ThingsBoard时间图表显示毫秒级时间戳配置指南
2025-05-12 08:59:30作者:郜逊炳
概述
在物联网平台ThingsBoard中,时间图表(Time Chart)是展示设备时序数据的重要组件。默认情况下,图表中的时间戳仅显示到秒级精度(hh:mm:ss),但在某些高精度数据采集场景中,用户可能需要显示毫秒级时间戳(hh:mm:ss.SSS)。
毫秒级时间戳显示配置方法
图表时间格式设置
- 进入时间图表部件的"外观(Appearance)"配置选项卡
- 找到时间格式设置项
- 在格式字符串中添加"SSS"表示毫秒部分
- 完整格式示例:"YYYY-MM-DD HH:mm:ss.SSS"
工具提示时间格式设置
- 在相同的外观配置选项卡中
- 定位到工具提示(Tooltip)相关设置
- 同样在时间格式字符串中加入"SSS"
- 这样当鼠标悬停在数据点上时,工具提示也会显示毫秒级时间
时间戳精度注意事项
在实际应用中,用户可能会发现毫秒数值没有按预期变化。这通常与以下因素有关:
- 数据采集频率:如果设备上报数据间隔大于1秒,毫秒部分自然不会有明显变化
- 平台时间处理:ThingsBoard接收数据时会记录服务器时间戳,而非设备本地时间戳
- 数据传输延迟:从设备到平台的网络传输可能引入额外延迟
时间戳处理机制
ThingsBoard处理时间戳的核心原则:
- 当设备上报数据包含时间戳时,平台会优先使用该时间戳
- 若数据不包含时间戳,平台会使用接收数据的服务器时间作为时间戳
- 对于高频数据(毫秒级),建议设备端在数据中包含精确的时间戳
最佳实践建议
- 对于需要毫秒级精度的应用,确保设备端在数据中包含精确时间戳
- 在设备遥测数据中明确指定时间戳字段
- 定期校准设备时钟,确保时间同步
- 考虑网络延迟对时间精度的影响,必要时在应用层进行补偿
通过以上配置和注意事项,用户可以在ThingsBoard中实现毫秒级时间戳的精确显示和分析,满足高精度数据监控的需求。
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