2. ThingsBoard 平台基础：架构、核心组件与数据流模型

在深入数据导出方案之前，必须理解 ThingsBoard 的底层架构与数据流转机制。本章将拆解 ThingsBoard 的微服务架构、规则链引擎、节点类型、队列模型以及数据从设备到存储的完整路径，为后续 CSV 与 Kafka 集成打下坚实基础。

2.1 ThingsBoard 整体架构简介

ThingsBoard 采用微服务 + 消息队列的松耦合架构，核心服务围绕 Transport（传输层）、Core（核心服务）、Rule Engine（规则引擎）三大模块构建。各模块通过 Kafka 或内存队列异步通信，支持水平扩展。

2.2 核心组件详解

2.2.1 规则链（Rule Chain）

规则链是 ThingsBoard 数据处理的核心编排单元，由一系列节点（Node）通过关系（Relation）连接而成的有向无环图（DAG）。每条规则链处理特定类型的消息（Telemetry、Attributes、RPC Request 等），消息从根节点（Root Rule Chain）流入，经过过滤、转换、增强、持久化或导出后流出。

2.2.2 节点（Node）

节点是规则链中的最小执行单元，每个节点完成一个原子操作。节点通过入参（Inbound）接收消息，处理后通过出参（Outbound）发送到下一个节点。节点类型分为六大类：

• Filter 节点： 条件过滤，如 Check Relation、Message Type Filter、Script Filter。
• Transform 节点： 数据转换，如 Script Transform、Change Originator、Rename Keys。
• Action 节点： 执行操作，如 Save Timeseries、Save Attributes、Create Alarm。
• External 节点： 外部集成，如 Kafka Producer、MQTT Producer、REST API Call、CSV Export。
• Enrichment 节点： 数据增强，如 Originator Attributes、Customer Attributes、Tenant Attributes。
• Split 节点： 消息拆分，如 Split Array、Gateway Telemetry。

2.2.3 队列（Queue）

队列是规则引擎的异步缓冲层，用于解耦消息生产与消费。每个规则链节点可以绑定一个队列，队列决定消息的提交策略、重试机制和并发度。ThingsBoard 内置两种队列实现：

队列配置参数（在 thingsboard.yml 中定义）直接影响数据导出性能：

# 队列配置示例（Kafka 模式）
queue:
  type: kafka
  kafka:
    bootstrap_servers: "localhost:9092"
    topic_properties: "retention.ms=604800000"  # 7天保留
    request_timeout_ms: 30000
    max_in_flight_requests_per_connection: 5

# 规则引擎节点队列绑定
rule_engine:
  queues:
    Main:
      poll_interval: 25
      pack_processing_timeout: 2000
      submit_strategy: BURST  # BURST / SEQUENTIAL_BY_ORIGINATOR
    HighPriority:
      poll_interval: 10
      pack_processing_timeout: 1000
      submit_strategy: SEQUENTIAL_BY_ORIGINATOR

2.3 数据流模型

理解数据从设备到存储的完整路径，是配置导出规则的前提。ThingsBoard 的数据流遵循 “设备 → 传输 → 队列 → 规则引擎 → 存储/导出” 的标准化管道。

2.4 数据流关键路径说明

1. 设备上报： 设备通过 MQTT/HTTP/CoAP 协议上报遥测数据或属性更新，传输层完成协议解析与设备认证。
2. 消息入队： 传输层将解析后的消息发布到指定的队列（Kafka Topic 或 InMemory Queue），消息包含 msgType、originator、data、metadata 等字段。
3. 规则引擎消费： 规则引擎从队列拉取消息，根据消息类型路由到对应的规则链。规则链中的节点按配置顺序执行过滤、转换、增强、持久化或导出操作。
4. 数据导出： 当消息到达 External 节点（如 Kafka Producer Node 或 REST API Call Node）时，数据被导出到外部系统。CSV 导出通常通过 REST API 调用外部微服务生成，或通过 Kafka 消息触发下游 CSV 生成器。
5. 持久化： 规则链中的 Action 节点（如 Save Timeseries、Save Attributes）将数据写入数据库，确保数据不丢失。

2.5 数据导出相关节点速查表