ThingsBoard审计日志机制深度解析与Dashboard访问监控实践
2025-05-12 10:28:38作者:宣海椒Queenly
一、审计日志功能概述
ThingsBoard作为物联网平台,其审计日志功能提供了对系统操作行为的记录能力。在配置文件中,审计日志支持三种级别设置:
- OFF:完全禁用日志记录
- W:仅记录写操作
- RW:同时记录读和写操作
二、审计日志的运作机制
通过分析ThingsBoard 3.8.1版本的实现,我们发现审计日志基于REST API调用进行记录。对于Dashboard实体,"读操作"的判定标准与传统认知存在差异:
- 直接打开Dashboard界面不会触发读操作记录
- 只有通过"属性"标签页查看Dashboard属性时才会记录读操作
这种设计源于平台对"读操作"的严格定义——仅当通过特定API端点获取数据时才视为有效读操作。
三、各实体类型的读操作触发条件
经过深入测试,我们整理出各实体类型的读操作触发条件对照表:
| 实体类型 | 读操作触发条件 |
|---|---|
| 设备(Device) | 查看详情、属性、最新遥测等标签页 |
| 资产(Asset) | 查看属性标签页 |
| 客户(Customer) | 查看属性标签页 |
| 用户(User) | 查看属性标签页 |
| 规则链(Rule Chain) | 查看属性标签页 |
| 边缘(Edge) | 查看属性标签页 |
| 其他实体 | 无有效读操作记录 |
四、Dashboard访问监控的替代方案
针对需要记录Dashboard访问场景的需求,我们推荐以下两种实现方案:
方案一:自定义计数组件
- 创建专用设备作为计数器载体
- 为每个Dashboard创建独立的服务器属性
- 开发自定义组件,在初始化时自动递增计数器
该方案优势在于实现简单,适合基础访问统计需求。
方案二:高级访问追踪组件
基于ThingsBoard的Widget API,可以实现更精细的访问记录:
// 组件初始化逻辑示例
function onInit() {
const user = getCurrentUser();
const dashboard = getCurrentDashboard();
saveTimeseriesData('access_log', {
userIdentifier: user.id,
userName: user.name,
dashboardId: dashboard.id,
accessTime: Date.now()
});
}
这种实现可以记录:
- 访问用户标识信息
- 精确时间戳
- Dashboard标识信息
- 其他上下文数据
五、最佳实践建议
- 对于审计合规场景,建议结合系统日志与自定义监控方案
- 重要Dashboard建议采用方案二实现细粒度监控
- 定期检查审计日志配置,确保关键操作被适当记录
- 考虑性能影响,高频访问场景建议采用批处理方式记录日志
六、技术实现注意事项
- 自定义组件应处理好并发访问情况
- 时间序列数据需考虑存储策略和保留周期
- 重要信息记录需符合数据隐私规范
- 生产环境部署前应进行压力测试
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
433
395
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++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989