概述
数据可视化将物联网设备数据转化为图表、地图、仪表盘等直观形式，帮助运维与管理人员快速把握设备状态、业务指标、异常趋势。物联网场景下，海量设备的实时数据若以原始数值呈现，人类难以快速理解；通过可视化，可将温度曲线、设备分布、告警热力图等抽象为一眼可辨的图形，支撑日常监控与应急决策。在能源监控、工业看板、智慧城市指挥中心等场景中，数据大屏已成为运维与决策的核心展示工具。
物联网可视化的特殊性在于：数据源多为时序数据、需支持实时刷新、展示终端多样（大屏、PC、移动端）、常与地图结合（设备分布、轨迹）。可视化系统需与数据微服务、时序数据库、规则引擎紧密集成，实现从"数据采集→存储→计算→展示"的端到端链路。
核心功能
图表类型
- 折线图：时序数据趋势，如温度、用量、流量随时间变化
- 柱状图/堆叠图：多设备对比、分类汇总、同比环比
- 饼图/环形图：占比分析，如设备类型分布、告警类型占比
- 地图：设备分布、轨迹回放、区域热力，支持百度/高德/GeoJSON
- 仪表盘/进度条：单指标实时值，如在线率、完成度
- 表格：设备列表、告警列表，支持排序、筛选、分页
实时刷新与交互
WebSocket推送实现低延迟刷新；定时轮询作为降级方案。大屏适配多分辨率、全屏布局。支持点击下钻、筛选联动、图例显隐、数据导出。
物联网典型应用
能源大屏：电表水表用量汇总、峰谷分布。工业看板：产线OEE、设备稼动率、故障统计。智慧农业：大棚温湿度、土壤墒情、气象数据。车联网监控中心：车辆位置、轨迹、油耗统计。技术选型：ECharts、DataV、Grafana、Superset等，需考虑与数据API对接能力、大屏效果、移动端兼容性。
图形映射与刷新节奏
数值到图形的编码规则
已经落库的采样要变成可扫视的图形，靠的是视觉通道的分配：时间放在横轴，测点值放在纵轴或色带，设备身份放在系列或地图点位。通道一旦固定，读图的人会默认线往上代表测点变大、颜色越深代表密度越高。选图之前先写明每个通道对应的物理量、单位和空值。折线用来看连续变化，柱状用来看分桶之后的对比，仪表只承载一个当前值，地图只承载带坐标的对象。占比若画成随时间延伸的折线，或者轨迹被塞进柱状图，原数据里的关系就无法被读出来。
同一张图里的系列要能共用可比的量纲。温度和开关量叠在一条纵轴上，刻度会被开关的 0 和 1 压扁。电量和功率可以分居左右轴，但两边的零点与刻度必须分别标注，避免一根线的轻微波动被另一根轴放大成“剧烈变化”。地图还要写明坐标系。设备上报 WGS84、底图使用国内火星坐标时，点位会整片偏移，看起来像设备不在安装地点。这是编码阶段的错误，现场传感器并没有漂走。
大屏与交互端各自适用的刷新条件
远距离扫视的大屏宜字号大、系列少，刷新按秒或按十秒，强调当前态和越限。近距离使用的办公端允许图例显隐、时间刷选，并从汇总点进单台设备。两边可以共用同一份聚合结果，刷新合同却不相同。大屏走推送时要同时显示最后一次成功刷新的时间；推送中断就停在上一帧并标出停滞，旧曲线不能继续假装仍在跳动。办公端用轮询作退路时，轮询间隔应大于后端聚合作业写完该桶的时间，否则会把尚未关闭的半成品窗口画成定论。
刷新能成立的另一个前提，是后端已经按画布像素做了降采样。浏览器若直接拉取原始点，点数超过像素宽度后折线会糊成色带，尖峰被抽掉或被重复描边。展示请求的桶宽应和像素列数相称，悬停时再取该桶内的最大与最小，让尖峰仍可被看见。导出明细走另一条接口，不能把大屏的降采样请求当成原始数据下载。与流式处理对接时，图上的一个点应对应流作业已经关闭并发布的窗口，而不是浏览器临时拼出来的一段原始点。
坐标、采样和配色容易把趋势画歪
横轴混用设备本地时间和平台时区时，跨日曲线会在零点被切开，夜班的量被拆进两个自然日。时间桶应在查询层统一到约定时区，并在图角写明。断点也不能被默认连成直线：设备离线期间若把前后两个有效点连上，读图的人会以为中间仍有采样。离线区间应留空，或单独铺一层“无数据”带。空值和离线标记要在进图之前按数据清洗的规则分开，清洗把非法值丢掉，可视化只决定这些空档怎么画。
颜色之外还要准备线型或标记。投影仪偏色、红绿色觉都会让只靠红绿区分的状态失效。阈值线若画在降采样之后的平均值上，告警却按原始峰值判断，图上会长期“没有越线”，告警列表却在响。图和告警必须引用同一口径、同一桶宽的序列，桶宽写在图上。筛选联动时，下游图若缓存上一组设备的系列，会出现图例已换、曲线仍是上一组的错觉。切换筛选后应丢弃旧系列，再按新的设备集合请求。