Python跑IoT边缘数据采集：3种方案实测，别拿重型框架瞎凑数

偶然

2026-9-15 / 0 评论 / 4 阅读

09/15

你用Python跑树莓派、边缘工控机做传感器数据采集时，是不是经常碰到选的工具要么占内存太高跑俩礼拜就死机，要么实时性不够漏采关键数据？

实测参数不玩虚的

我在树莓派4B（1G内存版）上，用同样10Hz采样率读Modbus温湿度传感器，连续跑24小时测了三种最常用实现方案的稳定数据：

原生串口/网口轮询：CPU占用稳定在2%-3%，常驻内存11M，自行实现异常捕获的前提下丢包率约0.2%，无第三方多余依赖。
Paho-MQTT + PySerial组合：CPU占用7%-9%，常驻内存26M，自带QoS消息重传，丢包率<0.01%，端到端上报延时12-35ms。
EdgeX Python SDK：CPU占用21%-25%，常驻内存118M，内置多协议适配、规则引擎、设备自动发现，丢包率为0但冷启动耗时超过8秒。

选对方案不浪费性能

不存在通吃所有场景的最优方案，按自己的需求对号入座就行：

做电池供电的野外低功耗采集节点，比如森林防火、农田监测的单点设备，直接选原生轮询方案，少装一个依赖就多一周续航，核心代码甚至可以短到十几行：

import serial, time
ser = serial.Serial('/dev/ttyUSB0', 9600, timeout=1)
while True:
    if data := ser.readline().strip():
        with open('data.log', 'a') as f:
            f.write(f'{int(time.time()*1000)},{data.decode()}\n')
    time.sleep(0.1)

50个节点以内的小型设备集群，需要稳定上报云端，选Paho-MQTT+PySerial组合就行，生态成熟踩坑资料多，不用自己写消息重传、离线缓存逻辑，开发效率高。
中大型工业网关场景，需要同时接Modbus、OPC UA、CAN等多类协议，还要做本地阈值告警、数据预处理，再考虑用EdgeX这类重型框架。