香橙派开发板4G-IOT,用python写个程序，安卓下可以实现远程控制控制开发板拨打电话，或wifi下载文件吗？

可以的，要实现远程控制，必须要有一台服务器作为消息交流媒介。
比如在同一个局域网内，香橙派搭建一个服务器1921681101:80,客户端安卓设备连接到该服务进行消息判断及响应对应代码。反之安卓设备搭建一个服务器1921681102:80，对客户端香橙派发来的消息进行判断及响应对应代码。
如果不在同一个局域网内，必须要有一个公网IP作为服务器 或 公网IP映射内网服务器。

Python是一种面向对象的解释型计算机程序设计语言，具有丰富和强大的库，所以常被称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起，是国内外众多企业使用的关键开发语言之一。python的创始人为Guido van Rossum，python的开发受到Modula-3语言的影响，python具有易读、可扩展、简洁等特点，被一些知名大学当做主要编程语言教授给学生。业内人士一般称python为高级动态编程语言，可以用于大规模软件开发。
Python的应用领域非常广泛，诸如后端开发、全栈开发、爬虫开发、人工智能、金融量化分析、大数据、物联网等，Python应用无处不在。Google、YouTube、豆瓣网等这些大型的知名网站都使用了Python完成核心代码的编写，可见Python的发展前景是不可估量的。
《互联网人才趋势白皮书》显示，虽然大批IT从业人员转型Python开发，但人工智能与大数据高速发展带来的大基数人才缺口，Python工程师短期内依然难以补缺。
如果你对爬虫、人工智能等方向感兴趣，就可以考虑学习python。欢迎加群612834526，交流最新的行业资讯，解答学习疑问，以便更好更快的入门。

软件工程师（Software Engineer），是从事软件职业的人员的一种职业能力的认证，通过它说明具备了工程师的资格。软件工程师是从事软件开发相关工作的人员的统称。通常人们会和程序员(英文Programmer)产生混淆，但其实是两种不同的性质。程序员是从事程序开发、维护的专业人员。一般将程序员分为程序设计人员和程序编码人员，但两者的界限并不非常清楚，特别是在中国。软件从业人员分为初级程序员、高级程序员、系统分析员，系统架构师，测试工程师五大类。
软件工程师的工作不同于程序员但是一个软件工程师必定是一个优秀的程序员。
首先软件工程师与程序员工作上最大的不同，可以打一个比喻：把一款软件比做一座大桥，那么软件工程师相当于施工总指挥，而一般的开发人员也就是程序员相当于建筑工人，所以很多人就说自己是IT民工就是这么来的。
想要成为一名优秀的软件开发工程师，就必须具备以下能力：
1、需求分析能力　
对于软件工程师而言，理解需求就可以完成合格的代码，但是对于研发项目的组织和管理者，他们不但要理解客户需求，更多时候还要自行制定一些需求。
2、项目设计方法和流程处理能力
软件开发工程师必须能够掌握不少于两到三种的项目设计方法，并能够根据项目需求和资源搭配来选择合适的设计方法进行项目的整体设计。
3、复用设计和模块化分解能力
作为一个从事模块任务的软件开发工程师，他需要对他所面对的特定功能模块的复用性进行考虑，而作为一个系统分析人员，他要面对的问题复杂的多，需要对整体系统按照一种模块化的分析能力分解为很多可复用的功能模块和函数，并针对每一模块形成一个独立的设计需求。

软件开发能给从业人员高薪，从成为很多人羡慕的岗位，就是因为技术的重要性。而这个技术，不仅包括基础入门技术，还要包括从业人员的问题处理能力、技术更新速度等等，换句话说，做软件开发需要技术人员一直处于学习的状态。
通常没有基础的人想要入行软件开发都要学习4-5个月，自学甚至有1年以上的。而学完能够上手工作后，还需要根据自己从事的岗位、所在的行业等进行技术的提升。
技术不能急于求成。

Python是目前公认的全球5大流行语言之一，从云计算、大数据到人工智能，Python无处不在，百度、阿里巴巴、腾讯等一系列大公司都在使用Python完成各种任务，Python发展如此迅猛，究竟有什么优势呢？
1 简单
Python采用极简主义设计思想，语法简单优雅，不需要很复杂的代码和逻辑，即可实现强大的功能，很适合初学者学习！
2 易学
Python学习简单、上手快，不需要面对复杂的语法环境，即可实现所需功能，学习曲线很低，可以通过命令行交互环境学习Python编程。
3 开源免费
Python所有内容都是开源免费的，可以直接下载安装使用，还可以对其源码进行修改，十分便捷！
4 自由内存管理
Python内存管理是自动完成的，Python开发人员仅需专注程序本身，无需关注内存管理。
5 跨平台、可移植性
Python具有良好的跨平台和可移植性能，可以被移植到大多数平台下面，如Windows、MacOS、Linux、Andorid和IOS等。
6 解释性
Python解释器可以把源代码转换成字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行，无需编译环节，可以减少编译过程的时耗，提高Python运行速度。
7 面向对象
Python既支持面向过程，又支持面向对象，这样编程更加灵活。
8 可扩展性
Python除了使用Python语言本身编写外，还可以混合使用C语言、Java语言编写。
9 丰富的第三方库
Python本身具有丰富强大的库，可以实现很多强大的功能。

1高效分布式
必须是高效的分布式系统。物联网产生的数据量巨大，仅中国而言，就有5亿多台智能电表，每台电表每隔15分钟采集一次数据，一天全国智能电表就会产生500多亿条记录。这么大的数据量，任何一台服务器都无能力处理，因此处理系统必须是分布式的，水平扩展的。为降低成本，一个节点的处理性能必须是高效的，需要支持数据的快速写入和快速查询。
2实时处理
必须是实时处理的系统。互联网大数据处理，大家所熟悉的场景是用户画像、推荐系统、舆情分析等等，这些场景并不需要什么实时性，批处理即可。但是对于物联网场景，需要基于采集的数据做实时预警、决策，延时要控制在秒级以内。如果计算没有实时性，物联网的商业价值就大打折扣。
3高可靠性
需要运营商级别的高可靠服务。物联网系统对接的往往是生产、经营系统，如果数据处理系统宕机，直接导致停产，产生经济有损失、导致对终端消费者的服务无法正常提供。比如智能电表，如果系统出问题，直接导致的是千家万户无法正常用电。因此物联网大数据系统必须是高可靠的，必须支持数据实时备份，必须支持异地容灾，必须支持软件、硬件在线升级，必须支持在线IDC机房迁移，否则服务一定有被中断的可能。
4高效缓存
需要高效的缓存功能。绝大部分场景，都需要能快速获取设备当前状态或其他信息，用以报警、大屏展示或其他。系统需要提供一高效机制，让用户可以获取全部、或符合过滤条件的部分设备的最新状态。
5实时流式计算
需要实时流式计算。各种实时预警或预测已经不是简单的基于某一个阈值进行，而是需要通过将一个或多个设备产生的数据流进行实时聚合计算，不只是基于一个时间点、而是基于一个时间窗口进行计算。不仅如此，计算的需求也相当复杂，因场景而异，应容许用户自定义函数进行计算。
6数据订阅
需要支持数据订阅。与通用大数据平台比较一致，同一组数据往往有很多应用都需要，因此系统应该提供订阅功能，只要有新的数据更新，就应该实时提醒应用。而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。
7和历史数据处理合二为一
实时数据和历史数据的处理要合二为一。实时数据在缓存里，历史数据在持久化存储介质里，而且可能依据时长，保留在不同存储介质里。系统应该隐藏背后的存储，给用户和应用呈现的是同一个接口和界面。无论是访问新采集的数据还是十年前的老数据，除输入的时间参数不同之外，其余应该是一样的。
8数据持续稳定写入
需要保证数据能持续稳定写入。对于物联网系统，数据流量往往是平稳的，因此数据写入所需要的资源往往是可以估算的。但是变化的是查询、分析，特别是即席查询，有可能耗费很大的系统资源，不可控。因此系统必须保证分配足够的资源以确保数据能够写入系统而不被丢失。准确的说，系统必须是一个写优先系统。
9数据多维度分析
需要对数据支持灵活的多维度分析。对于联网设备产生的数据，需要进行各种维度的统计分析，比如从设备所处的地域进行分析，从设备的型号、供应商进行分析，从设备所使用的人员进行分析等等。而且这些维度的分析是无法事先想好的，而是在实际运营过程中，根据业务发展的需求定下来的。因此物联网大数据系统需要一个灵活的机制增加某个维度的分析。
10支持数据计算
需要支持数据降频、插值、特殊函数计算等 *** 作。原始数据的采集可能频次挺高，但具体分析时，往往不需要对原始收据进行，而是数据降频之后。系统需要提供高效的数据降频 *** 作。设备是很难同步的，不同设备采集数据的时间点是很难对齐的，因此分析一个特定时间点的值，往往需要插值才能解决，系统需要提供线性插值、设置固定值等多种插值策略才行。工业互联网里，除通用的统计 *** 作之外，往往还需要支持一些特殊函数，比如时间加权平均。
11即席分析和查询
需要支持即席分析和查询。为提高大数据分析师的工作效率，系统应该提供一命令行工具或容许用户通过其他工具，执行SQL查询，而不是非要通过编程接口。查询分析的结果可以很方便的导出，再制作成各种图标。
12灵活数据管理策略
需要提供灵活的数据管理策略。一个大的系统，采集的数据种类繁多，而且除采集的原始数据外，还有大量的衍生数据。这些数据各自有不同的特点，有的采集频次高，有的要求保留时间长，有的需要多个副本以保证更高的安全性，有的需要能快速访问。因此物联网大数据平台必须提供多种策略，让用户可以根据特点进行选择和配置，而且各种策略并存。
13开放的系统
必须是开放的。系统需要支持业界流行的标准SQL，提供各种语言开发接口，包括C/C++，Java，Go，Python，RESTful等等，也需要支持Spark，R，Matlab等等，方便集成各种机器学习、人工智能算法或其他应用，让大数据处理平台能够不断扩展，而不是成为一个孤岛。
14支持异构环境
系统必须支持异构环境。大数据平台的搭建是一个长期的工作，每个批次采购的服务器和存储设备都会不一样，系统必须支持各种档次、各种不同配置的服务器和存储设备并存。
15支持边云协同
需要支持边云协同。要有一套灵活的机制将边缘计算节点的数据上传到云端，根据具体需要，可以将原始数据，或加工计算后的数据，或仅仅符合过滤条件的数据同步到云端，而且随时可以取消，更改策略。

---