Garmin Grafana 健康数据可视化平台使用指南
🔍 功能概览
Garmin Grafana 是一个开源健康数据可视化解决方案,通过 Python 脚本从 Garmin Connect 平台获取健康数据,存储到 InfluxDB(时序数据库)中,并通过 Grafana 仪表板实现长期健康趋势的可视化分析。该项目支持心率、睡眠质量、活动轨迹等多维度健康数据的采集与展示,帮助用户建立个性化健康管理体系。
📌 环境准备
硬件要求
- 最低配置:2核CPU/4GB内存/10GB可用磁盘空间
- 推荐配置:4核CPU/8GB内存/20GB SSD存储
软件依赖
- Docker Engine 20.10+(容器化运行环境)
- Docker Compose 2.0+(多容器编排工具)
- Git(版本控制工具)
环境检查
# 验证Docker是否安装
docker --version
# 验证Docker Compose是否安装
docker compose version
执行效果:成功输出版本号即表示环境就绪,若提示"command not found"需先安装对应组件
📋 核心文件功能速查表
| 文件路径 | 类型 | 核心功能 |
|---|---|---|
| src/garmin_grafana/garmin_fetch.py | Python脚本 | 从Garmin Connect API获取健康数据 |
| src/garmin_grafana/influxdb_exporter.py | Python脚本 | 将数据格式化并写入InfluxDB |
| Grafana_Dashboard/Garmin-Grafana-Dashboard.json | 配置文件 | Grafana可视化仪表板定义 |
| compose-example.yml | Docker配置 | 容器服务组合模板 |
| easy-install.sh | 脚本文件 | 快速部署工具 |
| k8s/ | 目录 | Kubernetes部署配置集 |
⚙️ 配置指南
基础配置文件准备
- 复制示例配置文件
cp compose-example.yml docker-compose.yml
- 核心配置参数说明
| 参数名称 | 必填/可选 | 默认值 | 推荐值 | 安全注意事项 |
|---|---|---|---|---|
| INFLUXDB_HOST | 必填 | influxdb | influxdb | 容器内服务名,无需修改 |
| INFLUXDB_PORT | 可选 | 8086 | 8086 | 保持默认端口 |
| INFLUXDB_USERNAME | 必填 | admin | 自定义用户名 | 避免使用默认值 |
| INFLUXDB_PASSWORD | 必填 | admin123 | 强密码 | 至少8位,包含大小写字母和特殊符号 |
| GARMINCONNECT_EMAIL | 必填 | - | 你的Garmin邮箱 | 确保账户已开启API访问权限 |
| GARMINCONNECT_BASE64_PASSWORD | 必填 | - | Base64编码的密码 | 使用`echo -n "密码" |
| UPDATE_INTERVAL_SECONDS | 可选 | 3600 | 1800 | 建议间隔30-60分钟 |
| LOG_LEVEL | 可选 | INFO | INFO | 调试时设为DEBUG |
⚠️ 安全提示:所有敏感配置不应提交到版本控制系统,生产环境建议使用环境变量或密钥管理服务
常见配置问题
❓ Q: 如何生成Base64编码的密码?
A: 在终端执行echo -n "your_password" | base64,输出结果即为编码后的密码
❓ Q: 数据存储路径如何自定义?
A: 在docker-compose.yml中修改volumes配置,如./data/influxdb:/var/lib/influxdb
🚀 启动流程
1. 前置检查
- 确保8086(InfluxDB)、3000(Grafana)端口未被占用
- 网络连接正常,能访问Garmin Connect服务器
- 配置文件中必填项已正确设置
2. 启动命令解析
# 构建并启动服务(首次运行)
docker compose up -d --build
# 查看服务状态
docker compose ps
# 查看日志
docker compose logs -f garmin-fetch-data
执行效果:当看到"Successfully fetched and stored data"日志时,表示数据采集服务正常运行
3. 状态验证
- InfluxDB验证:访问
http://localhost:8086,能打开管理界面 - Grafana验证:访问
http://localhost:3000,使用默认账号admin/admin登录 - 数据验证:在Grafana中导入
Grafana_Dashboard/Garmin-Grafana-Dashboard.json,查看是否有数据展示
📊 仪表板使用指南
导入仪表板后,你将看到一个包含多维度健康数据的综合视图,主要包括:
核心指标区域
- 心率趋势:24小时心率变化曲线与静息心率统计
- 睡眠分析:睡眠阶段分布与睡眠质量评分
- 活动概览:每日步数、卡路里消耗与活动类型占比
- 训练详情:运动轨迹、配速、心率区间分布
数据筛选功能
使用仪表板顶部的时间选择器可查看不同时间段的数据,支持按日、周、月、年等维度筛选。通过变量选择器可切换不同的健康指标视图。
⚠️ 避坑指南
-
Garmin API访问限制
- 问题:频繁获取数据导致API暂时封禁
- 解决:将UPDATE_INTERVAL_SECONDS设置为1800秒以上,避免短时间内多次请求
-
InfluxDB数据持久化
- 问题:容器重启后数据丢失
- 解决:确保docker-compose.yml中正确配置了InfluxDB数据卷映射
-
Grafana插件依赖
- 问题:部分图表无法正常显示
- 解决:在Grafana插件管理中安装"Pie Chart"和"Worldmap Panel"插件
🔧 故障排查流程图
- 服务未启动 → 检查docker-compose.yml语法 → 查看容器日志 → 检查端口占用
- 数据不更新 → 验证Garmin账号凭证 → 检查网络连接 → 查看fetch服务日志
- 仪表板无数据 → 检查InfluxDB连接 → 验证数据写入权限 → 确认时间范围选择
📝 总结
Garmin Grafana项目通过容器化部署简化了健康数据的采集、存储与可视化流程。按照本指南配置后,你将获得一个功能完备的个人健康数据分析平台。建议定期备份InfluxDB数据目录,并根据使用情况调整数据采集频率以平衡数据新鲜度与API调用限制。
如需进一步定制,可以修改Python采集脚本扩展数据类型,或调整Grafana仪表板布局以满足个性化需求。项目的Kubernetes配置文件也为大规模部署提供了支持方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
