Примеры DataPipe

LastValue

Например, нам нужно отображать только самое последнее значение в UnitNode интерфейсе:

Подойдёт конфигурация с постоянным временем действия, которая бы не позволяла обновляться чаще чем 1 раз в 5 секунд, без проверки на уникальность, с максимальной длинной текста 100. Политика cохранения LastValue:

TIP

За счёт политики LastValue, данная конфигурация почти не потребляет CPU и RAM, поскольку постоянно хранится только 1 запись.

active_period:
  type: Permanent
filters:
  type_input_value: Text
  max_rate: 5
  last_unique_check: false
  max_size: 100
processing_policy:
  policy_type: LastValue

NRecords

Например, нам нужно увидеть некоторые ивентовые события: открытие заслонки или включение чего-либо. Для этого нужно хранить N записей, и, как только их становится больше определённого числа, затирать старые:

Подойдёт конфигурация, которая начнёт действовать в определённый момент и без лимита, с текстовым типом данных. Ограничим возможные значения через WhiteList, будем сохранять все значения, но одинаковые подряд будем игнорировать. 512 записей вполне подойдёт.

TIP

За счёт дедупликации и WhiteList, данная конфигурация почти не потребляет CPU и RAM. Также сама политика не позволяет создать больше ~= 512 записей.

active_period:
  type: FromDate
  start: '2023-11-15T00:00:00+00:00'
filters:
  type_input_value: Text
  type_value_filtering: WhiteList
  filtering_values:
  - Alarm
  - Error
  - Warning
  max_rate: 0
  last_unique_check: true
  max_size: 100
processing_policy:
  policy_type: NRecords
  n_records_count: 512

TimeWindow

Например, мы хотим в течении 1 недели оценивать динамику влажности в комнате с окном в 1 день:

Мы установим, до какой даты мы будем проводить замеры. Определим ограничение возможного значения влажности от 0 до 100 %. Ограничимся разрешением в 1 минуту, но будем учитывать все значения. Округлим до значащих 2 цифр. И будем наблюдать за окном в 86400 секунд.

TIP

За счёт разрешения max_rate, данная конфигурация почти не потребляет CPU и RAM. Число записей для данной политики будет постоянным ~= 1440.

active_period:
  type: ToDate
  end: '2025-11-15T00:00:00+00:00'
filters:
  type_input_value: Number
  type_value_threshold: Range
  threshold_min: 0
  threshold_max: 100
  max_rate: 60
  last_unique_check: false
  max_size: 50
transformations:
  round_decimal_point: 2
processing_policy:
  policy_type: TimeWindow
  time_window_size: 86400

Aggregation

Например, нам нужно накапливать статистику с датчика температуры ds18b20. Мы не хотим тратить большой объём памяти, но нам нужны данные за очень длительный период c разрешением 15 минут:

Подойдёт конфигурация с заданным периодом действия, ограничением ошибочных значений, ограничением реальных значений, проверкой всех значений, дедупликацией. Ограничим до 2 значащих цифр, ведь точность датчика 12 бит. Выставим период 900 секунд, а функцию расчёта как среднее.

TIP

За счёт применения агрегации, данная конфигурация почти не потребляет CPU и RAM. Данный DataPipe будет создавать 96 записей в бд в день.

active_period:
  type: DateRange
  start: '2023-11-15T00:00:00+00:00'
  end: '2200-11-15T00:00:00+00:00'
filters:
  type_input_value: Number
  type_value_filtering: BlackList
  filtering_values:
  - -127.00
  - 85.00
  type_value_threshold: Range
  threshold_min: -50
  threshold_max: 120
  max_rate: 0
  last_unique_check: true
  max_size: 100
transformations:
  round_decimal_point: 2
processing_policy:
  policy_type: Aggregation
  time_window_size: 900
  aggregation_functions: Avg