ThingsBoard 4.0中基于时间序列值动态修改标记形状的技术解析
2025-05-12 16:42:47作者:蔡丛锟
背景介绍
ThingsBoard作为一款流行的物联网平台,在数据可视化方面提供了丰富的功能。从3.9版本升级到4.0版本后,平台对图表可视化组件进行了重大重构,采用了Apache ECharts作为新的图表引擎。这一变化带来了许多功能增强,同时也对一些原有功能的使用方式产生了影响。
标记形状动态变化功能对比
在ThingsBoard 3.9及更早版本中,用户可以直接在部件设置中配置标记形状,基于时间序列的值动态改变标记的外观。这一功能在4.0版本中仍然保留,但配置方式有所变化。
4.0版本中的实现方法
ThingsBoard 4.0中实现基于时间序列值动态修改标记形状的功能,需要通过以下步骤:
- 启用数据点显示:在高级数据键配置中找到"显示点"选项
- 自定义外观:可以设置线宽、半径和形状等参数
- 使用条件逻辑:通过JavaScript代码根据数据值动态决定标记形状
数据访问方式的变化
在3.9版本中,开发者可以通过dsIndex和dsData数组访问数据。而在4.0版本中,数据访问方式改为通过data对象:
// 3.9版本方式
var date = new Date(dsData[dsIndex].time);
// 4.0版本方式
var temperature = data.temperature;
实际应用示例
以下是一个在4.0版本中根据温度值动态改变标记形状的完整示例代码:
// 定义不同温度对应的标记图像
var images = [
"path/to/low-temp-icon.png",
"path/to/high-temp-icon.png"
];
// 获取当前数据点的温度值
var temperature = data.temperature;
// 根据温度值决定标记样式
if (temperature < 20) {
var res = {
url: images[0], // 低温图标
size: 100 // 图标大小
};
} else {
res = {
url: images[1], // 高温图标
size: 50 // 图标大小
};
}
return res;
升级注意事项
从3.9迁移到4.0时,开发者需要注意:
- 原有基于dsIndex的代码需要进行相应修改
- 新的data对象提供了更直接的属性访问方式
- 可视化效果现在由Apache ECharts驱动,性能更好但API有所不同
总结
ThingsBoard 4.0虽然改变了动态标记形状的实现方式,但这一功能仍然可用且更加灵活。开发者需要适应新的数据访问模式,同时可以享受到新图表引擎带来的性能提升和更丰富的可视化选项。理解这些变化有助于在升级过程中平滑过渡,并充分利用新版本提供的强大功能。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
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
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143