ThingsBoard规则链中获取设备凭证的技术解析
2025-05-12 21:11:12作者:滕妙奇
在物联网平台ThingsBoard的开发过程中,获取设备ID是一个常见需求。本文将深入探讨在规则链中获取设备凭证的几种方法及其实现原理。
设备ID获取的基本原理
ThingsBoard平台中,每个设备都有唯一的设备ID作为标识。当设备通过MQTT、HTTP等协议与平台通信时,系统会自动将消息与设备实体关联。在规则链处理过程中,设备ID通常作为消息的"originator"(发起者)属性存在。
使用Originator Fields节点
ThingsBoard提供了专门的"Originator Fields"规则节点来获取设备相关信息:
-
节点功能:该节点可以从消息的originator中提取设备ID、名称、类型等属性
-
配置方法:
- 在规则链编辑器中添加"Originator Fields"节点
- 选择需要提取的字段(如ID、名称等)
- 指定输出消息中存储这些值的元数据字段名
-
使用前提:消息的originator必须正确指向目标设备实体
处理originator变更场景
在某些复杂规则链中,消息的originator可能已被修改。此时需要:
-
使用Change Originator节点:将originator重新设置为目标设备
- 配置originator类型为"DEVICE"
- 指定设备ID(可直接输入或通过元数据引用)
-
组合使用:先恢复正确的originator,再使用Originator Fields节点提取信息
技术实现细节
在ThingsBoard内部实现上:
- 设备ID存储在消息的
originator字段中 - Originator Fields节点通过访问
EntityService获取完整设备信息 - 设备凭证(如访问令牌)则通过
DeviceCredentialsService获取
最佳实践建议
- 在规则链设计初期就规划好设备信息的传递路径
- 对于需要多次使用设备ID的场景,可将其存入元数据
- 避免在规则链中频繁查询设备凭证,考虑使用缓存机制
- 在调试时检查消息元数据中的originator是否正确
通过理解这些原理和方法,开发者可以更高效地在ThingsBoard规则链中处理和利用设备凭证信息,构建更强大的物联网应用逻辑。
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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