Thingsboard自定义订阅服务使用指南:解决数据订阅中的常见错误
概述
在使用Thingsboard平台开发自定义小部件时,数据订阅服务(subscriptionApi)是一个强大的工具,它允许开发者灵活地获取和处理设备数据。然而,许多开发者在初次使用createSubscription方法时会遇到两个典型的错误:"Cannot read properties of undefined (reading 'data')"和"Cannot read properties of null (reading 'aggregation')"。本文将深入分析这些错误的原因,并提供完整的解决方案。
错误现象分析
当开发者尝试使用subscriptionApi.createSubscription方法创建数据订阅时,虽然API调用返回成功,但小部件会抛出以下两类错误:
- 数据读取错误:表明系统无法读取返回数据的data属性
- 聚合配置错误:表明系统无法读取聚合(aggregation)配置
这些错误通常源于订阅配置不完整,特别是与时间窗口(timewindow)相关的配置缺失。
根本原因
经过分析,这些错误并非Thingsboard平台的bug,而是由于开发者对createSubscription方法的配置理解不足导致的。关键在于subscriptionOptions中的两个相关配置项:
- useDashboardTimewindow:决定是否使用仪表板的时间窗口配置
- timeWindowConfig:自定义时间窗口的详细配置
当useDashboardTimewindow设置为false时,必须提供完整的timeWindowConfig配置,否则系统无法确定如何聚合和获取数据。
解决方案
方案一:使用仪表板时间窗口配置
这是最简单的解决方案,只需将useDashboardTimewindow设置为true:
subscriptionOptions = {
// 其他配置...
"useDashboardTimewindow": true,
// 其他配置...
}
这种方式的优势是:
- 自动继承仪表板的时间窗口设置
- 当仪表板时间窗口变化时,订阅会自动更新
- 无需维护额外的时间窗口配置
方案二:自定义时间窗口配置
如果需要独立于仪表板的时间窗口,可以保留useDashboardTimewindow为false,但必须提供完整的timeWindowConfig:
const timeWindowConfig = {
"displayValue": "",
"hideInterval": false,
"hideLastInterval": false,
"hideQuickInterval": false,
"hideAggregation": false,
"hideAggInterval": false,
"hideTimezone": false,
"selectedTab": 0,
"realtime": {
"realtimeType": 0,
"interval": 1000,
"timewindowMs": 60000,
"quickInterval": "CURRENT_DAY"
},
"history": {
"historyType": 0,
"interval": 1000,
"timewindowMs": 60000,
"fixedTimewindow": {
"startTimeMs": 1742402900292,
"endTimeMs": 1742489300292
},
"quickInterval": "CURRENT_DAY"
},
"aggregation": {
"type": "AVG",
"limit": 25000
}
};
subscriptionOptions = {
// 其他配置...
"useDashboardTimewindow": false,
"timeWindowConfig": timeWindowConfig,
// 其他配置...
}
这种方式的优势是:
- 完全控制数据获取的时间范围
- 不受仪表板时间窗口变化的影响
- 可以针对特定需求定制聚合方式
最佳实践建议
-
明确需求:首先确定是否需要独立的时间窗口配置,大多数情况下使用仪表板配置即可
-
配置完整性检查:确保所有必需的配置项都已提供,特别是当useDashboardTimewindow为false时
-
错误处理:在subscribe回调中添加错误处理逻辑,便于调试
-
性能考虑:自定义时间窗口时,注意数据量大小和聚合配置,避免获取过多数据影响性能
完整示例代码
self.onInit = function() {
// 方案一:使用仪表板时间窗口
const option1 = {
"type": "timeseries",
"datasources": [...],
"useDashboardTimewindow": true
};
// 方案二:自定义时间窗口
const timeWindowConfig = {...}; // 如上文所示
const option2 = {
"type": "timeseries",
"datasources": [...],
"useDashboardTimewindow": false,
"timeWindowConfig": timeWindowConfig
};
self.ctx.subscriptionApi.createSubscription(option1, true).subscribe(
(subscription) => {
console.log("订阅创建成功");
},
(error) => {
console.error("订阅创建失败:", error);
}
);
self.ctx.detectChanges();
}
通过理解这些配置项的作用和相互关系,开发者可以避免常见的订阅配置错误,更高效地利用Thingsboard平台的数据订阅功能。
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