魅せるIT編集部

生活がもっと楽しくなるライフハック！

NEW ARTICLE
トレンド情報による商品紹介ページ

Python | 騒音計のデータを時系列データベースに保存する（IoT x Database , TimescaleDB）

Python | 騒音計のデータを時系列データベースに保存する（IoT x Database , TimescaleDB）

みなさん、こんにちは！

今回は前回の続きとして、騒音計の時系列データをデータベースに保存してみようと思います。

前回の記事↓↓

魅せるIT編集部
 
2023.08.30
魅せるIT
Python | librosaを用いて騒音計を作るには？（PyAudio、matplotlib）
https://miseruit.com/2023/08/30/post-5561
前回は「音圧」の可視化を行いました。では、実際に利用できる「騒音計」はどう作ればよいのでしょうか？そもそもdBと「騒音」の関係性とは？どのぐらいのデシベル数だと「騒音」と感じるのでしょうか？埼玉の深谷市が提供しているリストを見てみます。Pythonで騒音計を作るには？上記の情報を踏まえ、騒音計を考えます。前回のdBFSは「最大が0dB」として考え、－∞に向かうほど音が小さくなるよう設定しました。音圧レベル (dB) = 20 * log10(RMS振幅 / 基準振幅)のうち、基準振幅を「1（≒ ref =1）」として計算していましたが、この基...
目次

データを保存する

時間とその時のHzをデータベースに記録していきます。

データ数

時間間隔として1sec毎に書き込みを行うとします。

レコード数は 60sec * 60min * 24 = 86400 となります。

記録先

今回はDB（TimescaleDB）とAPを同一の筐体に設置し、逐一DBに書き込んでいきます。

魅せるIT編集部
2023.09.10
魅せるIT
Docker | Dockerコンテナを作成しよう（TimescaleDB）
https://miseruit.com/2023/09/10/post-5644
みなさん、こんにちは！今回はIoTデータの蓄積で注目されている「TimescaleDB」のコンテナを取り扱ってみます。Dockerコンテナ生成までの流れ以下に手順を整理します。１）Docker HubからDocker ImageをPullするDockerHubからDocker ImageをPullします。→　TimescaleDBのページはこちら※公式ドキュメントでもやり方が公開されています。docker pull timescale/timescaledb-ha:pg14-latest２）Docker Imageを起動するコンテナをまだ作成していない場合は、以下のコマンドです。※ 今回はルートパスワードを「passw0rd 」としています。do...

DB側の設定

TimescaleDBに以下のようなDB、テーブルを作成します。

DB：noiseDB

Table：noise

テーブル作成

テーブルは以下のように作ります。

Create table noise( time timestamp, noise float, sensor varchar(10))

ハイパーテーブル作成

TimescaleDBは「ハイパーテーブル」と「チャンク」で構成されます。

データが増えた場合は、チャンク単位でデータを削除することが出来ます。

ハイパーテーブル
　├─　チャンク1
　├─　チャンク2
　…
　├─　チャンクX

ハイパーテーブルは「create_hypertable関数」を用いて作成します。

※　基本的にはデータが入っていない状態で実施します。↓以下のようなエラーが出ます。

-- 書き方：Select create_hypertable('テーブル名', '時間列', チャンクサイズ）
Select create_hypertable('noise', 'time', chunk_time_interval => INTERVAL '1 day');

chunk_time_intervalでチャンクに入るデータサイズを決めることが出来ます。

デフォルトは7日で、今回は24時間にします。

docs.timescale.com
 
魅せるIT
Timescale Documentation | Change hypertable chunk intervals
https://docs.timescale.com/use-timescale/latest/hypertables/change-chunk-intervals/
Adjust your hypertable chunk interval to improve query performance

既にデータが入っているテーブルに対してだと、「migrate_data => ture」とすれば処理できます。

SELECT create_hypertable('noise', 'time',chunk_time_interval => INTERVAL '1 day',migrate_data => true);

このnoiseテーブルに対して、データを書き込んでいきます。

以下のクエリを実行することで、チャンクの設定情報が確認できます。

docs.timescale.com
 
魅せるIT
Timescale Documentation | Change hypertable chunk intervals
https://docs.timescale.com/use-timescale/latest/hypertables/change-chunk-intervals/
Adjust your hypertable chunk interval to improve query performance
SELECT h.table_name, c.interval_length
  FROM _timescaledb_catalog.dimension c
  JOIN _timescaledb_catalog.hypertable h
    ON h.id = c.hypertable_id;

プログラム

前回のプログラムを改良します。

import pyaudio
import numpy
import librosa.display 
import datetime
import time

import psycopg2


#------------------------------------------------------------
#センサーID
#------------------------------------------------------------
SENSOR_ID = "S00001"

#------------------------------------------------------------
#定数
#------------------------------------------------------------
CHUNK = 44100
RATE = 44100

FORMAT = pyaudio.paInt16
CHANNELS = 1
SLEEPTIME = 1.0 #sec

#------------------------------------------------------------
#グローバル変数化
#------------------------------------------------------------
dB_list = numpy.empty(0)
connector =  psycopg2.connect('postgresql://{user}:{password}@{host}:{port}/{dbname}'.format( 
                user="postgres",        #ユーザ
                password="passw0rd",  #パスワード
                host="localhost",       #ホスト名
                port="5432",            #ポート
                dbname="example"))    #データベース名

#------------------------------------------------------------
#postgreコネクション
#------------------------------------------------------------
def pg_insert(t,noise):
    with connector:
        with connector.cursor() as cursor:
            # レコードを挿入
            sql = "INSERT INTO noise (time, noise, sensor) VALUES (%s, %s, %s)"
            cursor.execute(sql, (t, float(noise),SENSOR_ID))
    
        # コミットしてトランザクション実行
        connector.commit()


#------------------------------------------------------------
#ストリーミングで音を取得
#------------------------------------------------------------
def audiostart():
    audio = pyaudio.PyAudio() 
    stream = audio.open( format = FORMAT,
                         rate = RATE,
                         channels = CHANNELS, 
                         input = True, 
                         frames_per_buffer = CHUNK)
    return audio, stream

#------------------------------------------------------------
#終了処理
#------------------------------------------------------------
def audiostop(audio, stream):
    stream.stop_stream()
    stream.close()
    audio.terminate()

#------------------------------------------------------------
#dB計算
#------------------------------------------------------------
def average_dB(buf):
    rms=librosa.feature.rms(y=buf) #RMSを計算
    dB=librosa.amplitude_to_db(rms,ref=2*1e-5) #dBを計算
    dt = datetime.datetime.today()
    avg_dB = numpy.array([dt.strftime('%Y-%m-%d %H:%M:%S.%f'),numpy.mean(dB)])
    pg_insert(dt.strftime('%Y-%m-%d %H:%M:%S.%f'),numpy.mean(dB))
    print(avg_dB)
    return avg_dB

#------------------------------------------------------------
#デシベル計算
#------------------------------------------------------------
def read_plot_data(stream):
    global dB_list 
    data = stream.read(CHUNK)
    audiodata = numpy.frombuffer(data, dtype='int16') / float((numpy.power(2, 16) / 2) - 1) 
    average_dB(audiodata)[1]
    time.sleep(SLEEPTIME)

#------------------------------------------------------------
#Main
#------------------------------------------------------------
if __name__ == '__main__':
    
    #録音開始
    (audio,stream) = audiostart()
    
    #ノンブロッキング処理
    while True:
        try:
            read_plot_data(stream)
        except KeyboardInterrupt:
            break
    
    #録音終了
    audiostop(audio,stream)

データを確認する

約7時間ほどプログラムを実行してみました。データを確認してみます。

１）データ数

24950[sec]/3600 = 6.930555555555556 [hours]

select count(*) from noise
>> 24950

２）ハイパーテーブルに紐づくチャンクの確認

ハイパーテーブルに紐づくチャンクを確認します。

SELECT show_chunks('noise');
>> _timescaledb_internal._hyper_1_1_chunk

ハイパーテーブルのサイズは以下のように調べます。単位は「バイト」です。

7時間で約1MBほどなので、1日約3.5MBほどのデータが発生することになります。

SELECT hypertable_size ( 'noise' ) ;
>> 1146880

３）データを見てみる

例えば、1時間毎の平均騒音度を見たい場合は以下のように書きます。

SELECT
    time_bucket ('1 hour', time)  AS bucket,
    avg(noise) as avg_noise
FROM noise
Group by bucket
order by bucket asc;

夜中から朝方にかけて、徐々に騒音度が増していることが分かります。

データを削除する

データを削除するには 「Delete」もしくは「Drop chunk」を用いることになります。

docs.timescale.com
魅せるIT
Timescale Documentation | About data retention
https://docs.timescale.com/use-timescale/latest/data-retention/about-data-retention/
Learn how data retention works in Timescale

Deleteで削除した場合は、別途Vacuumを行う必要がありますが、Drop chunkの場合はVaccuumが不要とのことです。

※ ちなみに、現時点でVacuumが必要か否かは、こちらのサイトのクエリを実行すればわかるとのこと。

SELECT
  relname,
  n_live_tup,
  n_dead_tup,
  CASE n_dead_tup WHEN 0 THEN 0 ELSE round(n_dead_tup*100/(n_live_tup+n_dead_tup) ,2) END AS ratio
FROM
  pg_stat_user_tables ;