ThingsBoard中处理数组类型遥测数据的完整解决方案
2025-05-12 23:40:05作者:房伟宁
背景介绍
在物联网应用中,设备经常会发送包含数组类型数据的遥测信息。ThingsBoard作为主流的物联网平台,其标准数据处理方式是将每个数据点作为独立的时间序列存储。但当设备发送的是数组形式的数据(如ADC采样值列表)时,直接存储会导致无法在仪表盘中正确展示图表。
问题现象
用户在使用ThingsBoard社区版3.9.0时遇到以下情况:
- 设备通过MQTT发送包含ADC_VAL数组的JSON数据
- 原始数据格式示例:
{"ADC_VAL": [0.01, -0.19, -0.2,...], "CH_NO": "0"}
- 直接存储后在仪表盘只能显示整个数组,无法绘制时序曲线
技术原理分析
ThingsBoard的时序数据库设计:
- 每个时间序列数据点需要独立的timestamp
- 仪表盘图表组件基于时间序列数据绘制
- 数组类型数据会被视为单一数据点存储
解决方案实现
通过规则链中的JavaScript转换节点,将数组拆分为独立数据点:
1. 规则链配置
在"Post telemetry"节点后添加"Transformation"节点,类型选择JavaScript。
2. JavaScript转换脚本
function Transform(msg, metadata, msgType) {
if (msg.ADC_VAL && Array.isArray(msg.ADC_VAL)) {
var values = msg.ADC_VAL;
var result = [];
var baseTimestamp = Date.now();
for (var i = 0; i < values.length; i++) {
var newMetadata = JSON.parse(JSON.stringify(metadata));
newMetadata.ts = baseTimestamp + i * 100;
newMetadata.deviceName = msg.MACADDRESS || "Unknown Device";
newMetadata.deviceType = metadata.deviceType || "SensorProfile";
var transformedMsg = {
msg: {
"ADC_VAL": values[i],
"CH_NO": msg.CH_NO
},
metadata: newMetadata,
msgType: msgType
};
result.push(transformedMsg);
}
return result;
} else {
return [{ msg: msg, metadata: metadata, msgType: msgType }];
}
}
3. 关键配置要点
- 时间戳生成:为每个数组元素分配递增的时间戳
- 元数据保留:复制原始metadata并添加必要字段
- 数据格式转换:将每个数组元素转换为独立消息对象
4. 规则节点连接
转换节点后必须连接"Save timeseries"节点,并确保:
- 使用metadata中的ts而非服务器时间
- 正确映射数据字段
调试技巧
- 启用规则节点的Debug模式
- 检查输入/输出消息格式
- 验证时间戳是否按预期生成
- 确认数据字段名称与仪表盘配置一致
最佳实践建议
- 数据密度控制:根据采样率合理设置时间间隔
- 字段命名规范:保持设备、规则链和仪表盘使用一致的字段名
- 错误处理:在脚本中添加对异常数据的处理逻辑
- 性能优化:对于大数据量数组,考虑分批处理
扩展应用
此方案不仅适用于ADC采样值,还可应用于:
- 传感器历史数据批量上传
- 设备状态变化序列
- 周期性采集的多参数数据集
通过这种数据预处理方式,用户可以在ThingsBoard中完美展示各种数组形式的设备数据,充分发挥平台的数据可视化能力。
总结
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0120AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

暂无简介
Dart
526
116

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
987
583

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
351
1.42 K

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
61
17

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
47
0

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0

React Native鸿蒙化仓库
JavaScript
212
287