ThingsBoard中旋钮控件整数化配置方法解析
2025-05-12 21:03:49作者:明树来
概述
在ThingsBoard物联网平台中,旋钮控件(Knob Control Widget)是一个常用的可视化组件,用于展示和调节数值型数据。默认情况下,该控件显示的是带有小数点的数值,但在许多实际应用场景中,用户可能需要显示整数数值。本文将详细介绍如何通过配置实现旋钮控件的整数化显示。
旋钮控件的基本特性
ThingsBoard的旋钮控件具有以下特点:
- 可视化展示数值数据
- 支持交互式调节(如果配置为可编辑)
- 默认显示两位小数
- 可自定义显示范围、颜色和大小
整数化配置方法
要实现旋钮控件只显示整数值,可以通过以下JavaScript代码在控件的初始化阶段进行配置:
self.onInit = function() {
self.ctx.widgetConfig.decimals = 0
}
这段代码的作用是在控件初始化时,将其小数位数设置为0,从而强制显示为整数。
完整控件生命周期示例
为了确保配置的完整性和稳定性,建议在控件的完整生命周期函数中都进行相应处理:
self.onInit = function() {
// 初始化时设置小数位数为0
self.ctx.widgetConfig.decimals = 0
}
self.onDataUpdated = function() {
// 数据更新时的处理逻辑
}
self.onResize = function() {
// 控件大小调整时的处理逻辑
}
self.onDestroy = function() {
// 控件销毁时的清理逻辑
}
实际应用场景
这种整数化配置在以下场景中特别有用:
- 显示设备数量、人数等必须为整数的数据
- 展示百分比数值(通常取整显示)
- 调节离散参数(如温度整数设定值)
- 简化界面显示,去除不必要的小数部分
注意事项
- 此配置只影响显示格式,不影响实际存储的数据精度
- 如果后端数据本身包含小数,取整只是显示效果
- 对于需要四舍五入的情况,建议在后端数据处理阶段完成
- 该配置对所有使用该控件的仪表板实例生效
扩展知识
除了小数位数配置,ThingsBoard的旋钮控件还支持许多其他自定义选项:
- 最小值/最大值范围设置
- 旋钮颜色和大小调整
- 数值单位显示
- 动画效果配置
通过合理组合这些配置选项,可以创建出既美观又实用的数据展示控件,满足各种物联网可视化需求。
总结
ThingsBoard平台提供了灵活的控件配置选项,通过简单的JavaScript代码即可实现旋钮控件的整数化显示。这种定制能力体现了ThingsBoard作为专业物联网平台的高度可扩展性,使开发者能够根据实际需求打造精准的数据可视化界面。
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
194
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
271
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