ThingsBoard中处理数组类型遥测数据的完整解决方案
2025-05-12 20:14:31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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492