ThingsBoard中折线图统计值计算原理详解
2025-05-12 10:18:31作者:齐添朝
概述
在ThingsBoard物联网平台中,折线图(Line Chart)是一种常用的数据可视化组件,它不仅可以展示时间序列数据的趋势变化,还能在图表图例中显示关键统计值,包括最小值(Min)、最大值(Max)、平均值(Avg)、总和(Total)和最新值(Latest)。这些统计值对于数据分析至关重要,特别是在电力消耗监控等场景下。
统计值的计算基础
ThingsBoard折线图中的统计值并非直接基于原始时间序列数据计算,而是基于图表实际渲染的数据点进行计算。这一设计带来了几个重要特性:
- 基于渲染数据:统计值反映的是最终呈现在图表上的数据,而非原始数据库中的全部数据
- 受聚合影响:如果图表配置了数据聚合函数,统计值将基于聚合后的结果计算
- 时间窗口相关:统计值仅针对当前时间窗口内可见的数据点
聚合函数对统计值的影响
当配置了数据聚合时,统计值的计算会经历两个阶段:
- 聚合阶段:原始数据按照设定的聚合函数(如Sum、Avg、Min、Max等)和聚合周期进行预处理
- 统计阶段:在聚合结果的基础上,计算最终的Min、Max、Avg等统计值
实际案例说明
假设一个设备每分钟上报一次电池电量数据,值为74。如果:
- 不配置聚合:图表显示每分钟一个数据点,统计值基于这些原始点计算
- 配置2分钟Sum聚合:每两个原始点(74+74=148)聚合成一个点,统计值基于这些聚合后的点(148)计算
在这种情况下,平均值(Avg)将显示为148,因为它是聚合后数据点的平均值,而非原始数据的平均值。
各统计项的具体含义
- 最小值(Min):当前图表中所有数据点(原始或聚合后)的最小值
- 最大值(Max):当前图表中所有数据点(原始或聚合后)的最大值
- 平均值(Avg):当前图表中所有数据点的算术平均值
- 总和(Total):当前图表中所有数据点的累加和
- 最新值(Latest):当前图表中时间戳最新的数据点值
使用建议
- 明确需求:在配置图表前,明确需要的统计值是基于原始数据还是聚合数据
- 注意聚合影响:使用聚合功能时,要理解统计值会随之变化
- 时间窗口调整:统计值受时间窗口影响,适当调整时间范围可获得更准确的统计
- 多图表对比:对于关键指标,可同时展示原始数据和聚合数据图表以全面分析
总结
ThingsBoard折线图中的统计值计算机制体现了"所见即所得"的原则,所有统计都基于最终渲染的数据点。这种设计既保证了统计结果与可视化表现的一致性,又通过聚合功能提供了数据降采样能力。理解这一机制有助于用户正确解读图表统计值,避免数据分析中的误解。
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
3.19 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
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