InfluxDB 2.x - Zeitstempel verstehen und umrechnen

Mit ** gekennzeichnete Links auf dieser Seite sind Affiliatelinks.

InfluxDB 2.x - Zeitstempel verstehen und umrechnen
InfluxDB 2.x - Zeitstempel verstehen und umrechnen
  • 04.08.2023
  • Visualisierung
  • Datenbanken

In einem ersten Video bin ich auf die InfluxDB 2.x Grundlagen eingegangen. Dann folge ein Praixs-Video zu meinem PV-Dashboard. Beide Videos kamen sehr gut bei Euch an. Allerdings stolpere ich bei meinem täglichen Support im ioBroker-Forum immer wieder über die Zeitstempel-Thematik. Da dort immer vieles durcheinadner geworfen wird, klären wir heute ein paar Grundlagen zu Zeitstempeln und wie man korrekt mit den UTC-Zeitstempeln aus der Datenbank arbeitet.

Was Du benötigst?

  • Eine bestehende InfluxDB 2.x Installation

Video

Hausbau-Kurs

Statements

Wenn man Zeiträume selektiert, sollte man bei den Tagesgrenzen darauf achten, dass diese für die richtige Zeitzone gelten. Ansonsten wird UTC zurückgeliefert. Gruppiert man Daten ohne Zeitzonen-Angabe, wird ebenfalls UTC verwendet. Das folgende Statement liefert also zwei Zeilen zurück, obwohl die Daten in der Zeitzone Europe/Berlin nur in genau einem Tag liegen.

from(bucket: "smarthome")
  |> range(start: 2023-07-31T22:00:00.000Z, stop: 2023-08-01T21:59:59.999Z)
  |> filter(fn: (r) => r._measurement == "energy-stats" and r._field == "importedWh")
  |> difference()
  |> aggregateWindow(every: 1d, fn: sum, timeSrc: "_start")

Es muss also die richtige Zeitzone gesetzt werden:

import "timezone"
 
option location = timezone.location(name: "Europe/Berlin")

Diese Option wird ebenfalls genutzt, wenn Zeitpunkte errechnet werden sollen (Anfang des Tages, Anfang der Woche oder des Monats):

import "generate"
import "timezone"
import "date"

option location = timezone.location(name: "Europe/Berlin")

dayStart = date.truncate(t: now(), unit: 1d) // entspricht today()
monthStart = date.truncate(t: today(), unit: 1mo)
yearStart = date.truncate(t: today(), unit: 1y)
last6Month = date.sub(from: today(), d: 6mo)
last6MonthStart = date.sub(from: date.truncate(t: today(), unit: 1mo), d: 6mo)

generate
    .from(count: 1, fn: (n) => n + 1, start: 2023-01-01T00:00:00.000Z, stop: 2023-01-01T23:59:59.999Z)
    |> map(fn: (r) => ({r with _value: last6MonthStart}))
    |> drop(columns: ["_time"])

Insgesamt bietet das Date Package sehr viele Funktionen, um von einem Ausgangspunkte (z.B. heute) verschiedene Zeitpunkte zu errechnen. Im folgenden Beispiel hole ich mir die Daten für die letzten 6 vollendeten Monate. Der aktuell laufende Monat wird also nicht mit abgefragt!

import "generate"
import "timezone"
import "date"

option location = timezone.location(name: "Europe/Berlin")

monthStart = date.truncate(t: today(), unit: 1mo)
last6MonthStart = date.sub(from: monthStart, d: 6mo)

from(bucket: "smarthome")
  |> range(start: last6MonthStart, stop: monthStart)
  |> filter(fn: (r) => r._measurement == "energy-stats" and r._field == "importedWh")
  |> difference()
  |> aggregateWindow(every: 1mo, fn: sum, timeSrc: "_start")

Eine Besonderheit sind leider die Wochen. Als Anfang der Woche wird immer ein Donnerstag zurückgeliefert. Daher müssen wir den Wochenanfang etwas anders errechenn:

import "timezone"
import "date"

option location = timezone.location(name: "Europe/Berlin")

weekStart = date.sub(from: date.truncate(t: date.add(to: today(), d: 3d), unit: 1w), d: 3d)

Mehr dazu im Video!

Du willst mehr?

Smart-Home-Trainings von A-Z

Steig noch tiefer in die Themen ein und meistere Deine Projekte! Über 13.000 Teilnehmer konnten sich schon von der Qualität der Online-Kurse überzeugen.

ioBroker-Master-Kurs

ioBroker-Master-Kurs

Mehr Infos
Hausbau-Kurs

Hausbau mit KNX

Mehr Infos
Lox-Kurs

Lox-Kurs

Mehr Infos
Node-RED-Master-Kurs

Node-RED-Master-Kurs

Mehr Infos