零成本自建：QuestDB + Grafana 构建 IoT 传感器仪表板
想搭一套"设备读数 → 入库 → 出图 → 告警"的传感器监控，但又不想碰云厂商按节点收订阅费？下面这套方案全程本地跑：QuestDB 存时序数据，ILP 协议写入读数，Grafana 负责看图。三个组件都开源免费，一台 4 核 4G 的旧机器就够。
一、整体架构
[传感器/模拟脚本] --ILP(TCP 9009)--> [QuestDB] --PostgreSQL(8812)--> [Grafana] --> 浏览器
QuestDB 同时提供两条查询出口：PostgreSQL 协议（8812）给 Grafana 和 JDBC，以及原生 HTTP（8880）给 Web 控制台。Grafana 走 PostgreSQL 协议连 QuestDB，把它当成一个"只会时序查询的数据库"来配。
二、Docker 一键起两个容器
# docker-compose.yml
services:
questdb:
image: questdb/questdb:latest
ports:
- "8812:8812" # PostgreSQL
- "9009:9009" # ILP 写入
- "8880:8880" # HTTP + Web Console
volumes:
- ./qdb:/root/.questdb
grafana:
image: grafana/grafana:latest
ports:
- "3000:3000"
environment:
- GF_SECURITY_ADMIN_PASSWORD=grafana
volumes:
- ./grafana:/var/lib/grafana
docker compose up -d
# Grafana: http://localhost:3000 (admin / grafana)
# QuestDB Web Console: http://localhost:8880
三、写数据：模拟 10 台传感器每秒读数
不用真设备也能跑通全流程。用 ILP 灌入：
# gen_sensors.py — 模拟 10 台传感器，每台每秒一条
import socket, time
hosts = [f"sensor_{i:02d}" for i in range(10)]
s = socket.socket()
s.connect(("localhost", 9009))
seq = 0
while True:
lines = []
base_ns = int(time.time() * 1_000_000_000)
for h in hosts:
temp = 20.0 + 8.0 * ((seq % 137) / 137.0) + (int(h[-2:]) % 5) # 0.1 步进 + 设备偏移
hum = 40.0 + 30.0 * ((seq % 89) / 89.0)
lines.append(f"sensor,{h} temp={temp:.2f},hum={hum:.2f} {base_ns}")
s.sendall(("\n".join(lines) + "\n").encode())
seq += 1
time.sleep(1) # 每秒一批
python3 gen_sensors.py & # 后台跑着，10 台 × 1/秒
measurement=sensor，tag 是 host（低基数 → 自动建为 SYMBOL），fields 是 temp/hum。QuestDB 第一行就自动建表，不用手写 DDL。
四、Grafana 配数据源（关键步骤）
- Grafana → Connections → Add data source → PostgreSQL
- 填：Host
localhost:8812，Useradmin，Passwordquest（QuestDB 默认凭据，生产请改），Database 留qdb - Query language 选 “Raw SQL”（QuestDB 是时序 SQL，不是标准 Postgres）
验证连通：
SELECT host, COUNT(*) AS n, MAX(temp) AS max_temp
FROM sensor
WHERE timestamp >= now() - INTERVAL 5 MINUTES
GROUP BY host;
能出 10 行，数据源就通了。
五、三块面板
面板 1：各传感器温度折线
SELECT
timestamp,
host,
temp
FROM sensor
WHERE timestamp >= now() - INTERVAL 1 HOUR
ORDER BY timestamp ASC
SAMPLE BY 10s FILL(null);
- Grafana 面板：Visualization 选 Time series
- Query：上面这段；Group by 填
host，Line 填temp - 10 秒采样把 1/秒的原始点降成 1/10 秒，折线干净、面板不卡
面板 2：每台设备近 1 小时最高温
SELECT host, MAX(temp) AS peak
FROM sensor
SAMPLE BY 1h
WHERE timestamp >= now() - INTERVAL 1 HOUR
ORDER BY peak DESC;
Visualization 选 Table 或 Bar chart，一眼看出谁最热。
面板 3：湿度百分位（P95）
SELECT host, PERCENTILE(hum, 0.95) AS p95
FROM sensor
SAMPLE BY 1h
WHERE timestamp >= now() - INTERVAL 1 HOUR
ORDER BY p95 DESC;
三块面板排成一个仪表板，Layout → Rows 分组，刷新间隔设 5s。
六、阈值告警（Grafana 原生，不额外花钱）
在面板上点 Add → Alert → Threshold：
- 条件：
Last * 1 > 28.0（温度 P95 或最新值超 28℃） - For：
2m（持续 2 分钟才触发，防抖） - Notification：Grafana 的 Alerting 里接一个 Webhook / 邮件 / 企业 IM
告警数据源就是刚才那个 PostgreSQL 数据源，查询用面板 3 的 P95 语句。全在 Grafana 内置能力里，零外部依赖。
七、加保留策略，磁盘不失控
传感器 7×24 灌，几个月磁盘就满。加一条自动删老分区（PARTITION BY DAY 的表）：
-- 建表时就要带分区（本例 sensor 是 ILP 自动建表，默认未分区，需重建）
CREATE TABLE sensor_daily (
ts TIMESTAMP,
host SYMBOL,
temp DOUBLE,
hum DOUBLE
) PARTITION BY DAY;
-- 用 ILP 写 sensor_daily 后，每天删 90 天前的分区
-- 在 QuestDB 里（生产用 cron 调 Web Console / psql）：
SELECT DROP_PARTITION('sensor_daily', '2026_07') ; -- 具体函数名以版本为准
配合系统 cron，每天凌晨执行一次"删除 90 天前分区"，磁盘占用就稳在一个常数。
八、成本与规模参考
| 项 | 数量级 |
|---|---|
| 硬件 | 4 核 / 4G / 100G SSD 旧机器 |
| 写入速率 | 10 设备 × 1/s = 10 行/s（QuestDB 单机可扛 100 万行/s，余量巨大） |
| 存储 | 10 行/s ≈ 0.5 MB/天（未压缩），90 天 < 50 MB |
| 授权费 | 0（QuestDB / Grafana / Docker 全开源） |
结论：这套方案的性能天花板远超"小团队物联网"需求，瓶颈永远在网卡而不是数据库。
九、扩展方向
- 设备元数据表 + ASOF JOIN：把"设备配置"表按时间对齐到读数，见 ASOF JOIN 指南
- 异常检测：在面板里加一条
temp - LAG(temp, 5m) > 3℃的告警查询 - K8s 指标接入：把本套架构挪进 Kubernetes，传感器换成 cAdvisor 的 Prometheus 拉取，仍写 QuestDB
本文在 QuestDB latest + Grafana 11 + Docker Compose 验证。默认凭据 admin/quest 仅供本地演示。QuestDB 为其权利人商标，本站为独立技术社区，非官方。