Category
智能家居
智能家居原则#简单优先#KISS#架构#维护成本
简单优先:归一化的边界是减少维护负担
归一化的目标不是形式上都用同一个工具,而是减少需要维护的东西。组件越少越好维护,自写代码越少越好维护。
智能家居方法论#渐进式#重构#稳定性#可回滚
渐进式演进:不要大爆炸重构
一次性停掉所有旧服务上线新架构是危险的。正确做法:新链路先旁路运行,双写对账验证,逐个消费者迁移,观察期后再清理。
智能家居架构#时序数据库#PostgreSQL#GreptimeDB#数据架构
时序数据库选型实战:观测留 GT,目录放 PG
目录数据放时序库不支持 UPDATE,只能 DELETE+INSERT。观测留时序库,目录放关系库,跨库方向必须是 PG → GT。
智能家居方法论#数据驯化#数据治理#IoT#数据质量
数据驯化闭环:4C 框架实战
Catalog 编目、Calibrate 标定、Corroborate 印证、Guard 守护。数据可信度比数据量重要,不发明解释、不跨源推断、不用均值抹尖峰。
智能家居架构#数据归一化#GreptimeDB#表设计#跨源分析
数据归一化工程:从 540 张表到 1 张表
measurement_attr 导致每实体一张表(540 张)。override_measurement 统一单表,entity_id 作 tag,跨源分析一条 SQL。
智能家居原则#数据主权#隐私#去中心化#家庭自动化
数据主权:为什么数据应该留在家里
厂商云的数据归属权在厂商,不在你。家庭数据是最隐私的数据,能直采就直采,能不经过云就不经过云。
智能家居原则#可靠性#SRE#备份#可观测性#家庭自动化
家庭场景的可靠性思维
家庭服务不需要企业级的复杂度,但需要基本的韧性:备份、可观测性、渐进式改动。设备会坏会断连,人不会时刻盯着,数据丢了就是丢了。
智能家居方法论#数据挖掘#跨源分析#家庭活动#数据价值
从监控到理解:数据实验室的目标是什么
数据实验室的目标不是存数据,是理解家里发生了什么。单源数据的局限 vs 跨源数据的价值,数据挖掘 = 多源交叉验证。