OpenTwins Linux 离线环境部署指南

本文档参考 OpenTwins 官方文档，提供 Linux 离线环境下的完整部署指南。

一、部署概述

1.1 离线部署挑战

离线环境部署需要提前准备：

所有必需的 Docker 镜像
Helm Charts 及其依赖
二进制安装包（kubectl、helm、docker 等）
相关配置文件和脚本

1.2 部署架构

1离线服务器
2├── Docker 容器运行时
3├── Kubernetes 集群（单节点或多节点）
4├── Helm 包管理器
5└── OpenTwins 平台组件
6    ├── Eclipse Ditto（数字孪生核心）
7    ├── Mosquitto（MQTT 消息代理）
8    ├── InfluxDB（时序数据库）
9    ├── Grafana（数据可视化）
10    └── OpenTwins Frontend（Web 界面）

1.3 系统要求

硬件要求

CPU: 4 核心或以上
内存: 8GB RAM（最低），推荐 16GB
磁盘: 至少 40GB 可用空间
网络: 离线环境，需要内网连接

软件要求

操作系统: CentOS 7/8、RHEL 7/8、Ubuntu 18.04/20.04/22.04、Debian 10/11
内核版本: 3.10+
SELinux: 可选关闭或配置

二、准备阶段（联网环境）

重要

此阶段需要在有互联网连接的机器上完成，准备好所有资源后传输到离线环境。

2.1 创建资源目录结构

bash

1mkdir -p /opt/opentwins-offline/{binaries,images,charts,scripts}
2cd /opt/opentwins-offline

2.2 下载二进制文件

下载 Docker

bash

1# CentOS/RHEL
2wget https://download.docker.com/linux/centos/7/x86_64/stable/Packages/docker-ce-20.10.24-3.el7.x86_64.rpm
3wget https://download.docker.com/linux/centos/7/x86_64/stable/Packages/docker-ce-cli-20.10.24-3.el7.x86_64.rpm
4wget https://download.docker.com/linux/centos/7/x86_64/stable/Packages/containerd.io-1.6.21-3.1.el7.x86_64.rpm
5
6# Ubuntu/Debian
7wget https://download.docker.com/linux/ubuntu/dists/focal/pool/stable/amd64/docker-ce_20.10.24~3-0~ubuntu-focal_amd64.deb
8wget https://download.docker.com/linux/ubuntu/dists/focal/pool/stable/amd64/docker-ce-cli_20.10.24~3-0~ubuntu-focal_amd64.deb
9wget https://download.docker.com/linux/ubuntu/dists/focal/pool/stable/amd64/containerd.io_1.6.21-1_amd64.deb
10
11# 移动到 binaries 目录
12mv *.rpm *.deb binaries/

下载 kubectl

bash

1cd binaries
2# 下载 kubectl（选择合适的版本）
3curl -LO "https://dl.k8s.io/release/v1.28.0/bin/linux/amd64/kubectl"
4chmod +x kubectl

下载 Helm

bash

1cd binaries
2# 下载 Helm v3
3wget https://get.helm.sh/helm-v3.13.0-linux-amd64.tar.gz
4tar -xzf helm-v3.13.0-linux-amd64.tar.gz
5mv linux-amd64/helm ./
6rm -rf linux-amd64 helm-v3.13.0-linux-amd64.tar.gz
7chmod +x helm

下载 Minikube（用于单节点部署）

bash

1cd binaries
2curl -LO https://storage.googleapis.com/minikube/releases/latest/minikube-linux-amd64
3mv minikube-linux-amd64 minikube
4chmod +x minikube

2.3 下载 Helm Charts

bash

1cd /opt/opentwins-offline/charts
2
3# 添加 Helm 仓库
4helm repo add ertis https://ertis-research.github.io/Helm-charts/
5helm repo update
6
7# 下载 OpenTwins Chart 及其依赖
8helm pull ertis/OpenTwins --untar
9helm dependency update OpenTwins/
10
11# 打包所有 charts
12helm package OpenTwins/
13
14# 下载依赖的 charts（如果需要）
15# 根据 OpenTwins/Chart.yaml 中的依赖列表下载

2.4 导出 Docker 镜像

创建镜像列表文件 images-list.txt：

bash

1cd /opt/opentwins-offline/images
2cat > images-list.txt << 'EOF'
3# Eclipse Ditto 组件
4eclipse/ditto-policies:latest
5eclipse/ditto-things:latest
6eclipse/ditto-things-search:latest
7eclipse/ditto-gateway:latest
8eclipse/ditto-connectivity:latest
9eclipse/ditto-concierge:latest
10nginx:alpine
11
12# MongoDB（Ditto 使用）
13mongo:4.4
14
15# Mosquitto MQTT
16eclipse-mosquitto:2.0
17
18# InfluxDB
19influxdb:2.7
20
21# Grafana
22grafana/grafana:latest
23
24# OpenTwins Frontend
25# 需要查看 Helm Chart values.yaml 确认具体镜像
26
27# Kubernetes 基础组件（如果使用 minikube）
28registry.k8s.io/pause:3.9
29registry.k8s.io/kube-apiserver:v1.28.0
30registry.k8s.io/kube-controller-manager:v1.28.0
31registry.k8s.io/kube-scheduler:v1.28.0
32registry.k8s.io/kube-proxy:v1.28.0
33registry.k8s.io/etcd:3.5.9-0
34registry.k8s.io/coredns/coredns:v1.10.1
35
36# Storage provisioner（如果使用）
37k8s.gcr.io/storage-provisioner:v5
38EOF

下载并保存镜像：

bash

1cd /opt/opentwins-offline/images
2
3# 创建镜像下载脚本
4cat > pull-images.sh << 'EOF'
5#!/bin/bash
6while IFS= read -r image; do
7    # 跳过注释和空行
8    [[ "$image" =~ ^#.*$ ]] && continue
9    [[ -z "$image" ]] && continue
10    
11    echo "正在拉取镜像: $image"
12    docker pull "$image"
13    
14    # 保存镜像
15    image_file=$(echo "$image" | sed 's/[\/:]/_/g').tar
16    echo "正在保存镜像到: $image_file"
17    docker save -o "$image_file" "$image"
18done < images-list.txt
19
20echo "所有镜像已下载并保存完成"
21EOF
22
23chmod +x pull-images.sh
24./pull-images.sh

2.5 创建部署脚本

离线安装脚本

bash

1cd /opt/opentwins-offline/scripts
2
3cat > 01-install-docker.sh << 'EOF'
4#!/bin/bash
5set -e
6
7echo "========================================"
8echo "开始安装 Docker"
9echo "========================================"
10
11# 检测操作系统
12if [ -f /etc/os-release ]; then
13    . /etc/os-release
14    OS=$ID
15else
16    echo "无法检测操作系统"
17    exit 1
18fi
19
20cd /opt/opentwins-offline/binaries
21
22case $OS in
23    centos|rhel)
24        echo "在 CentOS/RHEL 上安装 Docker"
25        sudo yum install -y *.rpm
26        ;;
27    ubuntu|debian)
28        echo "在 Ubuntu/Debian 上安装 Docker"
29        sudo dpkg -i *.deb
30        sudo apt-get install -f -y
31        ;;
32    *)
33        echo "不支持的操作系统: $OS"
34        exit 1
35        ;;
36esac
37
38# 启动 Docker
39sudo systemctl start docker
40sudo systemctl enable docker
41
42# 验证安装
43docker --version
44
45echo "Docker 安装完成"
46EOF
47
48chmod +x 01-install-docker.sh

bash

1cat > 02-load-images.sh << 'EOF'
2#!/bin/bash
3set -e
4
5echo "========================================"
6echo "开始加载 Docker 镜像"
7echo "========================================"
8
9cd /opt/opentwins-offline/images
10
11for tar_file in *.tar; do
12    echo "正在加载: $tar_file"
13    docker load -i "$tar_file"
14done
15
16echo "镜像加载完成"
17docker images
18EOF
19
20chmod +x 02-load-images.sh

bash

1cat > 03-install-kubectl-helm.sh << 'EOF'
2#!/bin/bash
3set -e
4
5echo "========================================"
6echo "安装 kubectl 和 Helm"
7echo "========================================"
8
9cd /opt/opentwins-offline/binaries
10
11# 安装 kubectl
12sudo cp kubectl /usr/local/bin/
13sudo chmod +x /usr/local/bin/kubectl
14
15# 安装 helm
16sudo cp helm /usr/local/bin/
17sudo chmod +x /usr/local/bin/helm
18
19# 验证安装
20kubectl version --client
21helm version
22
23echo "kubectl 和 Helm 安装完成"
24EOF
25
26chmod +x 03-install-kubectl-helm.sh

bash

1cat > 04-setup-minikube.sh << 'EOF'
2#!/bin/bash
3set -e
4
5echo "========================================"
6echo "设置 Minikube Kubernetes 集群"
7echo "========================================"
8
9cd /opt/opentwins-offline/binaries
10
11# 安装 minikube
12sudo cp minikube /usr/local/bin/
13sudo chmod +x /usr/local/bin/minikube
14
15# 启动 minikube（使用 Docker 驱动，离线模式）
16minikube start \
17    --cpus 4 \
18    --memory 8192 \
19    --disk-size 40gb \
20    --driver=docker \
21    --image-mirror-country=cn \
22    --base-image="gcr.io/k8s-minikube/kicbase:v0.0.42"
23
24# 配置 kubectl
25kubectl config use-context minikube
26
27# 验证集群
28kubectl cluster-info
29kubectl get nodes
30
31echo "Minikube 集群设置完成"
32EOF
33
34chmod +x 04-setup-minikube.sh

bash

1cat > 05-deploy-opentwins.sh << 'EOF'
2#!/bin/bash
3set -e
4
5echo "========================================"
6echo "部署 OpenTwins 平台"
7echo "========================================"
8
9cd /opt/opentwins-offline/charts
10
11# 创建本地 Helm 仓库
12helm repo add local file://$(pwd)
13helm repo update
14
15# 安装 OpenTwins
16helm upgrade --install opentwins ./OpenTwins-*.tgz \
17    --wait \
18    --timeout 20m \
19    --set global.imageRegistry="" \
20    --set global.imagePullPolicy=IfNotPresent
21
22# 等待所有 Pod 就绪
23echo "等待所有 Pod 启动..."
24kubectl wait --for=condition=ready pod --all --timeout=600s
25
26# 显示部署状态
27kubectl get pods
28kubectl get services
29
30echo "========================================"
31echo "OpenTwins 部署完成！"
32echo "========================================"
33EOF
34
35chmod +x 05-deploy-opentwins.sh

bash

1cat > 06-port-forward.sh << 'EOF'
2#!/bin/bash
3
4echo "========================================"
5echo "设置端口转发"
6echo "========================================"
7
8# 获取 Pod 名称
9FRONTEND_POD=$(kubectl get pods -l app=opentwins-frontend -o jsonpath='{.items[0].metadata.name}')
10GRAFANA_POD=$(kubectl get pods -l app=grafana -o jsonpath='{.items[0].metadata.name}')
11
12# 在后台启动端口转发
13echo "启动端口转发..."
14
15# OpenTwins 前端 - 端口 3000
16kubectl port-forward svc/opentwins-frontend 3000:80 > /dev/null 2>&1 &
17echo "OpenTwins 前端: http://localhost:3000"
18
19# Ditto nginx - 端口 8080
20kubectl port-forward svc/ditto-nginx 8080:8080 > /dev/null 2>&1 &
21echo "Ditto API: http://localhost:8080"
22
23# Mosquitto MQTT - 端口 1883
24kubectl port-forward svc/mosquitto 1883:1883 > /dev/null 2>&1 &
25echo "Mosquitto MQTT: localhost:1883"
26
27# Grafana - 端口 3001
28kubectl port-forward svc/grafana 3001:3000 > /dev/null 2>&1 &
29echo "Grafana: http://localhost:3001"
30
31echo "========================================"
32echo "端口转发已启动"
33echo "使用 'pkill -f port-forward' 停止所有转发"
34echo "========================================"
35EOF
36
37chmod +x 06-port-forward.sh

2.6 打包资源

bash

1cd /opt
2tar -czf opentwins-offline-package.tar.gz opentwins-offline/

将 opentwins-offline-package.tar.gz 传输到离线服务器。

三、离线环境部署

3.1 传输资源包

使用 USB 驱动器、内网文件传输或其他方式将资源包传输到离线服务器：

bash

1# 在离线服务器上
2cd /opt
3# 假设已经将 opentwins-offline-package.tar.gz 复制到此目录
4
5# 解压资源包
6tar -xzf opentwins-offline-package.tar.gz

3.2 执行安装

bash

1cd /opt/opentwins-offline/scripts
2
3# 步骤 1: 安装 Docker
4sudo ./01-install-docker.sh
5
6# 步骤 2: 加载 Docker 镜像
7sudo ./02-load-images.sh
8
9# 步骤 3: 安装 kubectl 和 Helm
10sudo ./03-install-kubectl-helm.sh
11
12# 步骤 4: 设置 Kubernetes 集群
13sudo ./04-setup-minikube.sh
14
15# 步骤 5: 部署 OpenTwins
16./05-deploy-opentwins.sh

3.3 验证部署

bash

1# 检查所有 Pod 状态
2kubectl get pods --all-namespaces
3
4# 检查服务
5kubectl get services
6
7# 查看 OpenTwins 组件
8kubectl get pods -l app.kubernetes.io/name=opentwins

3.4 设置访问

bash

1# 启动端口转发
2cd /opt/opentwins-offline/scripts
3./06-port-forward.sh
4
5# 或者使用 NodePort 服务（持久访问）
6kubectl patch svc opentwins-frontend -p '{"spec":{"type":"NodePort"}}'
7kubectl patch svc grafana -p '{"spec":{"type":"NodePort"}}'
8
9# 获取 NodePort
10kubectl get svc opentwins-frontend
11kubectl get svc grafana

四、配置 OpenTwins

4.1 访问 Web 界面

bash

1# 如果使用端口转发
2http://localhost:3000
3
4# 如果使用 NodePort
5http://<节点IP>:<NodePort>

4.2 配置 Ditto 连接

在 OpenTwins 界面中配置：
- Ditto nginx 地址: http://ditto-nginx:8080（集群内）或 http://localhost:8080（端口转发）
- Ditto Extended API: http://ditto-nginx:8080/api/ditto-extended

4.3 创建数字孪生

参考官方文档创建数字孪生的步骤与在线环境相同：

创建 Car 类型

json

1{
2    "thingId": "example:car",
3    "policyId": "default:basic_policy",
4    "attributes": {
5        "name": "Car",
6        "description": "数字孪生汽车示例",
7        "image": "https://images.pexels.com/photos/119435/pexels-photo-119435.jpeg"
8    },
9    "features": {
10        "gps": {
11            "properties": {
12                "latitude": null,
13                "longitude": null
14            }
15        }
16    }
17}

创建 Wheel 类型

json

1{
2    "thingId": "example:wheel",
3    "policyId": "default:basic_policy",
4    "attributes": {
5        "name": "Wheel",
6        "description": "车轮数字孪生",
7        "image": "https://images.pexels.com/photos/111766/pexels-photo-111766.jpeg"
8    },
9    "features": {
10        "velocity": {
11            "properties": {
12                "value": null
13            }
14        },
15        "direction": {
16            "properties": {
17                "value": null
18            }
19        }
20    }
21}

五、数据接入

5.1 准备 Python 环境

bash

1# 如果离线环境没有 Python，需要提前准备
2# 在联网环境下载 Python 和依赖包
3
4# 下载 paho-mqtt（联网环境）
5pip download paho-mqtt -d /opt/opentwins-offline/python-packages/
6
7# 在离线环境安装
8pip install --no-index --find-links=/opt/opentwins-offline/python-packages/ paho-mqtt

5.2 创建数据模拟器

创建 car_simulator.py：

python

1#!/usr/bin/env python3
2import paho.mqtt.client as mqtt
3import json
4import time
5import random
6
7# 配置参数
8MQTT_BROKER = "localhost"  # 或者 Kubernetes 节点 IP
9MQTT_PORT = 1883
10TOPIC_PREFIX = "ditto/"
11NAMESPACE = "example"
12CAR_NAME = "mycar"
13WHEEL_PREFIX = "mycar:wheel_"
14
15def on_connect(client, userdata, flags, rc):
16    if rc == 0:
17        print(f"已成功连接到 MQTT Broker: {MQTT_BROKER}:{MQTT_PORT}")
18    else:
19        print(f"连接失败，返回码: {rc}")
20
21def on_publish(client, userdata, mid):
22    print(f"消息 {mid} 已发布")
23
24# 初始化 MQTT 客户端
25client = mqtt.Client()
26client.on_connect = on_connect
27client.on_publish = on_publish
28
29try:
30    client.connect(MQTT_BROKER, MQTT_PORT, 60)
31    client.loop_start()
32except Exception as e:
33    print(f"MQTT 连接错误: {e}")
34    exit(1)
35
36def generate_wheel_data():
37    """生成车轮模拟数据"""
38    velocity = random.uniform(0.0, 120.0)
39    direction = random.uniform(-45.0, 45.0)
40    return velocity, direction
41
42def generate_gps_data():
43    """生成 GPS 模拟数据"""
44    # 模拟在某个区域内移动
45    base_lat, base_lon = 39.9042, 116.4074  # 北京天安门
46    latitude = base_lat + random.uniform(-0.01, 0.01)
47    longitude = base_lon + random.uniform(-0.01, 0.01)
48    return latitude, longitude
49
50def create_ditto_message(thing_id, features_update):
51    """创建 Ditto 协议消息"""
52    return {
53        "topic": f"{NAMESPACE}/{thing_id}/things/twin/commands/merge",
54        "headers": {
55            "content-type": "application/merge-patch+json"
56        },
57        "path": "/features",
58        "value": features_update
59    }
60
61def publish_car_data(timestamp, latitude, longitude):
62    """发布汽车数据"""
63    features = {
64        "gps": {
65            "properties": {
66                "latitude": latitude,
67                "longitude": longitude,
68                "timestamp": timestamp
69            }
70        }
71    }
72    message = create_ditto_message(CAR_NAME, features)
73    topic = f"{TOPIC_PREFIX}{NAMESPACE}/{CAR_NAME}"
74    client.publish(topic, json.dumps(message))
75    print(f"✓ {CAR_NAME}: GPS ({latitude:.6f}, {longitude:.6f})")
76
77def publish_wheel_data(wheel_num, timestamp, velocity, direction):
78    """发布车轮数据"""
79    thing_id = f"{WHEEL_PREFIX}{wheel_num}"
80    features = {
81        "velocity": {
82            "properties": {
83                "value": velocity,
84                "timestamp": timestamp
85            }
86        },
87        "direction": {
88            "properties": {
89                "value": direction,
90                "timestamp": timestamp
91            }
92        }
93    }
94    message = create_ditto_message(thing_id, features)
95    topic = f"{TOPIC_PREFIX}{NAMESPACE}/{thing_id}"
96    client.publish(topic, json.dumps(message))
97    print(f"✓ {thing_id}: 速度={velocity:.2f} km/h, 方向={direction:.2f}°")
98
99# 主循环
100print("="*60)
101print("数字孪生数据模拟器已启动")
102print("="*60)
103
104try:
105    iteration = 0
106    while True:
107        iteration += 1
108        timestamp = int(time.time() * 1000)
109        
110        print(f"\n--- 第 {iteration} 次数据更新 (时间戳: {timestamp}) ---")
111        
112        # 发布汽车数据
113        latitude, longitude = generate_gps_data()
114        publish_car_data(timestamp, latitude, longitude)
115        
116        # 发布四个车轮数据
117        for i in range(1, 5):
118            velocity, direction = generate_wheel_data()
119            publish_wheel_data(i, timestamp, velocity, direction)
120        
121        print(f"--- 完成，等待 5 秒... ---")
122        time.sleep(5)
123        
124except KeyboardInterrupt:
125    print("\n\n程序被用户中断")
126finally:
127    client.loop_stop()
128    client.disconnect()
129    print("已断开 MQTT 连接")

5.3 运行模拟器

bash

1chmod +x car_simulator.py
2python3 car_simulator.py

六、数据可视化

6.1 访问 Grafana

bash

1# 获取 Grafana 访问信息
2kubectl get svc grafana
3
4# 获取默认密码（如果使用了 secret）
5kubectl get secret grafana-admin-password -o jsonpath="{.data.password}" | base64 --decode

访问: http://localhost:3001 或 http://<节点IP>:<NodePort>

默认凭据:

用户名: admin
密码: 查看上述命令输出或 Helm values

6.2 配置 InfluxDB 数据源

登录 Grafana
导航到 Configuration → Data Sources
添加 InfluxDB 数据源：
- URL: http://influxdb:8086（集群内地址）
- Database: opentwins
- Query Language: Flux

6.3 创建仪表板

创建四个面板监控数字孪生数据：

面板 1: 当前 GPS 位置

flux

1import "strings"
2from(bucket: "opentwins")
3  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
4  |> filter(fn: (r) => r["_measurement"] == "mqtt_consumer")
5  |> filter(fn: (r) => r["thingId"] == "example:mycar")
6  |> filter(fn: (r) => r["_field"] == "value_gps_properties_latitude" or 
7                       r["_field"] == "value_gps_properties_longitude")
8  |> map(fn: (r) => ({ r with _field: strings.replace(v: r["_field"], 
9                                                        t: "value_gps_properties_", 
10                                                        u: "", i: 2) }))
11  |> keep(columns: ["_value", "_field", "_time"])
12  |> sort(columns: ["_time"], desc: false)  
13  |> last()

面板 2: GPS 轨迹

flux

1import "strings"
2from(bucket: "opentwins")
3  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
4  |> filter(fn: (r) => r["_measurement"] == "mqtt_consumer")
5  |> filter(fn: (r) => r["thingId"] == "example:mycar")
6  |> filter(fn: (r) => r["_field"] == "value_gps_properties_latitude" or 
7                       r["_field"] == "value_gps_properties_longitude")
8  |> map(fn: (r) => ({ r with _field: strings.replace(v: r["_field"], 
9                                                        t: "value_gps_properties_", 
10                                                        u: "", i: 2) }))
11  |> keep(columns: ["_value", "_field", "_time"])

面板 3: 车轮方向

flux

1import "strings"
2from(bucket: "opentwins")
3  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
4  |> filter(fn: (r) => r["_measurement"] == "mqtt_consumer")
5  |> filter(fn: (r) => strings.hasPrefix(v: r["thingId"], prefix: "example:mycar:wheel_"))
6  |> filter(fn: (r) => r["_field"] == "value_direction_properties_value")
7  |> map(fn: (r) => ({ r with thingId: strings.replace(v: r["thingId"], 
8                                                         t: "example:mycar:", 
9                                                         u: "", i: 2) }))
10  |> keep(columns: ["thingId", "_value", "_time"])
11  |> sort(columns: ["_time"], desc: false)  
12  |> last()

面板 4: 车轮速度对比

flux

1import "strings"
2from(bucket: "opentwins")
3  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
4  |> filter(fn: (r) => r["_measurement"] == "mqtt_consumer")
5  |> filter(fn: (r) => strings.hasPrefix(v: r["thingId"], prefix: "example:mycar:wheel_"))
6  |> filter(fn: (r) => r["_field"] == "value_velocity_properties_value")
7  |> map(fn: (r) => ({ r with thingId: strings.replace(v: r["thingId"], 
8                                                         t: "example:mycar:", 
9                                                         u: "", i: 2) }))
10  |> keep(columns: ["thingId", "_value", "_time"])

七、多节点集群部署（可选）

如果需要在多节点集群上部署（而非 minikube）：

7.1 准备集群节点

在所有节点上：

bash

1# 加载 Docker 镜像
2cd /opt/opentwins-offline/images
3for tar_file in *.tar; do
4    docker load -i "$tar_file"
5done

7.2 使用 kubeadm 部署集群

参考 Kubernetes 官方离线部署文档，或使用以下简化步骤：

bash

1# 主节点
2kubeadm init --pod-network-cidr=10.244.0.0/16
3
4# 配置 kubectl
5mkdir -p $HOME/.kube
6sudo cp -i /etc/kubernetes/admin.conf $HOME/.kube/config
7sudo chown $(id -u):$(id -g) $HOME/.kube/config
8
9# 工作节点加入
10# 在工作节点上执行主节点 init 输出的 join 命令
11kubeadm join <主节点IP>:6443 --token <token> --discovery-token-ca-cert-hash <hash>

7.3 部署网络插件（离线）

需要提前准备 CNI 插件镜像（如 Calico、Flannel）并加载到所有节点。

八、故障排除

8.1 镜像拉取失败

bash

1# 检查镜像是否已加载
2docker images
3
4# 手动加载缺失的镜像
5docker load -i /opt/opentwins-offline/images/<镜像文件>.tar

8.2 Pod 无法启动

bash

1# 查看 Pod 详情
2kubectl describe pod <pod-name>
3
4# 查看日志
5kubectl logs <pod-name>
6
7# 检查事件
8kubectl get events --sort-by='.lastTimestamp'

8.3 Helm 安装失败

bash

1# 查看详细日志
2helm upgrade --install opentwins ./OpenTwins-*.tgz --debug
3
4# 检查 values
5helm get values opentwins
6
7# 回滚
8helm rollback opentwins

8.4 MQTT 连接问题

bash

1# 检查 Mosquitto 服务
2kubectl get svc mosquitto
3kubectl logs <mosquitto-pod>
4
5# 测试 MQTT 连接（需要 mosquitto-clients）
6mosquitto_pub -h localhost -p 1883 -t "test" -m "hello"

8.5 数据未存储到 InfluxDB

bash

1# 检查 Ditto 连接状态
2kubectl logs <ditto-connectivity-pod>
3
4# 检查 InfluxDB
5kubectl exec -it <influxdb-pod> -- influx
6# 在 influx CLI 中
7> use opentwins
8> show measurements
9> select * from mqtt_consumer limit 10

九、性能优化

9.1 资源限制

编辑 Helm values 文件设置资源限制：

yaml

1resources:
2  limits:
3    cpu: 2000m
4    memory: 4Gi
5  requests:
6    cpu: 1000m
7    memory: 2Gi

9.2 持久化存储

配置 PersistentVolume 用于数据持久化：

yaml

1persistence:
2  enabled: true
3  storageClass: "local-storage"
4  size: 20Gi

9.3 高可用配置

增加副本数：

yaml

1replicaCount: 3

十、备份与恢复

10.1 备份数据

bash

1# 备份 InfluxDB
2kubectl exec <influxdb-pod> -- influxd backup /backup
3kubectl cp <influxdb-pod>:/backup ./influxdb-backup
4
5# 备份 MongoDB (Ditto 数据)
6kubectl exec <mongodb-pod> -- mongodump --out /backup
7kubectl cp <mongodb-pod>:/backup ./mongodb-backup
8
9# 备份 Kubernetes 配置
10kubectl get all --all-namespaces -o yaml > k8s-backup.yaml

10.2 恢复数据

bash

1# 恢复 InfluxDB
2kubectl cp ./influxdb-backup <influxdb-pod>:/backup
3kubectl exec <influxdb-pod> -- influxd restore /backup
4
5# 恢复 MongoDB
6kubectl cp ./mongodb-backup <mongodb-pod>:/backup
7kubectl exec <mongodb-pod> -- mongorestore /backup

十一、卸载

bash

1# 卸载 OpenTwins
2helm uninstall opentwins
3
4# 删除持久卷声明
5kubectl delete pvc --all
6
7# 停止 minikube
8minikube stop
9minikube delete
10
11# 清理 Docker 资源
12docker system prune -a

十二、参考资源

十三、高级功能

部署完成后，可以探索以下高级功能：

AI/ML 模型集成: 在数字孪生中集成机器学习模型
3D 可视化: 添加 3D 模型展示
FMI 仿真: 集成 FMU 功能模拟单元
边缘计算: 部署边缘节点进行分布式计算
访问控制: 配置 Eclipse Ditto 策略进行细粒度权限管理

文档说明

本文档基于 OpenTwins 官方快速入门指南编写，针对 Linux 离线环境进行了优化和扩展。最后更新：2025-10

重要提示

一、部署概述​

1.1 离线部署挑战​

1.2 部署架构​

1.3 系统要求​

硬件要求​

软件要求​

二、准备阶段（联网环境）​

2.1 创建资源目录结构​

2.2 下载二进制文件​

下载 Docker​

下载 kubectl​

下载 Helm​

下载 Minikube（用于单节点部署）​

2.3 下载 Helm Charts​

2.4 导出 Docker 镜像​

2.5 创建部署脚本​

离线安装脚本​

2.6 打包资源​

三、离线环境部署​

3.1 传输资源包​

3.2 执行安装​

3.3 验证部署​

3.4 设置访问​

四、配置 OpenTwins​

4.1 访问 Web 界面​

4.2 配置 Ditto 连接​

4.3 创建数字孪生​

创建 Car 类型​

创建 Wheel 类型​

五、数据接入​

5.1 准备 Python 环境​

5.2 创建数据模拟器​

5.3 运行模拟器​

六、数据可视化​

6.1 访问 Grafana​

6.2 配置 InfluxDB 数据源​

6.3 创建仪表板​

七、多节点集群部署（可选）​

7.1 准备集群节点​

7.2 使用 kubeadm 部署集群​

7.3 部署网络插件（离线）​

八、故障排除​

8.1 镜像拉取失败​

8.2 Pod 无法启动​

8.3 Helm 安装失败​

8.4 MQTT 连接问题​

8.5 数据未存储到 InfluxDB​

九、性能优化​

9.1 资源限制​

9.2 持久化存储​

9.3 高可用配置​

十、备份与恢复​

10.1 备份数据​

10.2 恢复数据​

十一、卸载​

十二、参考资源​

十三、高级功能​

评论

一、部署概述

1.1 离线部署挑战

1.2 部署架构

1.3 系统要求

硬件要求

软件要求

二、准备阶段（联网环境）

2.1 创建资源目录结构

2.2 下载二进制文件

下载 Docker

下载 kubectl

下载 Helm

下载 Minikube（用于单节点部署）

2.3 下载 Helm Charts

2.4 导出 Docker 镜像

2.5 创建部署脚本

离线安装脚本

2.6 打包资源

三、离线环境部署

3.1 传输资源包

3.2 执行安装

3.3 验证部署

3.4 设置访问

四、配置 OpenTwins

4.1 访问 Web 界面

4.2 配置 Ditto 连接

4.3 创建数字孪生

创建 Car 类型

创建 Wheel 类型

五、数据接入

5.1 准备 Python 环境

5.2 创建数据模拟器

5.3 运行模拟器

六、数据可视化

6.1 访问 Grafana

6.2 配置 InfluxDB 数据源

6.3 创建仪表板

七、多节点集群部署（可选）

7.1 准备集群节点

7.2 使用 kubeadm 部署集群

7.3 部署网络插件（离线）

八、故障排除

8.1 镜像拉取失败

8.2 Pod 无法启动

8.3 Helm 安装失败

8.4 MQTT 连接问题

8.5 数据未存储到 InfluxDB

九、性能优化

9.1 资源限制

9.2 持久化存储

9.3 高可用配置

十、备份与恢复

10.1 备份数据

10.2 恢复数据

十一、卸载

十二、参考资源

十三、高级功能