ThingsBoard中处理数组类型遥测数据的完整解决方案
2025-05-12 18:28:22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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781