500 రోజులు, 30,000 మైళ్లు

ఐదు వందల రోజుల క్రితం నేను ఒక Raspberry Pi ని నా కారువైపు తిప్పి ప్రతి మైలునూ లెక్కగట్టడం మొదలుపెట్టాను. అప్పటి నుంచి అది 1.6 GB డేటాబేస్‌లో 10.4 మిలియన్ డేటా పాయింట్లను నమోదు చేసింది, మరేమీ చేయని, అప్పటి నుంచి మరేమీ చేయమని అడగని Pi పై. గత ఆదివారం అది ముప్పై వేల మైలును నమోదు చేసింది. నేను ఊహించనిది ఆ వస్తువు ఏమైందన్నదే: లాగర్ కాదు, నా సొంత జీవితం గురించి సాదా భాషలో ప్రశ్నలు అడగగలిగే, మరెవరూ జవాబు చెప్పలేని డేటాబేస్.

గత ఆదివారం ఉదయం 10:22 కి, ఓడోమీటర్ 40,397.8 చూపిస్తుండగా, నా ఇంట్లోని ఒక Raspberry Pi నా డ్రైవింగ్‌లో ముప్పై వేల మైలును నమోదు చేసింది. ఐదు వందల రోజుల సేకరణ, రోజు సరిగ్గా.

దాన్ని ఏదీ గుర్తించలేదు, ఎందుకంటే గుర్తించడానికి ఏదీ నిర్మించలేదు. Postgres టేబుల్‌లో ఒక అడ్డు వరుస వచ్చి పడింది, దానికి ముందున్న కోటి వరుసల్లాగే, ఇది ఏ మౌలిక సదుపాయానికైనా నేను ఇవ్వగల అతిపెద్ద ప్రశంస.

కోటి అనేది మాటవరసకు చెప్పింది కాదు. డేటాబేస్‌లో 10,356,022 పొజిషన్ అడ్డు వరుసలు ఉన్నాయి, ఇంకా ఛార్జింగ్ వివరాల 243,380 అడ్డు వరుసలు. ఇది రోజుకు దాదాపు 20,700 కొత్త అడ్డు వరుసలు, ప్రతి రోజూ, ఐదు వందల రోజులు, సరిగ్గా దీన్నే చేయడానికి, మరేమీ చేయకుండా ఒంటరిగా వదిలేసిన ఒకే అంకిత నోడ్ నుంచి.

నిజంగా నడుస్తున్నది ఏమిటి

ఒక Raspberry Pi 5 పై నాలుగు Docker కంటైనర్లు. TeslaMate సేకరిస్తుంది, Postgres 16 నిల్వ చేస్తుంది, Grafana గీస్తుంది, Mosquitto MQTT పై లైవ్ స్టేట్‌ను ప్రచురిస్తుంది, తద్వారా ఇంట్లోని మిగతా వస్తువులు కారు రాకకు స్పందించగలవు. మొత్తం స్టాక్ అదే, దానికి ఒక సొంత మెషీన్ ఉంది. నా ల్యాబ్‌లో అనేక Pi లు ఉన్నాయి, ఇది సేకరణ కోసం మాత్రమే కేటాయించబడింది, 24/7 రికార్డును నిలబెట్టడం తప్ప మరేమీ చేయదు. CPU, మెమరీ లేదా అప్‌టైమ్ కోసం మరేదీ దీంతో పోటీపడదు, అంటే మరేదీ దీన్ని కూల్చలేదు.

కలెక్టర్ పోలింగ్ లూప్ కన్నా తెలివైనది. కారు నడుస్తున్నప్పుడు ప్రతి కొన్ని సెకన్లకు నమూనా తీసుకుంటుంది: స్థానం, వేగం, దిశ, ఎత్తు, బ్యాటరీ స్థాయి, విద్యుత్ వినియోగం, ఉష్ణోగ్రతలు. కారు ఛార్జ్ అవుతున్నప్పుడు కేవలం ఒక ప్రారంభాన్ని, ముగింపును నమోదు చేయకుండా మొత్తం సెషన్‌ను అనుసరిస్తుంది. కారు పార్క్ చేసి ఉన్నప్పుడు ఉద్దేశపూర్వకంగా వెనక్కి తగ్గి నిద్రపోనిస్తుంది, ఎందుకంటే Tesla API ని పదేపదే తట్టడం దాన్ని మేల్కొని ఉంచి రాత్రంతా మీ రేంజ్‌ను ఖర్చు చేస్తుంది. ఆ చివరి నిర్ణయమే లాగర్ నాకు ఎప్పుడూ రేంజ్ ఖర్చు చేయకపోవడానికి కారణం.

ఐదు వందల రోజులు, పూర్తిగా, సెకనుకు సెకనుగా, కలిపి 1.6 GB అవుతుంది, ఒక్క సినిమా కన్నా చిన్నది. స్టోరేజ్ సమస్య అవుతుందని నేను ఎదురుచూస్తూనే ఉంటాను, అది కాదు.

ఓడోమీటర్‌తో పోల్చి చూస్తే 30,144 మైళ్లు ట్రాక్ అయ్యాయి, రోజుకు 60.3. 6,921 డ్రైవ్‌లు 976 గంటలను కవర్ చేస్తాయి, అంటే స్టీరింగ్ వెనుక పూర్తి నలభై రోజులు. 513 ఛార్జింగ్ సెషన్లలో 10,016 kWh, వాటిలో 458 ఇంట్లో, అంటే 89.3 శాతం, EV కొనడానికి భయపడే ఎవరికైనా నేను చెప్పగల అత్యంత ఉపయోగకరమైన విషయం ఇదే. ముప్పై ఐదు ఓవర్-ది-ఎయిర్ అప్‌డేట్‌లు నమోదయ్యాయి, ప్రతిదానికీ టైమ్‌స్టాంప్ ఉంది, దీంతో Tesla ప్రచురించే దేనికన్నా కచ్చితమైన వ్యక్తిగత ఫర్మ్‌వేర్ చేంజ్‌లాగ్ నా దగ్గర ఉంది.

మొత్తం రన్‌లో సేకరణ అప్‌టైమ్ 92 శాతం. పర్యవేక్షణ లేని, ఆప్స్ టీమ్ లేని సింగిల్-బోర్డ్ కంప్యూటర్‌కు ప్రతిసారీ దీన్ని తీసుకుంటాను.

నేను కొనే ప్రతి నాలుగు డాలర్ల విద్యుత్తులో దాదాపు మూడు నిజంగా కారును కదిలిస్తాయి, మిగతాది ఛార్జింగ్ నష్టాలు, ఎయిర్ కండిషనింగ్, రాత్రి కారు తనంతట తాను మేల్కొనడంలో పోతుంది. అది ఎంత చెడ్డగా ఉంటుందో వాతావరణం నిర్ణయిస్తుంది, వేడి నెలలు నాకు సౌమ్యమైన నెలల కన్నా మైలుకు 16 శాతం ఎక్కువ ఖర్చవుతాయి, టెక్సాస్ శీతాకాలం 3 శాతం.

ఎవరూ చెప్పని విషయం

నేను Pi లోకి SSH చేస్తూనే ఉన్నాను, దాదాపు ఎప్పుడూ దాన్ని సరిచేయాలని కాదు. డేటా వచ్చి చేరడం చూడాలని కనెక్ట్ అయ్యేవాణ్ని, కారు ఇంకా డ్రైవ్‌వేలో వెచ్చగా ఉండగానే టేబుల్‌లో ఒక డ్రైవ్ పడటం చూడాలని, క్రితం రాత్రి ఛార్జ్ కర్వ్ నిజంగా ఛార్జ్ కర్వ్‌లా కనిపిస్తోందో లేదో చూడాలని. మొదట్లో దాన్ని ఇంకా నమ్మలేదని ఇలా చేసేవాణ్ని. తర్వాత స్కీమా అర్థం కావడం మొదలైందని చేసేవాణ్ని, స్కీమా అర్థమవడమే డేటాబేస్ బ్లాక్ బాక్స్‌గా ఉండటం మానేసి మీరు వెళ్లి చూడగల చోటుగా మారే బిందువు.

అది వినడానికి కన్నా నెమ్మదైన విద్య. కారు స్థితి మారిన క్షణమే drives అడ్డు వరుస వస్తుందని, ఛార్జింగ్ ప్రక్రియ, ఛార్జ్ నమూనా వేరువేరు జీవితాలున్న వేరే వస్తువులని, ఓడోమీటర్ ఎప్పుడూ అబద్ధం చెప్పని ఏకైక ఫీల్డ్ అని మీరు నేర్చుకుంటారు. మీ సొంత డేటా అర్థం ఏమిటో నేర్చుకుంటారు, అది దాన్ని కలిగి ఉండటం కన్నా వేరే విషయం.

వాటిలో దేనికీ AI అవసరం లేదు, కాలక్రమం గురించి నేను కచ్చితంగా ఉండాలనుకుంటున్నాను: ఒక అసిస్టెంట్ నా కోసం క్వెరీలు రాయగలిగే చాలా ముందు నుంచే నేను దీన్ని చేస్తున్నాను. నేర్చుకోవడమే పని.

తర్వాత క్వెరీలు సులభమయ్యాయి

మారింది ఏమిటంటే నేను SQL రాయడం ఆపి ప్రశ్నలు అడగడం మొదలుపెట్టాను.

నాకు అప్పటికే అర్థమైన స్కీమాపై ఒక LLM ని ప్రయోగించడం ఐదు నిమిషాల క్వెరీని పది సెకన్లకు మార్చింది. అది నా డేటా తెలుసుకుంది కాబట్టి కాదు, నాకు తెలుసు కాబట్టి, అది నాకిచ్చే జవాబు అర్థరహితమైతే నేను వెంటనే గుర్తుపడతాను. ఆ కలయికే ఉపయోగకరమైనది. టేబుల్‌లను ఎప్పుడూ తెరవని వ్యక్తికి పూర్తి నమ్మకంతో తప్పు జవాబులు వస్తాయి, వాటిని పట్టుకునే దారి ఉండదు. స్కీమా తెలిసి ఇప్పుడు సాదా భాషలో అడగగలిగే వ్యక్తి నేరుగా ఆసక్తికరమైన భాగానికి వెళ్లిపోతాడు.

ఆసక్తికరమైన భాగం ఏమిటంటే ప్రశ్నలు మెరుగవుతాయి. క్వెరీ ఖరీదైనప్పుడు మీకు ఇప్పటికే అనుమానం ఉన్నవాటినే అడుగుతారు. చవకైనప్పుడు మీకు ఎలాంటి పరికల్పనా లేని విషయాలను అడగడం మొదలుపెడతారు, ఆశ్చర్యాలు అక్కడే ఉంటాయి. రుతువులతో సగటు ప్రయాణ నిడివి ఎలా మారుతుంది. రోజులో ఏ సమయంలో కారు నిజంగా కదులుతుంది. సంవత్సరంలో అత్యంత వేడి రాత్రి ఛార్జింగ్ సెషన్ అత్యంత సౌమ్యమైన రాత్రితో పోలిస్తే ఎలా కనిపిస్తుంది.

Tesla యాప్ వాటిలో ఏ ఒక్క దానికీ జవాబు చెప్పలేదు. దాని కోసం దాన్ని నిర్మించలేదు. అది మీకు ఒక సారాంశం చూపిస్తుంది, సారాంశం డిజైన్ చేసేటప్పుడు ఎవరో ఊహించిన ప్రశ్నలకే జవాబు చెప్పగలదు.

మొత్తం ప్రాజెక్ట్ ఖర్చును చెల్లించిన ప్రశ్న

ఈ వేసవిలో నా వాల్ కనెక్టర్ విఫలమవుతోందని నాకు నమ్మకం కలిగింది.

వేడి రాత్రుల్లో యాప్‌లో ఛార్జింగ్ సెషన్లు ఆగి మళ్లీ మొదలవుతున్నట్లు కనిపించేవి. రోగనిర్ధారణ దానంతట అదే తోచింది: థర్మల్ డీరేటింగ్, యూనిట్ వేడెక్కినప్పుడు కరెంట్‌ను తగ్గిస్తోంది, సంవత్సరాల తరబడి బ్యాటరీని నిశ్శబ్దంగా పాతబడేలా చేసే విధంగా కారును సైకిల్ చేయిస్తోంది. వాల్ కనెక్టర్ మార్చడం చవక కాదు.

అప్పుడు గుర్తొచ్చింది, నేను ఊహించాల్సిన అవసరం లేదని. ఆ వస్తువు తీసిన ప్రతి ఛార్జింగ్ నమూనా నా ఇంట్లోని ఒక డిస్క్‌పై ఉంది.

పైలట్ సిగ్నల్ అంటే కనెక్టర్ కారు ఎన్ని ఆంపియర్లు తీసుకోవచ్చో చెప్పడం. డీరేటింగ్ అంటే ఆ సంఖ్య తగ్గడం. ఇంట్లో తీసిన 217,124 నమూనాలలో 217,118 లో అది 48 ఆంపియర్లు చదివింది. రెండు లక్షలకు పైగా వాటిలో ఆరు రీడింగ్‌లు మాత్రమే మరెక్కడో ఉన్నాయి, సెషన్ మధ్యలో బ్యాటరీ స్థాయి ఎప్పుడూ పడిపోలేదు, కారు నిజంగా తెగిపోతే పడిపోయేది.

కనెక్టర్ ఎప్పుడూ తడబడలేదు. సెషన్లను బయటి ఉష్ణోగ్రతతో వరుసలో పెట్టడం అసలు జరుగుతున్నదేమిటో చూపింది: అత్యంత వేడి రాత్రుల్లో కారే నెట్‌వర్క్ నుంచి తెగిపోతోంది, దాంతో లాగర్ పూర్తిగా బాగా నడుస్తున్న సెషన్‌ను చూపులో కోల్పోయేది.

నేను డబ్బు ఖర్చు చేయలేదు. ఆ ఒక్క జవాబు, నేనే యజమానిగా ఉన్న డేటా నుంచి, నా దగ్గర ఇప్పటికే ఉన్న హార్డ్‌వేర్‌పై, మొత్తం ప్రాజెక్ట్ ఖర్చును అనేకసార్లు చెల్లించింది.

తర్వాతి ఇరవై వేలు

రోజుకు అరవై మైళ్ల వేగంతో, యాభై వేలు వచ్చే ఏడాది మధ్య ప్రాంతంలో వస్తుంది, అప్పటికీ డిస్క్ పట్టించుకోదు.

నేను నిజంగా ఎదురుచూస్తున్నది పోలిక. ఒక టెక్సాస్ వేసవి వేడి, బ్యాటరీల గురించి ఏమీ చెప్పదు. రెండు వేసవులు కొలవనిస్తాయి. ముప్పై వేల మైళ్లు అంటే ఒక లాగ్ లాగ్‌గా ఉండటం మానేసి ఒక ప్రమాణరేఖగా మారే బిందువు, నేను దాన్ని నడుస్తూ ఉంచే ప్రతి నెలా నా ప్రయత్నం ఏమీ లేకుండానే పోలికలు మరింత పదునెక్కుతాయి.

Pi నా దగ్గరున్న అతి తక్కువ డిమాండ్ ఉన్న మౌలిక సదుపాయం, నిస్సందేహంగా అత్యంత ప్రతిఫలదాయకం, ఎందుకంటే అది చక్రవడ్డీలా పెరుగుతుంది. అది ఒక సెటప్‌ను, అప్పుడప్పుడు ఒక SSH సెషన్‌ను అడిగింది, ప్రతిగా ఎవరూ నాకు అమ్మలేని, రద్దు చేయలేని, ధర పెంచి నా అందుబాటు నుంచి తప్పించలేని దాన్ని నిశ్శబ్దంగా నిర్మించింది: నేను నా సొంత కారును నిజంగా ఎలా వాడతానో దాని పూర్తి, ప్రశ్నించగల రికార్డు.