别瞎调网络参数！Python写IoT边缘AI采集脚本的实操经验

很多人写Python版IoT边缘采集+轻量AI推理节点，一遇到上报延迟、偶发丢包就去乱调MQTT的keepalive、QoS参数，折腾半个月才发现问题全在业务逻辑的细节里。

采集推理逻辑别阻塞上报线程

• 传感器读取、TFLite微模型推理全丢进独立守护线程，主线程只负责MQTT连接维护和数据发送；缓存队列长度设为5即可，满了直接丢弃最旧的缓存，避免堆积占满内存。
• Linux环境下可通过os.sched_setscheduler把上报线程优先级设为比采集线程高1级，用SCHED_FIFO调度策略，避免CPU高负载时上报任务被挤占。

MQTT参数别照搬网上默认配置

• 电池供电的低功耗场景，keepalive不要用默认60秒，直接设为120秒，每次发完数据留200ms socket等待时间再判断是否断连，实测能省30%以上信令功耗。
• QoS等级不用无脑设1：常规温湿度、状态类上报用QoS0即可，只有异常告警类数据走QoS1，避免网络波动时重传队列占满内存。

from queue import Queue
import threading
# 缓存队列，最多存5条待上报数据
data_queue = Queue(maxsize=5)
# 采集推理线程
def collect_worker():
    while True:
        raw = sensor.read()
        # 跑TFLite微模型推理
        infer_result = tflite_model.predict(raw)
        if data_queue.full():
            data_queue.get() # 丢弃最旧数据避免堆积
        data_queue.put((raw, infer_result))
threading.Thread(target=collect_worker, daemon=True).start()

重连逻辑别做过长等待

• 断连重连不要用拉满到30秒的指数退避，前3次重连间隔设为1秒、2秒、3秒，之后固定5秒间隔即可，过长的等待时间会导致异常场景下数据断供太久。

以上参数和逻辑调整后，我在树莓派Zero、ESP32-S3（MicroPython）场景下实测，端到端上报延迟稳定在200ms以内，连续运行30天内存占用波动不超过5MB。