ThingsBoard燃料监控仪表板数据导出问题解析
2025-05-12 03:42:55作者:蔡丛锟
数据可视化与导出的差异问题
在使用ThingsBoard的燃料水平监控仪表板时,许多用户发现仪表板上显示的数据格式与导出文件中的数据存在显著差异。仪表板中可以直观地看到"2% (18379gal)"这样的复合数据格式,但在导出为CSV、XLS或XLSX文件时,却只能获得百分比数值或出现"NANL"等异常显示。
问题根源分析
这个问题的本质在于ThingsBoard的数据展示机制与电子表格软件的兼容性差异:
- 前端渲染机制:仪表板使用了Cell-Content函数生成HTML格式的内容渲染,能够显示复合数据格式和进度条等可视化元素
- 数据导出机制:导出功能默认使用原始数值数据,无法保留前端渲染的复合格式
- 电子表格限制:主流电子表格软件(Excel、LibreOffice等)无法直接解析和显示HTML格式的内容
解决方案建议
方案一:禁用单元格内容函数导出
- 在实体表部件的"Remaining, %"数据键设置中
- 禁用"Use cell content function on export"选项
- 这样导出时将使用原始数据而非渲染后的HTML内容
方案二:电子表格后处理
对于导出的纯数值数据,可以在电子表格软件中进行二次处理:
-
LibreOffice Calc处理示例:
- 选择百分比数据列
- 进入"格式 > 条件格式 > 数据条"
- 设置最小/最大值范围(自动或手动)
- 添加辅助列组合显示加仑数值
-
Excel处理建议:
- 使用CONCATENATE或TEXTJOIN函数组合百分比和加仑值
- 应用条件格式添加数据条效果
方案三:创建专用导出数据源
- 添加一个专门用于导出的计算数据源
- 预先组合好"X% (Ygal)"格式的字符串
- 在部件中隐藏该数据源但保持可导出状态
- 这样导出时可直接获得格式化后的数据
最佳实践建议
- 明确区分展示数据和导出数据的用途
- 对于需要精确导出的复合数据,建议预先在ThingsBoard规则链中处理好格式
- 考虑使用专门的报表模块而非部件导出功能
- 建立标准化的数据导出处理流程文档
通过理解ThingsBoard的数据处理机制和电子表格软件的限制,用户可以更好地规划数据展示和导出策略,确保业务需求得到满足。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
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