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 09:20:30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
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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