Die folgenden Schritte erfordern ein Smartphone mit installierter Blynk-App für Android oder iOX. Im ersten Teil möchten wir unsere Umwelt-Daten in Echtzeit auf dem Smartphone visualisieren. Dazu sind folgende Schritte nötig:

1. Registrierung: In der Blynk-App registrieren. Unsere Zugangsberechtigung (Auth-Token) wir an die angegebene Adresse gesendet. Dieses Token benötigen wir, um unser Ardublock-Programm später bei Blynk zu autorisieren.

2. Projekt anlegen: Über +Nwe Projekt erstellen wir eine neue Anwendung (hier IoT-Werkstatt) und wählen den esp8266 als Grundlage. Die von Blynk angebotene ZIP-Datei mit dem Arduino-Code für den ESP8266 benötigen wir nicht - wir wollen unseren Zugang ja grafisch mit Ardublock gestalten. Nach Erstellung (Create) gelangen wir auf eine Arbeitsoberfläche zu Konfiguration unserer Visualisierung. Ein Klick auf den Arbeitsbereich öffnet uns die Widget-Box zur Auswahl der zur Verfügung stehenden grafischen Objekte. Die kostenfreie Version bietet eine limitiere Anzahl gleichzeitig nutzbarer Objekte. Zu Kontrolle dient der Energielevel. Unser kostenfreies Budget beträgt 2000 Einheiten, jedes Grafikobjekt verbraucht eine bestimmte Anzahl Einheiten.

3. SuperChart konfigurieren: Als erstes Element der Widget-Box wählen wir die Echtzeit-Trendgrafik. Hier können wir verschiedene Kanäle konfigurieren. Dazu tippen wir in der Arbeitsoberfläche auf die Trendgrafik und belegen den ersten Kanal (Datastream) mit der Größe "Temperatur" und der Einheit "Grad Celsius". Im Konfigurationsfeld rechts neben dem Kanalnamen gelangen wir zur Konfiguration der Virtuellen Pins. Unser Ardublock kommuniziert später über diese Pins mit der Blynk-App. Hier wählen wir einen virtuellen Pin und die Pin-Nummer V0.

4. Link zum Ardublock-Programm: Im IoT-Ardublock wählen wir das Element "virtualWrite" aus dem Modulbaukasten zum Blynk-Protokoll. An dieses Element docken wir unseren BME-Umweltsensor an und konfigurieren auch hier den virtuellen Pin 0. Das Vorgehen wiederholen wir unter Verwendung weiterer virtuellen Pins für alle vier Kanäle im SuperChart und im Ardublock. Damit kann der Octopus Messwerte in die entsprechenden Streams der Trendgrafik einspielen.

5. Autorisierung: Als letztes müssen wir uns im Setup unseres Programms noch beim Blynk-Server autorisieren. Dazu verwenden wir das Auth-Token aus der email (Cut & Paste).

6. Echtzeit Anwendung: Nach upload unseres Programms meldet sich der Octopus bei Blynk an uns sendet zyklisch neue Messwerte, die ab sofort direkt am Smartphone sichtbar sind.

7. Noch ein Grafikobjekt zur Anzeige: Weil es so einfach funktioniert, wählen wir gleich noch ein weiteres Anzeigeobjekt für die Temperatur aus. Ein Messgerät (Gauge) lässt sich analog zum SuperChart konfiguieren. Wichtig ist hier, bei der Auswahl des virtuellen Pinsd V0 auch die physikalisch sinnvollen Grenzen (z.B. 10-50 Grad) einzugeben.

Im zweiten Teil der Praxisübung möchten wir zuerst unser Neopixel per virtuellen Schalter an- und ausschalten.

1. Blynk-Schalter konfigurieren: Widget-Box öffnen und einen Schalter (Button) auswählen. Auf dem Arbeitsfeld lässt sich die Größe des erzeugten Grafikobjekts noch anpassen. Ein Klick auf den zukünftigem Schalter führt uns in die Konfiguration. Hier entscheiden wir uns für die Schalterfunktion (Switch) auf dem virtuellen Pin V11. Je nach Schalterstellung sendet Blynk fortan eine  0 oder eine 1 über diesen Datenstream.

2. Korrespondierender IoT-Superblock: Im Setup platzieren wir ein virtualRead-Element aus dem Modulbaukasten des Blynk-Protokolls. Dieses Programmelement überwacht fortan den virtuellen Pin V11. Bei jeder Zustandsänderung sendet Blynk eine Nachricht (Payload) an die  Callbackfunktion dieses Elements. Im vorliegenden Fall ist das eine Ganzzahlgrößen (Payload Integer), die wir mittels Fallunterscheidung auswerten und das Neopixel entsprechend schalten. 

3. Echtzeitbetrieb: Nach upload des Programmes sind wir in der Lage, das Neopixels mittels Smartphone komfortabel fernzusteuern.

Auch die Farbe des Neopixels lässt sich bequem per Finger auf dem Touchscreen einstellen:

1. Blynk - zeRGBa konfigurieren: Ein Grafikobjekt mit der Silhouette eines Zebras ermöglicht die Positionierung unserer Neopixel LED im RGB Farbraum. Dazu konfigurieren wir drei virtuelle Kanäle (V13,V14,V15), je einen für die Grundfarben rot, grün, blau.

2. IoT-Superblock konfigurieren: Auch hier verwenden wir wieder den virtualRead für jeden Kanal. Um die drei Farbwerte gleichzeitig zu verwalten nutzen wir drei Variablen, für jede Grundfarbe eine. Im Falle einer Änderung wird im Callback die Farbintensität des entsprechenden virtuellen Pins in der Variable vermerkt und ein kleines Unterprogramm zur Ausgabe der kompletten Farbinformation an das Neopixel aufgerufen. Der Vorteil des Unterprogramms: Hier können wir gleich mehrere Neopixel oder Anzeigen gleichzeitig verwalten, ohne das Programm unübersichtlich werden zu lassen.

3. Echtzeitbetrieb: Nach upload des Programms können wir die Farbe des Neopixels verändern.

Natürlich können wir auch alle vier verwendeten Blynk-Grafikobjekte gleichzeitig betreiben. Auf der Octopus-Seite kombinieren wir dazu alle Superblöcke zu einem umfangreichen Programm. Ein entsprechendes Ardublock-Programm findet sich hier.

Andere Zykluszeiten

Wollen wir der langsamen Dynamik unserer Umweltdaten Rechnung tragen und die Zykluszeit vergrößern, so stellen wir gleichzeitig eine Verlängerung der Reaktionszeit bei der Neopixelsteuerung fest. Schauen wir unter die Motorhaube in den den C-Code unseres Programms, so sehen wir, dass die Callback-Funktionen durch Aufruf eines Aufrufs von Blynk.run() erfolgt. Dieser Aufruf in der Loop wird durch unsere delay-Funktion ggf. unzulässig verlangsamt, mit der Folge, dass unser Neopixel dann eine längere Reaktionszeit besitzt. Abhilfe schafft eine Fallunterscheidung, die das Update der Umweltmessdaten nicht in jedem Durchlauf der Loop durchführt. Ein Beispiel findet sich hier.