AIoT智慧養殖實戰：整合Django、Spark與AI模型進行水質異常預警

智慧生活科技專業社群｜物聯網 × 大數據 × AIoT 系列（七）

前一篇我們讓 Spark Structured Streaming 的水質統計顯示在 Django Dashboard。本篇要再往前走一步：利用機器學習找出不尋常的水質變化，並將結果顯示在網頁上。

情境以智慧養殖池為例，數據均為教學模擬資料，並非水井村實際量測或經驗證的養殖安全門檻。

PySpark進階實戰：從MQTT感測資料到Spark Structured Streaming即時水質分析

從物聯網到大數據系列・第四篇

前面我們已學會使用Pandas整理智慧養殖資料，也用PySpark進行批次統計。但養殖池的水溫、pH與溶氧不會等到每天晚上才變化：感測器可能每幾秒就送出一筆數據。如何讓系統持續接收、分析並產生預警？這就是本篇的學習目標。

本篇以模擬養殖池資料示範 MQTT → Python橋接器 → JSON檔案 → Spark Structured Streaming → 統計與警示。先在一台電腦完成，再逐步替換成ESP32等真實設備。