接触Python有一段时间了，经常用来做一些好玩的事，前几天跟领导聊天说到，要是能够实现全国各地访问流量的显示，那就最好了，刚好要申请一些大屏幕来，所以就想到了做这个。确实稍微大点的公司都有这类东西，确实很酷炫了，自己也搞一个这样的。下面说一下实现过程：
1、首先是数据：采集的话我选择的是读取nginx日志。可以提供的思路是，我们选择同一收集的方式，收集到大数据分析机器(同意收集的工具还是很多的，比如rsyslog)，然后通过正则或者一类东西筛选出我们需要的IP（当然日志肯定是按天切割的）:
2、收集到的数据，通过调用公网的IP查询接口进行筛选，筛选，找出对应的城市、入库
3、最后就是前端展示了，这里我选用的是百度的echarts，百度已经提供了比较完善的API和说明文档，自己去阅读就好。
给一下前端的代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
|
<!DOCTYPE html>
<head>
<meta charset
=
"utf-8"
>
<title>ECharts<
/
title>
<
/
head>
<body>
<!
-
-
为ECharts准备一个具备大小（宽高）的Dom
-
-
>
<div
id
=
"main"
style
=
"height:800px"
><
/
div>
<!
-
-
ECharts单文件引入
-
-
>
<script src
=
"http://echarts.baidu.com/build/dist/echarts.js"
><
/
script>
<script
type
=
"text/javascript"
>
/
/
路径配置
require.config({
paths: {
echarts:
'http://echarts.baidu.com/build/dist'
}
});
/
/
使用
require(
[
'echarts'
,
'echarts/chart/map'
],
function (ec) {
/
/
基于准备好的dom，初始化echarts图表
var myChart
=
ec.init(document.getElementById(
'main'
));
var option
=
{
backgroundColor:
'#1b1b1b'
,
color: [
'gold'
,
'aqua'
,
'lime'
],
title : {
text:
'众划算'
,
subtext:
'全国各地访问数据'
,
x:
'center'
,
textStyle : {
color:
'#fff'
}
},
tooltip : {
trigger:
'item'
,
formatter:
'{b}'
},
legend: {
orient:
'vertical'
,
x:
'left'
,
data:[
'北京 Top10'
],
selectedMode:
'single'
,
selected:{
'上海 Top10'
: false,
'广州 Top10'
: false
},
textStyle : {
color:
'#fff'
}
},
toolbox: {
show : true,
orient :
'vertical'
,
x:
'right'
,
y:
'center'
,
feature : {
mark : {show: true},
dataView : {show: true, readOnly: false},
restore : {show: true},
saveAsImage : {show: true}
}
},
dataRange: {
min
:
0
,
max
:
100
,
calculable : true,
color: [
'#ff3333'
,
'orange'
,
'yellow'
,
'lime'
,
'aqua'
],
textStyle:{
color:
'#fff'
}
},
series : [
{
name:
'全国'
,
type
:
'map'
,
roam: true,
hoverable: false,
mapType:
'china'
,
itemStyle:{
normal:{
borderColor:
'rgba(100,149,237,1)'
,
borderWidth:
0.5
,
areaStyle:{
color:
'#1b1b1b'
}
}
},
data:[],
markLine : {
smooth:true,
symbol: [
'none'
,
'circle'
],
symbolSize :
1
,
itemStyle : {
normal: {
color:
'#fff'
,
borderWidth:
1
,
borderColor:
'rgba(30,144,255,0.5)'
}
},
data : [
[{name:
'北京'
},{name:
'内蒙古'
}],
[{name:
'北京'
},{name:
'北海'
}],
[{name:
'北京'
},{name:
'广东'
}],
[{name:
'北京'
},{name:
'河南'
}],
[{name:
'北京'
},{name:
'吉林'
}],
[{name:
'北京'
},{name:
'长治'
}],
[{name:
'北京'
},{name:
'重庆'
}],
[{name:
'北京'
},{name:
'湖南'
}],
[{name:
'北京'
},{name:
'常州'
}],
[{name:
'北京'
},{name:
'丹东'
}],
[{name:
'北京'
},{name:
'辽宁'
}],
[{name:
'北京'
},{name:
'东营'
}],
[{name:
'北京'
},{name:
'延安'
}],
[{name:
'北京'
},{name:
'福建'
}],
[{name:
'北京'
},{name:
'海口'
}],
[{name:
'北京'
},{name:
'呼和浩特'
}],
[{name:
'北京'
},{name:
'安徽'
}],
[{name:
'北京'
},{name:
'杭州'
}],
[{name:
'北京'
},{name:
'黑龙江'
}],
[{name:
'北京'
},{name:
'舟山'
}],
[{name:
'北京'
},{name:
'银川'
}],
[{name:
'北京'
},{name:
'衢州'
}],
[{name:
'北京'
},{name:
'江西'
}],
[{name:
'北京'
},{name:
'云南'
}],
[{name:
'北京'
},{name:
'贵州'
}],
[{name:
'北京'
},{name:
'甘肃'
}],
[{name:
'北京'
},{name:
'广西'
}],
[{name:
'北京'
},{name:
'拉萨'
}],
[{name:
'北京'
},{name:
'连云港'
}],
[{name:
'北京'
},{name:
'临沂'
}],
[{name:
'北京'
},{name:
'柳州'
}],
[{name:
'北京'
},{name:
'宁波'
}],
[{name:
'北京'
},{name:
'南京'
}],
[{name:
'北京'
},{name:
'南宁'
}],
[{name:
'北京'
},{name:
'江苏'
}],
[{name:
'北京'
},{name:
'上海'
}],
[{name:
'北京'
},{name:
'沈阳'
}],
[{name:
'北京'
},{name:
'陕西'
}],
[{name:
'北京'
},{name:
'汕头'
}],
[{name:
'北京'
},{name:
'深圳'
}],
[{name:
'北京'
},{name:
'青岛'
}],
[{name:
'北京'
},{name:
'山东'
}],
[{name:
'北京'
},{name:
'山西'
}],
[{name:
'北京'
},{name:
'乌鲁木齐'
}],
[{name:
'北京'
},{name:
'潍坊'
}],
[{name:
'北京'
},{name:
'威海'
}],
[{name:
'北京'
},{name:
'浙江'
}],
[{name:
'北京'
},{name:
'无锡'
}],
[{name:
'北京'
},{name:
'厦门'
}],
[{name:
'北京'
},{name:
'西宁'
}],
[{name:
'北京'
},{name:
'徐州'
}],
[{name:
'北京'
},{name:
'烟台'
}],
[{name:
'北京'
},{name:
'盐城'
}],
[{name:
'北京'
},{name:
'珠海'
}],
[{name:
'北京'
},{name:
'香港'
}],
[{name:
'北京'
},{name:
'湖北'
}],
],
},
geoCoord: {
'上海'
: [
121.4648
,
31.2891
],
'东莞'
: [
113.8953
,
22.901
],
'东营'
: [
118.7073
,
37.5513
],
'中山'
: [
113.4229
,
22.478
],
'临汾'
: [
111.4783
,
36.1615
],
'临沂'
: [
118.3118
,
35.2936
],
'丹东'
: [
124.541
,
40.4242
],
'丽水'
: [
119.5642
,
28.1854
],
'乌鲁木齐'
: [
87.9236
,
43.5883
],
'佛山'
: [
112.8955
,
23.1097
],
'河北'
: [
115.0488
,
39.0948
],
'甘肃'
: [
103.5901
,
36.3043
],
'内蒙古'
: [
110.3467
,
41.4899
],
'北京'
: [
116.4551
,
40.2539
],
'北海'
: [
109.314
,
21.6211
],
'南京'
: [
118.8062
,
31.9208
],
'南宁'
: [
108.479
,
23.1152
],
'广西'
: [
108.479
,
23.1154
],
'江西'
: [
116.0046
,
28.6633
],
'江苏'
: [
121.1023
,
32.1625
],
'厦门'
: [
118.1689
,
24.6478
],
'台州'
: [
121.1353
,
28.6688
],
'安徽'
: [
117.29
,
32.0581
],
'呼和浩特'
: [
111.4124
,
40.4901
],
'咸阳'
: [
108.4131
,
34.8706
],
'黑龙江'
: [
127.9688
,
45.368
],
'唐山'
: [
118.4766
,
39.6826
],
'嘉兴'
: [
120.9155
,
30.6354
],
'大同'
: [
113.7854
,
39.8035
],
'辽宁'
: [
122.2229
,
39.4409
],
'天津'
: [
117.4219
,
39.4189
],
'山西'
: [
112.3352
,
37.9413
],
'威海'
: [
121.9482
,
37.1393
],
'宁波'
: [
121.5967
,
29.6466
],
'宝鸡'
: [
107.1826
,
34.3433
],
'宿迁'
: [
118.5535
,
33.7775
],
'常州'
: [
119.4543
,
31.5582
],
'广东'
: [
113.5107
,
23.2196
],
'香港'
: [
113.5107
,
31.3569
],
'廊坊'
: [
116.521
,
39.0509
],
'延安'
: [
109.1052
,
36.4252
],
'张家口'
: [
115.1477
,
40.8527
],
'徐州'
: [
117.5208
,
34.3268
],
'德州'
: [
116.6858
,
37.2107
],
'惠州'
: [
114.6204
,
23.1647
],
'四川'
: [
103.9526
,
30.7617
],
'扬州'
: [
119.4653
,
32.8162
],
'承德'
: [
117.5757
,
41.4075
],
'拉萨'
: [
91.1865
,
30.1465
],
'无锡'
: [
120.3442
,
31.5527
],
'日照'
: [
119.2786
,
35.5023
],
'云南'
: [
102.9199
,
25.4663
],
'杭州'
: [
119.5313
,
29.8773
],
'枣庄'
: [
117.323
,
34.8926
],
'柳州'
: [
109.3799
,
24.9774
],
'株洲'
: [
113.5327
,
27.0319
],
'湖北'
: [
114.3896
,
30.6628
],
'汕头'
: [
117.1692
,
23.3405
],
'江门'
: [
112.6318
,
22.1484
],
'沈阳'
: [
123.1238
,
42.1216
],
'沧州'
: [
116.8286
,
38.2104
],
'河源'
: [
114.917
,
23.9722
],
'泉州'
: [
118.3228
,
25.1147
],
'泰安'
: [
117.0264
,
36.0516
],
'泰州'
: [
120.0586
,
32.5525
],
'山东'
: [
117.1582
,
36.8701
],
'济宁'
: [
116.8286
,
35.3375
],
'海口'
: [
110.3893
,
19.8516
],
'淄博'
: [
118.0371
,
36.6064
],
'淮安'
: [
118.927
,
33.4039
],
'深圳'
: [
114.5435
,
22.5439
],
'清远'
: [
112.9175
,
24.3292
],
'浙江'
: [
120.498
,
27.8119
],
'渭南'
: [
109.7864
,
35.0299
],
'湖州'
: [
119.8608
,
30.7782
],
'湘潭'
: [
112.5439
,
27.7075
],
'滨州'
: [
117.8174
,
37.4963
],
'潍坊'
: [
119.0918
,
36.524
],
'烟台'
: [
120.7397
,
37.5128
],
'玉溪'
: [
101.9312
,
23.8898
],
'珠海'
: [
113.7305
,
22.1155
],
'盐城'
: [
120.2234
,
33.5577
],
'盘锦'
: [
121.9482
,
41.0449
],
'石家庄'
: [
114.4995
,
38.1006
],
'福建'
: [
119.4543
,
25.9222
],
'秦皇岛'
: [
119.2126
,
40.0232
],
'绍兴'
: [
120.564
,
29.7565
],
'聊城'
: [
115.9167
,
36.4032
],
'肇庆'
: [
112.1265
,
23.5822
],
'舟山'
: [
122.2559
,
30.2234
],
'苏州'
: [
120.6519
,
31.3989
],
'莱芜'
: [
117.6526
,
36.2714
],
'菏泽'
: [
115.6201
,
35.2057
],
'营口'
: [
122.4316
,
40.4297
],
'葫芦岛'
: [
120.1575
,
40.578
],
'衡水'
: [
115.8838
,
37.7161
],
'衢州'
: [
118.6853
,
28.8666
],
'西宁'
: [
101.4038
,
36.8207
],
'陕西'
: [
109.1162
,
34.2004
],
'贵州'
: [
106.6992
,
26.7682
],
'连云港'
: [
119.1248
,
34.552
],
'邢台'
: [
114.8071
,
37.2821
],
'邯郸'
: [
114.4775
,
36.535
],
'河南'
: [
113.4668
,
34.6234
],
'鄂尔多斯'
: [
108.9734
,
39.2487
],
'重庆'
: [
107.7539
,
30.1904
],
'金华'
: [
120.0037
,
29.1028
],
'铜川'
: [
109.0393
,
35.1947
],
'银川'
: [
106.3586
,
38.1775
],
'镇江'
: [
119.4763
,
31.9702
],
'吉林'
: [
125.8154
,
44.2584
],
'湖南'
: [
113.0823
,
28.2568
],
'长治'
: [
112.8625
,
36.4746
],
'阳泉'
: [
113.4778
,
38.0951
],
'青岛'
: [
120.4651
,
36.3373
],
'韶关'
: [
113.7964
,
24.7028
]
}
},
{
name:
'北京 Top10'
,
type
:
'map'
,
mapType:
'china'
,
data:[],
markLine : {
smooth:true,
effect : {
show: true,
scaleSize:
1
,
period:
30
,
color:
'#fff'
,
shadowBlur:
10
},
itemStyle : {
normal: {
borderWidth:
1
,
lineStyle: {
type
:
'solid'
,
shadowBlur:
10
}
}
},
data : [
{
%
for
x
in
all_data
%
}
[{name:
'北京'
}, {name:
'`x`.`city`'
,value:`x`.`num`}],
{
%
endfor
%
}
]
},
markPoint : {
symbol:
'emptyCircle'
,
symbolSize : function (v){
return
10
+
v
/
10
},
effect : {
show: true,
shadowBlur :
0
},
itemStyle:{
normal:{
label:{show:false}
},
emphasis: {
label:{position:
'top'
}
}
},
data :
[
{
%
for
i
in
all_data
%
}
{name:
'`i`.`city`'
,value:`i`.`num`},
{
%
endfor
%
}
]
}
},
]
};
/
/
为echarts对象加载数据
myChart.setOption(option);
}
);
<
/
script>
<
/
body>
|
后端的操作，其实也可以是用saltstack远程分析nginx脚本，性能不影响web服务器的话，直接远程入库就好。
本文转自 小罗ge11 51CTO博客，原文链接：http://blog.51cto.com/xiaoluoge/1653942，如需转载请自行联系原作者
