InfluxDB i Grafana z Home Assistant: monitoring long-term

Dlaczego domyślna baza Home Assistant nie wystarcza do monitoringu długoterminowego

Domyślna baza Home Assistant to SQLite. Plik, który rośnie z każdym odczytem czujnika, każdym stanem encji, każdym zdarzeniem. Brzmi niewinnie, dopóki nie spojrzysz na rozmiar po kilku miesiącach.

Home Assistant domyślnie przechowuje dane przez 10 dni. Potem je usuwa. Możesz to zmienić w konfiguracji, ale SQLite nie został zaprojektowany do ciągłego zapisu tysięcy rekordów na minutę przez lata. Zaczyna się od drobiazgów: wolniejsze uruchamianie, dłuższe zapytania w historii. Potem baza puchnie do gigabajtów, a karta SD w Raspberry Pi dostaje zadyszki.

I tu zaczyna się problem. Monitoring long-term wymaga czegoś zupełnie innego niż bieżąca automatyzacja.

• Wydajność zapisu: SQLite radzi sobie z lekkim obciążeniem, ale przy dziesiątkach encji raportujących co kilka sekund zapis staje się wąskim gardłem.
• Retencja danych: domyślne 10 dni to za mało, żeby porównać zużycie prądu rok do roku albo wychwycić sezonowe wzorce.
• Agregacja: SQLite nie ma natywnego mechanizmu downsamplingu, więc stare dane albo znikają, albo zajmują miejsce w pełnej rozdzielczości.
• Rozmiar bazy: plik rośnie liniowo, a razem z nim czas tworzenia kopii zapasowych i ryzyko uszkodzenia przy nagłym odcięciu zasilania.
• Zapytania analityczne: próba policzenia średniego zużycia z kwartału potrafi zawiesić interfejs na dłuższą chwilę.

Wyobraź sobie sytuację, w której chcesz sprawdzić, czy pompa ciepła faktycznie zużywa mniej energii po zmianie harmonogramu. Potrzebujesz danych z dwóch sezonów grzewczych, w rozdzielczości godzinowej. W SQLite po prostu ich nie ma.

Moim zdaniem rozdzielenie warstw działa lepiej niż trzymanie wszystkiego w jednej bazie, ponieważ Home Assistant zostaje lekki i responsywny, a historię przejmuje narzędzie stworzone do szeregów czasowych. InfluxDB robi dokładnie to.

InfluxDB i Grafana w ekosystemie Smart Home: architektura i wymagania sprzętowe

Home Assistant domyślnie trzyma historię w bazie SQLite. Rozwiązanie działa, dopóki nie zaczniesz pytać o dane z ostatnich dwóch lat. Wtedy robi się wolno. I to bardzo wolno.

Dlatego zaawansowany monitoring long-term opiera się na trzech elementach: Home Assistant jako źródło danych, InfluxDB jako baza szeregów czasowych i Grafana jako warstwa wizualizacji. Każdy z nich ma inną rolę i inne wymagania.

Typowy scenariusz wygląda tak: masz Raspberry Pi 4 z 4 GB RAM i kartą SD. Po kilku miesiącach baza InfluxDB rozrasta się do kilku gigabajtów, karta zaczyna się grzać, a zapisy się gubią. To nie czarna magia, po prostu karta SD nie lubi ciągłego zapisu.

Moim zdaniem mini PC z SSD działa lepiej niż Raspberry Pi, ponieważ dysk nie zużywa się tak szybko jak karta SD, a zapis do bazy jest znacznie szybszy przy dużej liczbie encji. Raspberry Pi 5 z SSD po USB też daje radę, ale mini PC zwykle okazuje się stabilniejszy przy długotrwałym monitoringu.

Warto zaplanować retencję danych od początku. InfluxDB pozwala ustawić różne okresy przechowywania dla różnych pomiarów, na przykład szczegółowe dane z tygodnia i zagregowane z roku. Bez tego baza rośnie w nieskończoność.

A co jeśli masz już NAS? InfluxDB i Grafana świetnie działają w kontenerach Docker na Synology czy QNAP. Wtedy Home Assistant tylko wysyła dane, a cała reszta siedzi na NAS-ie.

Konfiguracja InfluxDB w Home Assistant krok po kroku — integracja i polityki retencji

Podłączenie InfluxDB do Home Assistant to kilka minut pracy, ale diabeł tkwi w szczegółach. Potrzebujesz działającej instancji bazy, konta z odpowiednimi uprawnieniami i poprawnego wpisu w konfiguracji HA. Bez tego dane albo nie popłyną, albo zaleją ci dysk po miesiącu.

Zacznij od utworzenia bazy i dedykowanego użytkownika z prawem zapisu. W Home Assistant dopisz sekcję influxdb w pliku konfiguracyjnym, podając host, port, nazwę bazy oraz dane logowania. Po restarcie HA sprawdź logi: jeśli pojawia się błąd połączenia, najczęściej winny jest zły port albo zapora sieciowa.

Najważniejszy element, o którym wiele osób zapomina, to polityka retencji. Domyślnie InfluxDB trzyma dane bezterminowo, a czujniki temperatury czy zużycia prądu generują tysiące punktów dziennie. Ustawienie retencji to nie fanaberia, to konieczność.

Wyobraź sobie sytuację, w której masz trzydzieści czujników raportujących co dziesięć sekund. Po pół roku baza rośnie do kilku gigabajtów, a zapytania w Grafanie zaczynają mielić dysk. Retencja i downsampling rozwiązują problem zanim się pojawi.

Moim zdaniem retencja ustawiona na sztywno na 30 dni działa lepiej niż zostawienie domyślnych ustawień, ponieważ wymusza regularne czyszczenie, a przy tym nie tracisz historii potrzebnej do wykresów miesięcznych. Starsze dane i tak rzadko oglądasz w szczegółach.

Grafana: dashboardy i zaawansowane wykresy dla danych z Home Assistant

InfluxDB zbiera dane, ale to Grafana zamienia je w coś, na co chce się patrzeć. Podłączasz ją do bazy jako źródło danych, ustawiasz zapytanie i budujesz panel. Brzmi prosto. Schody zaczynają się, gdy chcesz porównać kilka okresów albo nałożyć na siebie zużycie prądu i temperaturę zewnętrzną.

Moim zdaniem Grafana wypada lepiej niż wbudowane wykresy Home Assistant, ponieważ nie gubi historii przy restarcie bazy i pozwala na dowolne przekształcenia danych w zapytaniu. Wbudowane karty są wygodne do szybkiego podglądu, ale przy analizie miesięcy wstecz zwyczajnie brakuje im elastyczności.

Typowy przykład: chcesz sprawdzić, czy pompa ciepła pobiera więcej energii w dni poniżej zera. Łączysz szereg czasowy z InfluxDB z danymi z czujnika temperatury i nakładasz oba wykresy na jednej osi. Efekt widzisz od razu, bez eksportowania czegokolwiek do arkusza.

Alerty w Grafanie działają niezależnie od automatyzacji Home Assistant, co bywa zaletą, gdy chcesz dostać powiadomienie o nietypowym poborze prądu, nawet jeśli HA akurat restartuje. Diabeł tkwi w szczegółach konfiguracji progów, ale sam mechanizm jest prosty.

Optymalizacja, backup i praktyczne zastosowania monitoringu long-term

Baza InfluxDB rośnie szybciej, niż się wydaje. Każdy pomiar napięcia, temperatury czy poboru mocy zapisuje się co kilka sekund, więc po roku zbierania danych katalog potrafi zajmować kilka gigabajtów. To normalne. Problem zaczyna się, gdy zapytania w Grafanie nagle trwają dłużej, a dysk na Raspberry Pi świeci się na czerwono. Diabeł tkwi w szczegółach, czyli w politykach retencji i kompresji.

Zamiast trzymać wszystko w jednej bazie, rozbij dane na dwa poziomy: świeże pomiary w wysokiej rozdzielczości oraz zagregowane wartości historyczne. InfluxDB sam potrafi wyliczać średnie godzinowe lub dobowe i zapisywać je w osobnej bucket. Dzięki temu długoterminowe wykresy energii pozostają płynne, a szczegółowe dane sprzed miesięcy nie obciążają zapytań.

• Retencja: surowe dane trzymaj 30-90 dni, agregaty nawet kilka lat.
• Kompresja: włącz domyślne kodowanie, które InfluxDB stosuje dla typów liczbowych.
• Backup: regularny eksport do pliku poza kartą SD, najlepiej na NAS albo dysk USB.
• Monitoring samego monitoringu: alert, gdy rozmiar bazy przekroczy ustalony próg.
• Lokalność: trzymaj dane u siebie, nie w chmurze producenta.

Typowy przykład: po dwóch latach zbierania danych o zużyciu prądu chcesz porównać tegoroczny wrzesień z poprzednim. Bez agregatów Grafana mieli dziesiątki tysięcy punktów na wykres i ładuje się wiecznie. Z agregatami odpowiedź masz w mgnieniu oka. Moim zdaniem lokalna baza z własnymi politykami retencji działa lepiej niż gotowe chmurowe rozwiązania producentów, ponieważ daje pełną kontrolę nad tym, co i jak długo przechowujesz, a dane nie znikną, gdy firma zmieni model subskrypcji albo wyłączy usługę.

Backup rób z głową. Karta SD w Raspberry Pi to najsłabszy punkt całego układu. Prosty eksport bazy na zewnętrzny nośnik raz w tygodniu oszczędza godziny odtwarzania po awarii. To nie czarna magia, wystarczy kilka poleceń w harmonogramie.

Najczęściej zadawane pytania (FAQ)

Czy InfluxDB i Grafana to przerost formy nad treścią w domowej instalacji? Krótka odpowiedź: nie, jeśli zależy ci na danych starszych niż kilka dni. Wbudowany Recorder w Home Assistant domyślnie czyści historię po około dziesięciu dniach. InfluxDB przechowuje pomiary miesiącami, a Grafana rysuje z nich wykresy, których standardowy dashboard po prostu nie pokaże.

Poniższe zestawienie odpowiada na pytania, które wracają najczęściej przy pierwszej konfiguracji. Diabeł tkwi w szczegółach, zwłaszcza przy retencji i wyborze encji do eksportu szerzej opisaliśmy to w artykule "Home assistant energy monitoring konfiguracja".

Moim zdaniem osobny host dla InfluxDB działa lepiej niż stawianie bazy na tym samym urządzeniu co Home Assistant, ponieważ zapis wielu punktów pomiarowych potrafi obciążać dysk i procesor, a wtedy automatyzacje reagują z opóźnieniem. Rozdzielenie zadań to prosty sposób na uniknięcie tego zjawiska.

Zanim zaczniesz, sprawdź, ile miejsca realnie potrzebujesz. Wyobraź sobie sytuację, w której eksportujesz sto encji co sekundę: po miesiącu baza potrafi urosnąć do kilku gigabajtów, choć przy rozsądnym interwale próbkowania to samo zajmie ułamek tej przestrzeni. To nie czarna magia, wystarczy policzyć.