Rädda världen en droppe i taget, del 3: Nätverk din sensorer (6 / 8 steg)
Steg 6: Konfigurera en ström att lagra data på data.sparkfun.com
För tillämpning av detta projekt, har vi valt att använda data.sparkfun.com för att lagra våra sensordata. Vi valde denna plats på grund av att underlätta användning av API, möjlighet att ladda ner som en CSV-fil och öppen källkod anda sparkfun. Yay Sparkfun!
För att inrätta en databas att lagra dina data, skapa en ny "ström" på webbplatsen data.sparkfun.com. Använd följande kolumnnamn.
average_flow_rate, varaktighet, gallon, scout_id, troop_id och skriv in resten av den information som du.
Hålla reda på alla nycklar du vill använda. De kommer komma till hands.
När din ström har ställts in, testa det genom att ange följande URL-adress i webbläsaren:
http://data.Sparkfun.com/input/ [ditt PUBLIC_KEY]? private_key = [ditt PRIVATE_KEY] & gallon = 0,56 & avg_flow_rate = 0 & varaktighet = 3067 & scout_id = 2 & troop_id = 4
Detta bör infoga en rad i din nya ström. Du kan alltid kontrollera innehållet i din ström här:
https://data.Sparkfun.com/streams/ [offentliga nyckel]
Grattis!
Så, nu har du en källa ström (Pinoccio sync stream) och en destination ström (data.sparkfun.com). Tricket är att få utvalda data från den ena till den andra. För att använde vi Python. (Gå vidare till nästa steg)
Obs: vi valde att ha piezo (diskbänk och fixturer) Skriv uteslutande till kolumnerna flöde hastighet och längd, och har den Halleffekten sensor (huvudsakliga meter) skriva uteslutande till kolumnen gallons. Alla icke-exklusiv kolumner är helt enkelt sättas till noll.
Vi kunde visuellt tare test systemet genom att jämföra flödet på huvudsakligt - som rapporterats på data.sparkfun.com - med flödet på fixturen - som också rapporterat om sparkfun - och fick 99% noggrannhet när korrelera två!