器内的指定路径。这样做的好处是，你可以在宿主机上直接用熟悉的编辑器修改配置，修改后重启容器即可生效，无需进入容器内部。
  2. data/ ：用于持久化存储数据库文件、Grafana配置等。 务必确保此目录被 .gitignore 忽略 ，因为里面存储的是运行时数据，不应纳入版本控制。通过卷挂载，即使容器被删除，你的数据依然安全地保留在宿主机上。
  3. scripts/ ：存放各类辅助脚本，如数据模拟、批量操作、健康检查等。这是项目扩展性的体现。
  4. .env 文件 ：这是Docker Compose的“秘籍”。它定义了整个项目用到的环境变量，如数据库密码、管理员账号、服务端口等。项目通常会提供一个 .env.example 文件，你需要将其复制为 .env 并根据实际情况修改。 永远不要将包含真实密码的 .env 文件提交到Git仓库！

3.2 Docker Compose 文件深度解读

docker-compose.yml 是串联所有服务的蓝图。我们来看一个简化但关键的部分： 

version: '3.8'

services:
  mosquitto:
    image: eclipse-mosquitto:latest
    container_name: iot-mqtt-broker
    ports:
      - "1883:1883"  # MQTT 协议端口
      - "9001:9001"  # WebSocket 端口（用于前端直接连接）
    volumes:
      - ./config/mosquitto/mosquitto.conf:/mosquitto/config/mosquitto.conf
      - ./config/mosquitto/passwd:/mosquitto/config/passwd
      - ./logs/mosquitto:/mosquitto/log
    networks:
      - iot-network
    restart: unless-stopped

  influxdb:
    image: influxdb:latest
    container_name: iot-influxdb
    environment:
      - DOCKER_INFLUXDB_INIT_MODE=setup
      - DOCKER_INFLUXDB_INIT_USERNAME=admin
      - DOCKER_INFLUXDB_INIT_PASSWORD=${INFLUXDB_ADMIN_PASSWORD} # 从.env文件读取
      - DOCKER_INFLUXDB_INIT_ORG=iot-org
      - DOCKER_INFLUXDB_INIT_BUCKET=iot-bucket
      - DOCKER_INFLUXDB_INIT_ADMIN_TOKEN=${INFLUXDB_ADMIN_TOKEN}
    volumes:
      - ./data/influxdb:/var/lib/influxdb2
      - ./config/influxdb/influxdb.conf:/etc/influxdb2/influxdb.conf
    ports:
      - "8086:8086"
    networks:
      - iot-network
    restart: unless-stopped

  grafana:
    image: grafana/grafana-enterprise:latest
    container_name: iot-grafana
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=${GRAFANA_ADMIN_PASSWORD}
    volumes:
      - ./data/grafana:/var/lib/grafana
      - ./config/grafana/provisioning:/etc/grafana/provisioning
    ports:
      - "3000:3000"
    networks:
      - iot-network
    restart: unless-stopped
    depends_on:
      - influxdb

networks:
  iot-network:
    driver: bridge

关键配置解析与实操要点：

  • 网络 ( networks ) ：所有服务都加入一个自定义的 iot-network 桥接网络。在这个网络内部，容器之间可以使用服务名（如 influxdb ）作为主机名直接通信，无需暴露端口到宿主机。这增强了安全性，也简化了配置（Grafana里配置InfluxDB数据源时，URL可以直接填 http://influxdb:8086 ）。
  • 环境变量 ( environment ) ：敏感信息（如密码、Token）通过环境变量传入。 ${VARIABLE_NAME} 的语法会从 .env 文件或宿主机环境变量中读取值。 这是管理密码的最佳实践 。
  • 卷挂载 ( volumes ) ：
    • ./config/...:/path/in/container ：将本地配置文件挂载进去，实现配置外部化。
    • ./data/...:/var/lib/... ：将数据目录挂载出来，实现数据持久化。 务必确保宿主机目录（如 ./data/influxdb ）存在，否则Docker会创建一个属于root的目录，可能导致容器权限错误。 最好在 docker-compose up 前先 mkdir -p data/influxdb data/grafana 。
  • 依赖与启动顺序 ( depends_on ) ： grafana 服务声明了 depends_on: - influxdb ，这告诉Docker Compose先启动InfluxDB，再启动Grafana。但这 只保证启动顺序，不保证服务已就绪 。对于Grafana连接InfluxDB，更健壮的做法是在Grafana的provisioning配置中，或者使用启动脚本，加入对InfluxDB API的健康检查等待。
  • 重启策略 ( restart: unless-stopped ) ：设置容器在退出时自动重启（除非被手动停止）。这对于长期运行的后台服务非常有用，可以应对宿主机意外重启等情况。

4. 完整实操流程与核心环节实现

4.1 环境准备与项目获取

假设你已经在开发机或服务器上安装好了 Docker 和 Docker Compose。这是唯一的前提条件。

  1. 克隆项目 ： 

    git clone https://github.com/L-ubu/io-tooling-hub.git
cd io-tooling-hub

  2. 配置环境变量 ： 

    cp .env.example .env

    然后，用文本编辑器打开 .env 文件。你会看到类似以下内容： 

    # Mosquitto
# MOSQUITTO_USER=admin
# MOSQUITTO_PASSWORD=your_strong_password

# InfluxDB
INFLUXDB_ADMIN_PASSWORD=your_influxdb_admin_password
INFLUXDB_ADMIN_TOKEN=your_super_secret_admin_token

# Grafana
GRAFANA_ADMIN_PASSWORD=your_grafana_admin_password

    【关键操作】 ：取消你需要的配置行的注释（删除行首的 # ），并为每个密码和Token设置 强密码 。例如，生成一个强Token用于InfluxDB： 

    # 在Linux/macOS下，可以使用以下命令生成随机字符串作为Token
openssl rand -base64 32

    将输出结果填入 INFLUXDB_ADMIN_TOKEN 。其他密码也请务必修改，不要使用示例中的默认值。

  3. 创建必要的本地目录 （如果项目README未说明或你担心权限问题）： 

    mkdir -p data/influxdb data/grafana logs/mosquitto
# 如果config目录下的配置文件是示例，可能需要初始化
# 例如，初始化一个空的Mosquitto密码文件
touch config/mosquitto/passwd

4.2 一键启动与验证

  1. 启动所有服务 ： 

    docker-compose up -d

    -d 参数表示在后台运行。执行后，Docker会拉取镜像（如果本地没有），然后按顺序创建网络、卷、并启动所有容器。

  2. 查看服务状态 ： 

    docker-compose ps

    你应该看到所有服务的状态都是 Up 。如果某个服务是 Exit 或不断重启，需要查看日志排查。

  3. 验证服务可用性 ：

    • Mosquitto (MQTT Broker) ：使用 telnet 或 nc 快速测试1883端口是否开放。 
      nc -zv localhost 1883
      或者使用MQTT客户端工具（如 mosquitto_pub ）发布一条测试消息： 
      # 如果设置了用户名密码，需要添加 -u 和 -P 参数
mosquitto_pub -h localhost -t test/topic -m "Hello IoT Hub" -p 1883
    • InfluxDB ：打开浏览器，访问 http://localhost:8086 。你应该能看到InfluxDB的Web UI登录页面。使用 .env 中设置的 admin 用户名和 INFLUXDB_ADMIN_PASSWORD 密码登录。
    • Grafana ：打开浏览器，访问 http://localhost:3000 。使用 admin 用户名和 .env 中设置的 GRAFANA_ADMIN_PASSWORD 密码登录。

  4. 配置Grafana数据源（如果未自动配置） ： 登录Grafana后，进入 Configuration -> Data Sources 。点击 Add data source ，选择 InfluxDB 。

    • URL : http://influxdb:8086 （注意，这里用的是Docker网络内部的服务名，不是localhost）
    • Auth : 勾选 Basic auth ， 用户填 admin ，密码填 INFLUXDB_ADMIN_PASSWORD 。
    • InfluxDB Details :
      • Organization : iot-org (与 .env 或 docker-compose.yml 中设置一致)
      • Token : 填入 INFLUXDB_ADMIN_TOKEN
      • Default Bucket : iot-bucket 点击 Save & Test ，应该显示“Data source is working”的成功信息。

4.3 模拟数据流测试

现在，整个管道已经就绪。我们可以用项目自带的脚本或自己写一个简单的脚本来测试从“设备”到“可视化”的完整流程。

假设 scripts/ 目录下有一个 device-simulator.py 脚本，它使用 paho-mqtt 库模拟温度传感器数据。

  1. 运行模拟器 （确保已安装Python和paho-mqtt）： 

    cd scripts
pip install paho-mqtt  # 如果尚未安装
python device-simulator.py

    这个脚本可能会每秒向MQTT主题（如 sensors/temperature/device01 ）发布一个随机的温度读数。

  2. 创建Telegraf配置（如果使用Telegraf采集） ： 更常见的做法是使用 Telegraf 作为数据采集器。 io-tooling-hub 很可能也包含了它。Telegraf 可以订阅MQTT主题，并将数据写入InfluxDB。你需要配置 telegraf.conf 中的 [[inputs.mqtt_consumer]] 和 [[outputs.influxdb_v2]] 部分，指向你的Mosquitto和InfluxDB服务。

  3. 在Grafana中创建仪表盘 ：

    • 在Grafana中，点击 Create -> Dashboard -> Add new panel 。
    • 在查询编辑器里，选择刚才配置的InfluxDB数据源。
    • 在Flux或InfluxQL查询中，编写查询语句，例如： 
      // InfluxQL 示例
SELECT mean("value") FROM "temperature" WHERE time > now() - 1h GROUP BY time(10s), "device_id"

      // Flux 示例
from(bucket: "iot-bucket")
  |> range(start: -1h)
  |> filter(fn: (r) => r._measurement == "temperature")
  |> aggregateWindow(every: 10s, fn: mean)
    • 设置好图表类型（如Time series），调整样式，保存仪表盘。

如果一切顺利，你将在Grafana图表上看到实时更新的模拟温度数据曲线。至此，一个完整的、容器化的物联网开发与测试环境就搭建并验证成功了。

5. 常见问题与排查技巧实录

即使有了如此集成的项目，在实际操作中依然会遇到各种问题。下面是我在多次使用类似工具集时踩过的坑和总结的排查思路。

5.1 容器启动失败与日志查看

问题现象 ：执行 docker-compose up -d 后， docker-compose ps 显示某个容器状态为 Exit (1) 或不断重启 ( Restarting )。

排查步骤：

  1. 查看该容器日志 ：这是最直接有效的方法。 
    docker-compose logs <service_name>  # 例如 docker-compose logs influxdb
# 或者查看最后50行日志
docker-compose logs --tail 50 <service_name>
# 或者实时跟踪日志
docker-compose logs -f <service_name>
  2. 常见日志错误与解决 ：
    • 权限拒绝 (Permission denied) ：通常出现在挂载卷时。例如，InfluxDB容器内的进程以非root用户运行，但宿主机上的 ./data/influxdb 目录所有者是root。 解决 ：在宿主机上修改目录权限，或者确保在启动容器前创建了该目录（Docker会以容器内用户需要的权限创建）。 
      sudo chown -R 1000:1000 ./data/influxdb  # 1000是常见非root用户ID，具体需查镜像文档
    • 配置文件错误 ：Mosquitto或InfluxDB的配置文件语法错误。 解决 ：仔细检查 config/ 目录下对应的配置文件，可以使用工具的校验命令（如 mosquitto -c config/mosquitto.conf --test ）或在容器内手动测试。
    • 端口冲突 ：宿主机上的1883、8086、3000端口已被其他程序占用。 解决 ：修改 docker-compose.yml 中 ports 映射的宿主机端口（如 - "1884:1883" ），或者停止占用端口的程序。
    • 环境变量未设置 ：在 docker-compose.yml 中引用了 ${MY_PASSWORD} ，但 .env 文件中没有定义或拼写错误。 解决 ：检查 .env 文件，确保变量名一致，且已取消注释。

5.2 服务间网络不通

问题现象 ：Grafana无法连接InfluxDB，或者Telegraf无法连接Mosquitto，错误提示是“连接被拒绝”或“无法解析主机名”。

排查步骤：

  1. 确认网络存在 ： 
    docker network ls
    查看是否存在 io-tooling-hub_iot-network 或你自定义的网络。
  2. 确认容器在同一网络 ： 
    docker network inspect io-tooling-hub_iot-network
    在输出的 Containers 部分，检查所有相关容器是否都在列表中。
  3. 从容器内部进行网络测试 ： 
    # 进入grafana容器内部
docker-compose exec grafana bash
# 在容器内尝试ping或curl influxdb服务
ping influxdb
curl -v http://influxdb:8086/ping
    如果 ping 不通，说明网络配置有问题。如果 ping 通但 curl 失败，可能是InfluxDB服务本身没启动或配置错误。
  4. 检查Docker Compose文件 ：确保所有服务都通过 networks 指令加入了同一个自定义网络。如果使用默认网络，服务间通信应使用Compose项目名作为前缀，如 iot-tooling-hub-influxdb-1 ，不如自定义网络直观。

5.3 数据持久化失败

问题现象 ：停止并移除容器后（ docker-compose down ），再次启动，之前存入InfluxDB的数据或Grafana的仪表盘配置全部丢失。

排查步骤：

  1. 确认卷挂载配置 ：检查 docker-compose.yml ，确保InfluxDB和Grafana的服务配置了 volumes ，将容器内数据目录（如 /var/lib/influxdb2 , /var/lib/grafana ）映射到了宿主机的 ./data 目录下。
  2. 检查宿主机目录 ：确认 ./data/influxdb 和 ./data/grafana 目录在宿主机上存在，并且容器有写入权限。启动后，可以查看这些目录下是否有文件生成。
  3. 小心使用 docker-compose down -v ： -v 参数会 删除 所有在Compose文件中声明的匿名卷（以及命名卷，如果指定了的话）。 绝对不要在生产环境或想保留数据时使用这个命令！ 标准的 docker-compose down 只会停止容器，不会删除卷，数据是安全的。

5.4 性能问题与资源限制

问题现象 ：当模拟大量设备或处理高频数据时，系统变慢，甚至容器崩溃。

排查与优化：

  1. 监控资源使用 ：使用 docker stats 命令查看各容器的CPU、内存使用情况。
  2. 调整Docker资源限制 ：在 docker-compose.yml 中，可以为每个服务设置资源限制和预留。 
    services:
  influxdb:
    # ...
    deploy: # 注意：在Compose v3+中，resources 通常在 deploy 下
      resources:
        limits:
          cpus: '1.0'   # 最多使用1个CPU核心
          memory: 2G    # 最多使用2GB内存
        reservations:
          cpus: '0.5'
          memory: 1G
    或者使用旧式语法（取决于Compose版本）： 
        mem_limit: 2g
    mem_reservation: 1g
    cpus: '1.0'
  3. 优化服务配置 ：
    • InfluxDB ：调整 influxdb.conf 中的 cache-max-memory-size , storage-cache-max-memory-size 等参数。
    • Mosquitto ：调整 mosquitto.conf 中的 max_connections , persistent_client_expiration 等。
    • 系统层面 ：确保宿主机有足够的Swap空间，并为Docker引擎分配足够的资源（在Docker Desktop设置或Linux的 /etc/docker/daemon.json 中配置）。

5.5 安全加固建议

默认的 io-tooling-hub 配置为了方便快速启动，安全设置可能比较宽松。用于生产环境或暴露在公网前，务必进行加固：

  1. 修改所有默认密码和Token ：这已经在 .env 配置中强调，是第一步也是最重要的一步。
  2. Mosquitto认证 ：务必启用并配置 config/mosquitto/passwd 文件。可以使用 mosquitto_passwd 命令创建密码文件。 
    docker-compose exec mosquitto mosquitto_passwd -b /mosquitto/config/passwd my_user my_strong_password
    然后在 mosquitto.conf 中设置 allow_anonymous false 并指定 password_file 。
  3. InfluxDB TLS/SSL ：为InfluxDB的HTTP API启用TLS加密通信。
  4. Grafana安全 ：在Grafana配置中强制使用HTTPS，设置严格的用户权限，禁用未使用的数据源和插件。
  5. 网络隔离 ：不要将MQTT Broker（Mosquitto）的端口（1883）直接暴露给公网。应该通过具有身份验证和反代功能的Web服务器（如Nginx）或使用VPN/私有网络来访问。对于前端需要WebSocket连接的情况，同样需要通过安全的反向代理。
  6. 定期更新镜像 ：定期检查并更新 docker-compose.yml 中的镜像标签到最新稳定版，以获取安全补丁。可以使用 docker-compose pull 拉取新镜像，然后 docker-compose up -d 重启服务。

通过这套工具集，你获得的不只是一个能运行的环境，更是一个可维护、可扩展、符合现代运维实践的物联网开发基础设施模板。理解其每一部分的构成和原理，能让你在遇到问题时快速定位，也能根据自己项目的特定需求进行定制和扩展。

Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区