Un laboratorio IIoT en una Raspberry Pi 3B+
¿Cuánto laboratorio cabe en una computadora con cuatro núcleos, apenas 1 GB de RAM y varios años guardada en un cajón?
Más del que esperaba: suficiente para recorrer, de punta a punta, el camino que siguen los datos en un sistema IIoT.
Todo empezó con una muñeca fracturada
Estoy en casa incapacitado por una fractura en la muñeca. El otro día, buscando algo útil que hacer, me puse a ordenar el rincón donde guardo todas mis cosas de tecnología.
Había cables cuyo origen ya olvidé, adaptadores, tarjetas y proyectos que algún día prometí retomar.
Entre todo ese desorden apareció mi vieja Raspberry Pi 3B+. Sí, aquella placa con cuatro núcleos Cortex-A53 a 1.4 GHz y apenas 1 GB de RAM.
También encontré una microSD de 32 GB. La combinación parecía estar pidiendo una segunda oportunidad.
Descargué Raspberry Pi Imager y me puse a revisar las distribuciones disponibles. Ahí me reencontré con DietPi.
DietPi es una distribución mínima basada en Debian. Está pensada para consumir pocos recursos y permitir que uno instale solamente lo necesario.
Cuatro piezas para un pequeño laboratorio IIoT
Uno de los grandes atractivos de DietPi es dietpi-software, su instalador de aplicaciones listas para configurar.
Mientras exploraba el catálogo encontré cuatro servicios que, juntos, podían formar un laboratorio IIoT doméstico:
- Mosquitto, como broker MQTT para recibir y distribuir mensajes.
- Node-RED, para construir visualmente el flujo y transformar los datos.
- InfluxDB 1.x, para almacenar mediciones como series temporales.
- Grafana, para consultar esos datos y convertirlos en paneles.
La arquitectura queda así:
Es un recorrido pequeño, pero contiene las piezas fundamentales de muchos sistemas de telemetría: adquisición, mensajería, procesamiento, persistencia y visualización.
Llamarlo IIoT describe ese patrón tecnológico. No convierte a la Raspberry Pi en un equipo industrial ni le añade redundancia, alta disponibilidad o certificaciones.
Los crasheos aparecieron durante la instalación
Con la imagen de DietPi grabada en la microSD, el proceso general fue bastante directo:
- Arranqué la Raspberry Pi y terminé la configuración inicial de DietPi.
- Abrí el instalador con
sudo dietpi-software. - Instalé Mosquitto, Node-RED, InfluxDB y Grafana.
- Preparé un flujo en Node-RED para recibir datos por MQTT.
- Guardé las mediciones en InfluxDB.
- Conecté Grafana a InfluxDB y construí el panel.
Sobre el papel suena sencillo. En la práctica, los crasheos aparecieron mientras instalaba los servicios.
Me ocurrió al instalar Node-RED y volvió a pasar con Grafana. La Raspberry Pi se caía durante esas instalaciones, no cuando el laboratorio ya estaba funcionando.
Después de varios intentos, las instalaciones terminaron correctamente y pude levantar los cuatro servicios al mismo tiempo.
No investigué la causa de cada caída ni reuní logs para atribuirlas a la memoria, la microSD o la alimentación. Por eso prefiero dejar el diagnóstico para una prueba dedicada.
Lo que no optimicé —todavía
En este primer experimento no hice optimizaciones específicas para Node-RED, InfluxDB, Grafana o Mosquitto.
Los únicos cambios fueron algunos ajustes iniciales de DietPi. Tampoco entraré en ellos aquí porque no son el alcance de este post.
La medición, las pruebas de estabilidad y las posibles optimizaciones quedan pendientes. Serán materia de próximos posts, ya con datos para comparar antes y después.
El resultado: una segunda vida como laboratorio
Después de varios intentos conseguí mantener los cuatro servicios funcionando al mismo tiempo.
La Raspberry Pi recibe mensajes mediante Mosquitto. Node-RED los procesa, InfluxDB conserva el historial y Grafana lo convierte en información visible.
Mosquitto, Node-RED, InfluxDB y Grafana ejecutándose al mismo tiempo. La captura muestra 375 MB de 955 MB de RAM en uso y una carga baja en ese momento.
No es una plataforma de producción. Tampoco pretende serlo.
Es algo más interesante: una forma económica y tangible de entender cómo viaja una medición desde un dispositivo hasta un dashboard.
La captura de htop no es una prueba de rendimiento. Es la evidencia de que, sin optimizaciones adicionales, los cuatro servicios estaban activos al mismo tiempo.
Y todo salió de una Raspberry Pi olvidada, una microSD que apareció durante la limpieza y una muñeca que me obligó a bajar el ritmo.
Lo que me llevo de este experimento
- El hardware antiguo todavía puede ser una excelente herramienta de aprendizaje.
- DietPi permite aprovechar una placa limitada instalando sólo lo necesario.
- Un laboratorio IIoT pequeño enseña la arquitectura completa sin exigir una gran inversión.
Si tienes una Raspberry Pi guardada, rescátala y prueba el recorrido completo: publica una medición por MQTT, procésala con Node-RED, guárdala en InfluxDB y dibújala en Grafana.
En los próximos posts veremos cómo medir y optimizar el laboratorio. Ahí comenzará la siguiente parte del experimento.
Member discussion