ThingsBoard平台中如何通过通知模板获取告警附加信息
2025-05-12 14:23:52作者:余洋婵Anita
在物联网平台ThingsBoard的实际应用中,告警管理是一个核心功能。当设备产生异常时,系统会生成告警并附带关键信息,这些附加信息对于运维人员快速定位问题至关重要。本文将深入探讨在ThingsBoard 3.7.0版本中,如何通过通知模板获取告警的附加信息。
技术背景
ThingsBoard的告警系统允许用户为各种设备事件配置告警规则。当触发告警时,系统不仅会记录基本告警信息(如告警类型、严重程度等),还可以携带自定义的附加信息(additionalInfo)。这些附加信息通常包含设备状态快照、异常参数值等诊断数据。
当前版本限制
在ThingsBoard 3.7.0版本中,通知中心组件存在一个功能限制:无法直接通过类似${additionalInfo}的模板变量来获取告警的附加信息。这是平台目前尚未实现的一个功能点,开发团队已将其纳入产品待办列表(PROD-2367)。
替代解决方案
虽然通知中心组件暂不支持直接获取附加信息,但可以通过"发送通知"节点实现相同目的。具体实现方案如下:
- 规则链配置:需要在规则链中配置专门的节点来处理告警消息
- 消息转换:将告警信息转换为通知消息时,需要明确指定要包含的附加信息字段
- 模板设计:创建专门的通知模板来格式化这些附加信息
实现示例
以下是一个典型实现方案的技术要点:
- 在规则链中使用"发送通知"节点
- 配置该节点从告警消息中提取附加信息
- 设计通知模板时,可以使用类似
${metadata.additionalInfo}的表达式来访问特定字段
示例模板设计要点:
告警名称:${alarmType}
设备名称:${deviceName}
附加信息:
${metadata.additionalInfo.detail1}
${metadata.additionalInfo.detail2}
最佳实践建议
- 结构化附加信息:建议将附加信息组织为结构化的JSON格式,便于在模板中引用特定字段
- 错误处理:模板中应包含对可能缺失字段的处理逻辑
- 性能考虑:附加信息不宜过大,避免影响通知发送性能
- 安全考虑:敏感信息不应通过通知传递,或应进行适当脱敏处理
未来展望
随着ThingsBoard的版本迭代,预计后续版本可能会在通知中心组件中直接支持告警附加信息的模板变量。这将简化配置流程,提升用户体验。在此之前,使用"发送通知"节点是当前最可靠的解决方案。
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Jetson TX2开发板官方资源完全指南:从入门到精通 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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