Garmin Grafana健康数据可视化平台使用指南

核心功能概览：从数据采集到可视化的完整链路

如何将运动手环数据转化为健康趋势分析？Garmin Grafana平台通过Python数据采集器、时序数据库与可视化仪表板的协同工作，实现健康数据的长期追踪。该系统核心组件包括：

• 数据采集模块（src/garmin_grafana/）：如同24小时数据快递员，garmin_fetch.py脚本定时从Garmin服务器获取心率、步数等健康指标，fit_activity_importer.py则负责解析运动轨迹文件。
• 数据存储中心：InfluxDB作为时序数据仓库，高效存储时间序列健康数据，支持毫秒级查询响应。
• 可视化引擎：Grafana仪表板将原始数据转化为多维度图表，包括睡眠质量分析、运动强度分布等18种可视化组件。

环境准备：避免配置错误的前置检查

如何确保系统组件兼容运行？环境准备需完成三项关键检查：

🔍 系统兼容性验证

• 操作系统：Linux/macOS（Windows需启用WSL2）
• 依赖软件：Docker 20.10+、Docker Compose 2.0+
• 硬件要求：至少2GB内存（推荐4GB以上）

⚡ 网络环境配置

• 确保可访问Garmin Connect API（需稳定国际网络连接）
• 开放本地端口：8086（InfluxDB）、3000（Grafana）

📦 资源获取

git clone https://gitcode.com/gh_mirrors/ga/garmin-grafana
cd garmin-grafana

执行效果：将项目代码下载至本地并进入工作目录

快速启动流程：3步完成健康监测系统部署

如何在10分钟内启动完整系统？按照以下步骤操作：

1️⃣ 配置环境变量 复制示例配置文件并修改关键参数：

cp compose-example.yml docker-compose.yml

重点配置项（推荐值）：

参数	说明	优化建议
GARMINCONNECT_EMAIL	Garmin账户邮箱	使用主账户提高数据访问权限
UPDATE_INTERVAL_SECONDS	数据更新间隔	普通用户建议3600（1小时）
LOG_LEVEL	日志详细程度	调试时设为DEBUG，稳定运行用INFO

2️⃣ 启动服务集群

docker-compose up -d

执行效果：终端显示三个容器（garmin-fetch、influxdb、grafana）启动成功，状态均为"Up"

3️⃣ 验证系统状态

docker-compose ps

执行效果：确认所有服务状态为"Up"，无重启次数

常见故障速查

• ❌ 容器反复重启：检查Garmin账户凭证是否正确
• ❌ Grafana无数据：验证InfluxDB服务是否正常运行（docker logs garmin-grafana_influxdb_1）
• ❌ 数据更新失败：检查网络连接或调整更新间隔

→ 完成基础部署后，可通过浏览器访问http://localhost:3000进入Grafana界面

深度配置指南：打造个性化健康监测系统

如何让数据采集更高效？以下高级配置方案帮助优化系统性能：

推荐配置方案

• 令牌持久化：在docker-compose.yml中启用garmin_tokens_data卷，避免重复登录

  volumes:
    - garmin_tokens_data:/app/tokens
  

• 数据保留策略：修改InfluxDB配置，设置自动清理旧数据（建议保留90天）

参数优化建议

• 对于高频运动用户：将UPDATE_INTERVAL_SECONDS调整为1800（30分钟）
• 低配置设备：降低LOG_LEVEL为WARNING，减少系统资源占用

高级功能启用

通过修改src/garmin_grafana/influxdb_exporter.py，可添加自定义数据指标，如：

• 静息心率趋势分析
• 运动热量消耗计算
• 睡眠周期深度分析

→ 配置完成后，可在Grafana中导入Grafana_Dashboard/Garmin-Grafana-Dashboard.json获取预设可视化面板