ThingsBoard审计日志机制深度解析与Dashboard访问监控实践
2025-05-12 23:16:50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
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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
325
🔥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
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492