Ich finde das sehr gut, es gibt nicht wenig Optionen, ich gebe zu, dass ich mir nicht wirklich einen speziellen Fall vorstellen kann, der noch mehr Optionen für Zeiträume erfordern würde.
3 Monate, ohne wirklich jemals weiter zurückgehen zu müssen.
Denn das Einzige, was ich von Jahr zu Jahr vergleichen möchte, ist mein Stromverbrauch, aber das erledige ich über die spezielle App meiner Solarpaneele, die sehr umfassend ist.
Ich stimme direkt zu, denn die Datenbank wird immer größer und ich mache deshalb selbst ab und zu eine Reinigung, um die aggregierten Daten zu löschen.
Es ist wahr, dass eine feinere Verwaltung auch die Größe der Backups begrenzen wird, denn zwischen 3 Monaten und unbegrenzt war es etwas knapp, es ist gut, dass diese Zeiträume hinzugefügt wurden!
« le soir » und « 4h morgens », das ist doch nicht logisch
Danke für die Bestätigung, dass die aggregierten Daten vorerst lebenslang gespeichert werden, das hatte ich vergessen.
Eine etwas dumme Frage, ich glaube, du hast diese Frage schon beantwortet, aber Themen entwickeln sich manchmal weiter:
→ Unter Berücksichtigung, dass die Datenbanken derjenigen, die die Daten mehrere Monate (oder unbegrenzt) behalten möchten, in der Größe erheblich werden, ist es vorstellbar, auf eine Datenbank wie InfluxDB für die nicht aggregierten Sensorwerte zu migrieren?
Die Größe würde stark reduziert, aber andererseits ermöglicht man die Flexibilität, flache Dateien wie mit SQLite für diese Daten zu haben.
Dazu habe ich schon eine Weile ein Auge auf eine neue Datei-Datenbank (wie SQLite) geworfen, aber für Zeitreihendaten heißt das DuckDB und wird langsam zu einer Referenz. Ich habe es getestet und es ist ziemlich phänomenal, wie viel Platz es im Vergleich zu Gladys derzeit einnimmt (für Zeitreihendaten natürlich).
Ich warte darauf, dass DuckDB stabil wird, um ein Projekt damit zu starten.
Danach, InfluxDB für diejenigen, die es kennen, warum nicht eine Integration haben, aber für mich wird das keine „empfohlene“ Methode sein, sondern eher eine Integration für Experten
@lmilcent Schau, wenn du Hoffnung willst, ich habe einen Test mit einer 4,5 GB großen Datenbank mit Sensorzuständen (verschiedene Daten) in DuckDB durchgeführt.
In Gladys: 4,5 GB
In DuckDB: 50 MB
Das ist ein Faktor von 90, das ist schon verrückt
(Na gut, das ist normal, es ist eine Time-Series-Datenbank, dafür ist sie gemacht)