Умна сграда: датчици и климат на GX10

01Какво ще научиш

• Как да пуснеш MQTT брокер със защитен достъп и да го държиш затворен към мрежата.
• Как да записваш показания във времева таблица и да ограничаваш колко стоят.
• Как да проверяваш входящите съобщения и да не се чупиш от лошо съобщение.
• Как да правиш предложение (не команда) със защитни граници.
• Как да поискаш от модел обяснение — и защо то е хипотеза.
• Какво не бива да управлява процес като този.

02Преди да започнеш

• Машина от класа NVIDIA GB10 (например ASUS Ascent GX10 или DGX Spark) с Docker и Ollama; Python 3.10 или по-нов. Основите на Docker и защитата на тайните са в урока n8n на GX10.
• Основи на SQL. Истински датчици не са нужни — ползваме симулатор.
• Образите са многоархитектурни: и eclipse-mosquitto:2.1.2, и timescale/timescaledb:2.30.2-pg18 имат arm64 в Docker Hub (проверено на 03.10.2026).
• Моделът: qwen2.5:14b — 9,0 GB, лиценз Apache-2.0 (ollama.com); заема малка част от общите 128 GB. Страницата му изброява 29+ езика, български не е изброен ⚠️ — текстът се чете от техник.

03Стъпки

1. Как е устроено

   схемакопирай

   Датчици (симулатор) ──MQTT──► Mosquitto (вход с парола, порт само на 127.0.0.1)
                                     │
                            ingest.py (проверка) ──► TimescaleDB
                                                       ├─ iot_readings (90 дни)
                                                       └─ iot_hourly (агрегат по час)
                                                             │
                             advisor.py → ПРЕДЛОЖЕНИЯ ──► човек решава
                             explain.py → обяснение от локален модел (хипотеза)

2. Тайни и конфигурация на брокера

   Защо парола: според ръководството на Mosquitto, при зададен слушател анонимните връзки са забранени по подразбиране (allow_anonymous е false); потребителите са във файл с пароли. Портът се публикува само на 127.0.0.1 — така брокерът не се вижда от мрежата.

   bash · на машината · не е пусканокопирай

   mkdir -p mosquitto/config
   
   # файл с потребител за брокера (ще поиска парола)
   docker run --rm -it -v "$PWD/mosquitto/config:/mosquitto/config" \
     eclipse-mosquitto:2.1.2 mosquitto_passwd -c /mosquitto/config/passwd iot_agent
   
   cat > mosquitto/config/mosquitto.conf <<'EOF'
   listener 1883
   allow_anonymous false
   password_file /mosquitto/config/passwd
   EOF
   
   # тайни за базата — генерирани, не записани в урока
   cat > .env <<EOF
   POSTGRES_USER=iot
   POSTGRES_PASSWORD=$(openssl rand -hex 24)
   POSTGRES_DB=building
   EOF
   chmod 600 .env

   ⚠️

   Истински устройства в мрежата

   Докато портът е само на 127.0.0.1, устройства от други машини не могат да се свържат. Свързването им изисква слушател, достъпен в мрежата, с удостоверяване и TLS, и отделна мрежа за IoT. Това не е в урока и не го сме пробвали ⚠️.

3. compose.yaml

   Защо PGDATA: както в урока за n8n — Postgres 18 смени мястото на данните по подразбиране, затова го задаваме явно, иначе базата започва празна при нов том.

   yaml · compose.yaml · не е пусканокопирай

   name: smart-building
   
   services:
     mosquitto:
       image: eclipse-mosquitto:2.1.2
       restart: unless-stopped
       ports:
         - "127.0.0.1:1883:1883"
       volumes:
         - ./mosquitto/config:/mosquitto/config
         - mqtt_data:/mosquitto/data
   
     timescaledb:
       image: timescale/timescaledb:2.30.2-pg18
       restart: unless-stopped
       environment:
         POSTGRES_USER: ${POSTGRES_USER}
         POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
         POSTGRES_DB: ${POSTGRES_DB}
         PGDATA: /var/lib/postgresql/data
       ports:
         - "127.0.0.1:5432:5432"
       volumes:
         - ts_data:/var/lib/postgresql/data
   
   volumes:
     mqtt_data:
     ts_data:

   bash · не е пусканокопирай

   docker compose config --quiet && echo "compose: OK"
   docker compose up -d
   docker compose ps

   Очакваш двете услуги да работят и портовете да са само на 127.0.0.1.

4. Таблица, съхранение и агрегат по час

   Защо хипертаблица и политика: показанията растат непрекъснато; add_retention_policy маха автоматично старите парчета, а часовият агрегат пази кратка история на тенденциите. Внимание: прозорецът за опресняване на агрегата (start_offset) трябва да е по-къс от срока на съхранение — иначе изтритите сурови данни могат да презапишат агрегата (виж документацията ⚠️).

   sql · schema.sql · не е пусканокопирай

   CREATE TABLE iot_readings (
     time         timestamptz NOT NULL,
     sensor_id    text        NOT NULL,
     location     text,
     temp_c       numeric(5,2),
     humidity_pct numeric(5,2),
     co2_ppm      integer,
     occupancy    integer
   ) WITH (tsdb.hypertable, tsdb.partition_column = 'time');
   
   -- сурови показания: 90 дни (срокът е твой избор)
   SELECT add_retention_policy('iot_readings', drop_after => INTERVAL '90 days');
   
   -- часов агрегат
   CREATE MATERIALIZED VIEW iot_hourly
   WITH (timescaledb.continuous) AS
   SELECT time_bucket('1 hour', time) AS bucket,
          location,
          avg(temp_c)       AS temp_avg,
          avg(humidity_pct) AS humidity_avg,
          avg(co2_ppm)      AS co2_avg,
          max(occupancy)    AS occupancy_max
   FROM iot_readings
   GROUP BY bucket, location
   WITH NO DATA;
   
   SELECT add_continuous_aggregate_policy('iot_hourly',
     start_offset      => INTERVAL '3 days',
     end_offset        => INTERVAL '1 hour',
     schedule_interval => INTERVAL '1 hour');

   Командите се пускат в базата. Първо зареждаш променливите от .env в обвивката си:

   bash · не е пусканокопирай

   set -a; . ./.env; set +a
   docker compose exec -T timescaledb psql -U "$POSTGRES_USER" -d "$POSTGRES_DB" < schema.sql

5. Приемане на показанията

   Защо проверка: съобщения идват от устройства — могат да са счупени, празни или с нелепи стойности. Скриптът ги прескача и не се срива. Паролите идват от променливи на средата, не от кода. Съобщението за пример е измислено.

   python · ingest.py · не е пусканокопирай

   # ingest.py · MQTT → TimescaleDB (измислени датчици)
   import json
   import os
   from datetime import datetime, timezone
   
   import paho.mqtt.client as mqtt
   import psycopg
   from paho.mqtt.enums import CallbackAPIVersion
   
   TOPIC = "building/sensors/#"
   # напр. "host=localhost dbname=building user=iot password=<от .env>"
   conn = psycopg.connect(os.environ["DATABASE_URL"], autocommit=True)
   
   
   def on_connect(client, userdata, flags, reason_code, properties):
       if reason_code.is_failure:
           print("MQTT: неуспешна връзка:", reason_code)
           return
       client.subscribe(TOPIC)  # тук, за да се подновява при повторно свързване
   
   
   def on_message(client, userdata, msg):
       try:
           data = json.loads(msg.payload)
           r = data["readings"]
           row = (
               datetime.now(timezone.utc),
               str(data["sensor_id"])[:50],
               str(data.get("location", ""))[:100],
               float(r["temp"]),
               float(r["humidity"]),
               int(r["co2"]),
               int(r.get("occupancy", 0)),
           )
       except (ValueError, KeyError, TypeError) as exc:
           print("лошо съобщение, прескочено:", type(exc).__name__)
           return
       if not (-30 <= row[3] <= 60 and 0 <= row[4] <= 100 and 0 <= row[5] <= 10000):
           print("стойност извън разумния диапазон, прескочена")
           return
       conn.execute(
           "INSERT INTO iot_readings "
           "(time, sensor_id, location, temp_c, humidity_pct, co2_ppm, occupancy) "
           "VALUES (%s, %s, %s, %s, %s, %s, %s)",
           row,
       )
   
   
   client = mqtt.Client(CallbackAPIVersion.VERSION2)
   client.username_pw_set(os.environ["MQTT_USER"], os.environ["MQTT_PASS"])
   client.on_connect = on_connect
   client.on_message = on_message
   client.connect("localhost", 1883)
   client.loop_forever()

   Симулиран датчик — едно измислено съобщение:

   bash · не е пусканокопирай

   docker compose exec mosquitto mosquitto_pub -h localhost -u iot_agent -P "<парола>" \
     -t building/sensors/s-01 \
     -m '{"sensor_id":"s-01","location":"hall-1","readings":{"temp":21.4,"humidity":45,"co2":620,"occupancy":12}}'

   Провери в базата, че редът е там: SELECT * FROM iot_readings ORDER BY time DESC LIMIT 5;. Изпрати и счупено съобщение (например {"x":1}) — скриптът трябва да го прескочи, без да спре.

6. Предложение, не команда

   Защо: какво да се направи с климата решава човек, който познава сградата. Функцията по-долу връща текст с предложения. Граничните стойности са примерни — задава ги инженерът по проекта или стандарта, не този урок.

   python · advisor.py · не е пусканокопирай

   # advisor.py · предложения за климат (НЕ команди). Стойностите са примерни.
   import os
   
   import psycopg
   
   SETPOINT_MIN, SETPOINT_MAX = 19.0, 24.0   # защитни граници — задава инженерът
   CO2_ALERT_PPM = 1000                      # примерен праг, не норма
   
   
   def clamp(x: float, lo: float, hi: float) -> float:
       return max(lo, min(hi, x))
   
   
   def last_hour(location: str):
       with psycopg.connect(os.environ["DATABASE_URL"]) as conn:
           row = conn.execute(
               "SELECT avg(temp_c), avg(co2_ppm) FROM iot_readings "
               "WHERE location = %s AND time > now() - interval '1 hour'",
               (location,),
           ).fetchone()
       return row  # (avg_temp, avg_co2) — може да са None
   
   
   def suggest(location: str, expected_people: int, capacity: int) -> list[str]:
       avg_temp, avg_co2 = last_hour(location)
       if avg_temp is None:
           return ["Няма данни от датчиците — не предлагаме промяна."]
       fill = expected_people / capacity if capacity else 0.0
       target = clamp(22.0 - (1.0 if fill > 0.6 else 0.0), SETPOINT_MIN, SETPOINT_MAX)
       notes = []
       if float(avg_temp) > target + 1.5:
           notes.append(
               f"Предложение: охлаждане към {target:.1f} °C преди събитието "
               f"(последен час: {float(avg_temp):.1f} °C). Решава техник."
           )
       if avg_co2 is not None and float(avg_co2) > CO2_ALERT_PPM:
           notes.append("Предложение: по-силна вентилация (CO₂ над настроения праг). Решава техник.")
       return notes or ["Няма предложения."]

   Датчик	Примерен праг	Предложение	Кой решава
   Температура	над целта + 1,5 °C	охлаждане преди събитие	техник
   CO₂	над настроения праг	по-силна вентилация	техник
   Влажност	настройва се	известие	техник
   Празна зала	настройва се	намалено осветление	отговорник на сградата

   Всички прагове са примерни — вземи реалните от проекта на сградата или от приложим стандарт.

7. Обяснение на аномалия с локален модел

   Защо абсолютни отклонения: „15 % над нормата“ няма смисъл за температура в °C. Задаваме отделен праг на всеки показател. Защо „хипотеза“: моделът вижда числа, не сградата. Той може да предложи „открит прозорец или неизправен климатик“, но това проверява техник.

   python · explain.py · не е пусканокопирай

   # explain.py · обяснение на аномалия (хипотеза за техник)
   import httpx
   
   OLLAMA = "http://localhost:11434"
   MODEL = "qwen2.5:14b"
   LIMITS = {"temp_c": 2.0, "humidity_pct": 15.0, "co2_ppm": 300.0}  # примерни абсолютни прагове
   
   
   def deviations(current: dict, baseline: dict) -> list[str]:
       out = []
       for metric, limit in LIMITS.items():
           if metric in current and metric in baseline:
               delta = float(current[metric]) - float(baseline[metric])
               if abs(delta) > limit:
                   out.append(f"{metric}: сега {float(current[metric]):.1f}, обичайно {float(baseline[metric]):.1f} ({delta:+.1f})")
       return out
   
   
   def explain(location: str, current: dict, baseline: dict) -> str:
       devs = deviations(current, baseline)
       if not devs:
           return "Всички показатели са в обичайните граници."
       prompt = (
           f"Отклонения в зала „{location}“:\n" + "\n".join(devs)
           + "\n\nНапиши на български 3 кратки точки: възможни причини (като хипотези) "
             "и какво да провери техник. Не твърди нищо, което не следва от числата."
       )
       r = httpx.post(
           f"{OLLAMA}/api/chat",
           json={
               "model": MODEL,
               "stream": False,
               "messages": [{"role": "user", "content": prompt}],
               "options": {"temperature": 0.2},
           },
           timeout=300,
       )
       r.raise_for_status()
       return r.json()["message"]["content"]

8. Граници и безопасност

   • ИИ не управлява пожароизвестяване, димоотвеждане и евакуация. Тези системи си остават отделни и сертифицирани.
   • Команди към оборудване — само след преглед от квалифициран човек, със защитни граници и ръчен режим за връщане.
   • Бройките за заетост са анонимни числа. Преброяване с камери включва лични данни — това е друга тема (виж урока за достъп и видео).
   • IoT устройствата са в отделна мрежа, с обновяване и с пароли, които не са фабричните.
   • Пази в базата само нужното; срокът от 90 дни е твой избор, не изискване.

04Проверка

• docker compose ps: Mosquitto и TimescaleDB работят; публикувани са само портове на 127.0.0.1.
• Анонимна MQTT връзка е отказана; с потребител и парола работи.
• В базата има хипертаблица, политика за съхранение (90 дни) и часов агрегат.
• Симулираните съобщения се появяват в iot_readings; счупено съобщение се прескача без срив.
• advisor.py връща само предложения и държи целта в границите, зададени от инженер.
• Техник е прочел изхода на explain.py като хипотеза.
• Не е свързана система за пожарна безопасност и не се събират лични данни.

Тест

05Какво следва

06Източници

1. Mosquitto: mosquitto.conf 🔒 локално — allow_anonymous, password_file (прочетено 03.10.2026).
2. Docker Hub: eclipse-mosquitto · timescale/timescaledb — тагове и архитектури (arm64).
3. TimescaleDB: CREATE TABLE · add_retention_policy · непрекъснати агрегати · add_continuous_aggregate_policy.
4. paho-mqtt за Python — версионирани обратни извиквания (2.x).
5. psycopg 3.
6. Ollama: qwen2.5 🔒 локално — размер 9,0 GB, лиценз, езици.