ThingsBoard网关处理多设备JSON数据的配置方法
2025-07-07 07:06:38作者:柯茵沙
背景介绍
ThingsBoard物联网平台提供了强大的网关功能,能够将各种协议和设备数据统一接入到平台中。在实际应用中,我们经常会遇到网关需要处理包含多个设备数据的JSON报文的情况。本文将以一个典型场景为例,详细讲解如何配置ThingsBoard网关来处理这种数据结构。
典型场景分析
假设我们有一个物联网网关,通过MQTT协议接收来自多个从属设备的数据报文。报文格式如下:
[
{
"macid": "Slave1",
"meterid": "IB00002",
"source": "Slave1",
"destination": "Gateway1",
"rssi_in": "5",
"rssi_out": "10"
},
{
"macid": "Slave2",
"meterid": "IB00003",
"source": "Slave2",
"destination": "Gateway1",
"rssi_in": "8",
"rssi_out": "10"
}
]
这个JSON数组中的每个对象代表一个从属设备的数据,包含设备标识(macid)、仪表ID(meterid)、通信参数等信息。我们的目标是将这些数据正确地分发到ThingsBoard平台中对应的设备上。
配置方案详解
1. 设备识别配置
关键在于配置网关的JSON转换器(converter),使其能够正确识别每个JSON对象对应的设备:
"converter": {
"type": "json",
"deviceNameJsonExpression": "${macid}",
"deviceTypeJsonExpression": "default",
"timeout": 60000
}
deviceNameJsonExpression:使用JSONPath表达式${macid}从数据中提取设备名称deviceTypeJsonExpression:这里设置为固定值"default",也可以根据需求使用表达式动态获取timeout:设置设备连接超时时间(毫秒)
2. 属性数据配置
对于设备属性数据(如meterid),配置如下:
"attributes": [
{
"type": "string",
"key": "meterid",
"value": "${meterid}"
}
]
type:指定属性数据类型为字符串key:定义在ThingsBoard中存储的属性键名value:使用JSONPath表达式从数据中提取属性值
3. 时序数据配置
对于需要存储为时序数据的字段(如通信质量指标),配置如下:
"timeseries": [
{
"type": "string",
"key": "source",
"value": "${source}"
},
{
"type": "string",
"key": "destination",
"value": "${destination}"
},
{
"type": "integer",
"key": "rssi_in",
"value": "${rssi_in}"
},
{
"type": "integer",
"key": "rssi_out",
"value": "${rssi_out}"
}
]
- 对于文本型数据(source/destination),使用string类型
- 对于数值型数据(rssi_in/rssi_out),使用integer类型
- 每个时序数据点都需要明确指定其类型、键名和值来源
实现原理
当网关收到上述JSON数组时,会执行以下处理流程:
- 解析JSON数组,遍历其中的每个对象
- 对于每个对象,使用
deviceNameJsonExpression提取设备名称 - 检查平台中是否存在对应设备,不存在则自动创建
- 根据配置提取属性数据和时序数据
- 将数据分别存储到对应设备的属性和时序数据库中
注意事项
-
数据类型匹配:确保配置中的数据类型与实际情况相符,特别是数值型数据要正确指定为integer或double
-
设备命名唯一性:
macid字段必须能唯一标识设备,避免数据混淆 -
性能考虑:对于设备数量多、数据频率高的场景,适当调整timeout参数和网关性能配置
-
错误处理:建议在网关配置中添加错误处理逻辑,确保单个设备数据处理失败不影响其他设备
通过以上配置,ThingsBoard网关能够有效地处理包含多个设备数据的复杂JSON报文,实现数据的自动分发和存储,大大简化了物联网系统中的设备接入工作。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
Ascend Extension for PyTorch
Python
343
410
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++
886
602
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
337
181
暂无简介
Dart
775
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
895