Vielleicht nochmal kurz zur Erläuterung, was die Bilder zeigen:
Der Raspi ist über Modbus/RS485 an einen Stromzähler (ABB B23) und über OneWire an Temperatursensoren angeschlossen. Über Node-Red hole ich die Daten ab, formatiere die und speise die in InfluxDB ein.
In InfluxDB habe ich vier aktive Datenbanken: realtimeData, minutleyData, hourlyData und dailyData. Wie der Name schon vermuten lässt, sind die Daten dann in unterschiedlicher Auflösung gespeichert. In realtimeData werden alle Echtzeitdaten, die von Node-Red kommen, eingespeist -> Auflösung ca. 200ms bis 1 min, je nach Datenquelle. Diese zeige ich dann auf den "Realtime"-Dashboards an. Das Realtime-Dashboard zeigt auf den Bildern viele Werte nicht richtig an - das liegt daran, das der Zähler zum Test nur an einer Phase hängt, die an den Klemmen "L1" und "L2" angeschlossen wurde -> Nur 230V statt 400V.
InfluxDB stellt von Haus aus Funktionen bereit, um diese Daten automatisch zu aggregieren ("Coninuous Queries"). Das heißt, jede Minute, Stunde und jeden Tag macht Influx auf den Echtzeitdaten jeweils eine Analyse, in der Minima, Mittelwerte und Maxima für die Zeitbereiche ausgelesen und in die zugehörigen Datenbanken geschrieben werden.
Die realtimeData- und minutelyData-DB's unterliegen einer maximalen Haltedauer der Daten von 7 Tagen ("Retention Policy"). Danach werden die Datenpunkte fortlaufend überschrieben. Langfristig interessiert mich ja nur der Tage- oder Stundenweise, aber nicht Millisekunden genaue Verlauf.
Meine Erfahrungen sind bislang nur positiv. Die Installation ging fix, im Rahmen der Tests habe ich den Pi mehrfach hart ausgeschaltet und alle Services liefen von alleine wieder problemlos an. Datenverluste hatte ich auch noch nicht - höchstens gewollt.
Vielleicht kannst du ja damit was für dein Projekt anfangen. Alarme für unpassende Messwerte kannst du bspw. auch in Grafana anlegen - das habe ich aber noch nicht getestet.
Der Raspi ist über Modbus/RS485 an einen Stromzähler (ABB B23) und über OneWire an Temperatursensoren angeschlossen. Über Node-Red hole ich die Daten ab, formatiere die und speise die in InfluxDB ein.
In InfluxDB habe ich vier aktive Datenbanken: realtimeData, minutleyData, hourlyData und dailyData. Wie der Name schon vermuten lässt, sind die Daten dann in unterschiedlicher Auflösung gespeichert. In realtimeData werden alle Echtzeitdaten, die von Node-Red kommen, eingespeist -> Auflösung ca. 200ms bis 1 min, je nach Datenquelle. Diese zeige ich dann auf den "Realtime"-Dashboards an. Das Realtime-Dashboard zeigt auf den Bildern viele Werte nicht richtig an - das liegt daran, das der Zähler zum Test nur an einer Phase hängt, die an den Klemmen "L1" und "L2" angeschlossen wurde -> Nur 230V statt 400V.
InfluxDB stellt von Haus aus Funktionen bereit, um diese Daten automatisch zu aggregieren ("Coninuous Queries"). Das heißt, jede Minute, Stunde und jeden Tag macht Influx auf den Echtzeitdaten jeweils eine Analyse, in der Minima, Mittelwerte und Maxima für die Zeitbereiche ausgelesen und in die zugehörigen Datenbanken geschrieben werden.
Die realtimeData- und minutelyData-DB's unterliegen einer maximalen Haltedauer der Daten von 7 Tagen ("Retention Policy"). Danach werden die Datenpunkte fortlaufend überschrieben. Langfristig interessiert mich ja nur der Tage- oder Stundenweise, aber nicht Millisekunden genaue Verlauf.
Meine Erfahrungen sind bislang nur positiv. Die Installation ging fix, im Rahmen der Tests habe ich den Pi mehrfach hart ausgeschaltet und alle Services liefen von alleine wieder problemlos an. Datenverluste hatte ich auch noch nicht - höchstens gewollt.
Vielleicht kannst du ja damit was für dein Projekt anfangen. Alarme für unpassende Messwerte kannst du bspw. auch in Grafana anlegen - das habe ich aber noch nicht getestet.