[FR] influx Datenbank aus ext. Quellen beschreiben

[Chris M.]

Der Port 8086 ist ja über den Reverse-Proxy unter "ts" nach außen sichtbar.
Die CometVisu nutzt daher bei mit die URL "https://172.17.0.1/proxy/ts/query" um direkt von Influx die Daten zu lesen.

[Sensej]

Hallo!
Darf ich dieses "unliebsame" Thema nochmal aufwärmen? Ich versuche auch gerade Daten aus der InfluxDB über Python auszuwerten und bekomme die Verbindung nicht hin. Python läuft auf einem anderen Gerät mit eigener IP-Adresse. Wie darf ich den User "docker" verstehen? Funktioniert der nur auf dem TWS oder erlaubt dieser auch externen Zugriff von anderen IP-Adressen?

Hallo Peter,
Für den externen Zugriff mit Python kannst du Proxy
https://Timberwolfxx/proxy/ts/ und den Benutzer Docker verwenden. Das funktioniert

MfG Juri

[pholler]

Ich danke euch für den Tipp mit der Grafana-Anbindung!
Ich habe das gleich nach dem ersten Post probiert aber nicht hinbekommen und mich danach nicht mehr gemeldet. Sorry!. Nachdem jetzt schon mehrere berichtet haben dass es funktioniert habe ich es jetzt nochmal aufgegriffen. Muss doch irgendwie gehen! Da waren für mich noch ein paar Stolpersteine die nicht ganz klar waren. Jetzt klappt es aber hervorragend!
Ich poste hier ma kurz ein Beispiel in dem von meinem WP-Stromzähler KNX-Daten ausgelesen und in ein DataFrame konvertiert werden:

Code: Alles auswählen

import pandas as pd
from influxdb import DataFrameClient

# Verbindungsparameter
host = '192.168.1.12'
port = 443
user = 'docker'
password = ‘extrem geheimes Passwort von der TWS-Seite für Docker’
dbname = 'timeseries_db'
path='/proxy/ts'

# Verbindung aufbauen
client = DataFrameClient(host, port, user, password, dbname, path=path, ssl=True, verify_ssl=False)

# KNX-Werte des WP-Stromverbrauches der letzten 24h abfragen
result = client.query("""SELECT * FROM KNX_LINE27 
WHERE ("GA" = '0/5/11') AND time >= now() - 1d""")

# df bauen
dfPwrWP = pd.DataFrame(result['KNX_LINE27']['Val'])

# Histo anzeigen
dfPwrWP.hist()

Beste Grüße
Peter

[StefanW]

Hallo Peter,

danke sehr.

Ich habe jetzt nicht alles durchgelesen, wohin gehen den die Daten am Ende, die Du hier mit einem Script aus der DB abgreifst? Und in was für ein Format wird das verpackt (weil wir hier ja Erweiterungen planen)

lg

Stefan

[pholler]

Hallo Stefan,

also das ist hier erstmal nur ein Beispiel um zu zeigen wie man die Daten abgreift und in ein Pandas Dataframe packt. Das ist eine Art Tabelle in Python mit der man dann alles Mögliche machen kann. Graphen zeichnen, Datenbereiche auswerten, weiterverrechnen usw.
Ich für meinen Part benutze es zur Zeit um den Wirkungsgrad meiner Wärmepumpe zu analysieren. Die Möglichkeiten sind unendlich.

Beste Grüße

Peter

[Sensej]

Und in was für ein Format wird das verpackt (weil wir hier ja Erweiterungen planen)

lg

Stefan

Hallo Stefan,
Die Daten kommen aus Python als python-dictionary.
Mit diesen Daten kann man alles Mögliches machen.
Für die Statistiken schreibe ich z.B.manche Sachen aus InfluxDb als csv raus.
Python ist genial
MfG Juri

[StefanW]

Hallo Juri und peter,

danke Euch. Dann wäre doch ein python Container als APP eine tolle Ergänzung.

Wir können das selbst derzeit nicht machen, weil wir mit den anderen Themen schon so unter Dampf sind, aber wenn Ihr da einen tollen Container baut, dann kann man das schon z.B, als APP einbauen. Nur ein Gedanke, kein Versprechen. Man müsste wohl ein paar Variablen anlegen, damit man das dann aus der App-Verwaltung steuern kann. Das kann man sich vermutlich gut vom CV- oder Plugin-Container abschauen.

Wäre ein tolles Community-Projekt

lg

Stefan

[pholler]

Hallo Stefan,
das geht IMHO gar nicht so einfach. Ich verwende nun Jupyter für Python auf einem Raspberry Pi mit 64 bit. Ich habe mich vorher lange mit 32-bit-Pis beschäftigt weil das bisher die native Umgebung war. Auf 32 bit laufen viele Libraries nicht vernünftig. Das ist furchtbar mühsam. Soweit ich weiß sind die Hutschienen-Wölfe auch 32 bit. Mit diesen habe ich in Docker bisher auch nichts erfolgreich zusammen gebracht.
Für die 64-Bit-Wölfe wäre ein Dockercontainer mit Jupyter-Hub super.

Beste Grüße
Peter

[pholler]

Weil ich via PN gefragt wurde,
ich versuche aktuell meine WP besser zu vestehen und wenn ich ehrlich bin traue ich den Herstellerangaben nicht. Dafür baue ich Graphen wie diese:

COP Heizen.png

COP WW.png

Ist noch nicht ganz perfekt weil einige Temperaturen schwingen und der Abtaueinfluss ziemlich heftig und für mich noch schwer zu ermitteln ist. Da muss ich noch etwas nachbessern.
Man kann aber schon sagen dass mein Verdacht dem Hersteller gegenüber bei den Wirkungsgradangaben zu mogeln nicht gerechtfertigt ist. Die WP funktioniert effizienter als ich gedacht habe. Das aber nur so am Rande.

[StefanW]

Hallo Peter,

ein toller Beitrag, sehr schön zu sehen, was man mit dem Timberwolf Server alles anfangen kann

Das Thema Energiemanagement ist uns ein Herzensanliegen und wir wünschen uns sehr, dass die Nutzer den Server nicht nur für Komfortzwecke nutzen, sondern auch um Energie einzusparen bzw. sinnvoller zu nutzen. Das ist unsere eigentliche Mission.


lg

Stefan