前言
新型冠状病毒疫情汹涌而来,全国各地严防死守,而疫情的实时数据也通过不同的渠道,如微信城市服务的疫情动态订阅、支付宝的疫情实时追踪、新浪新闻的疫情实时动态等等,各种平台纷纷将疫情的实时动态进行展示,确保人们可以第一时间了解疫情的发展情况。
而无论是哪一家的数据推送和展示,都是面向大众的,并不能个性化的展示我们最关心的那些数据,所以这时就需要自制一个疫情动态展示的 Dashboard 了。
说到 Dashboard,第一个联想到的当然就是 Grafana 了,Grafana 是自2014年以来推出的多平台开源分析和交互式可视化软件。连接支持的数据源,它会提供 Web 图表的展示以及报警。终端用户可以通过插件进行拓展,从而使用交互式的查询及展示复杂的监控仪表盘。
项目准备
明确目标,我们这里需要定制一个 Dashboard 用于展示疫情动态,由于我目前在上海,需要展示全国和上海的确诊、疑似、治愈和死亡病例数;同时还需要一个病例发展曲线,用来观察疫情发展趋势;各省区情况已经上海各区情况也是需要的。
Grafana 只是一个展示数据的工具,首先需要的是数据源,目前市面上并没有可以直接用于 Grafana 的疫情数据源,这里我们需要:
- 需要一个 Grafana,无论是在你的笔记本电脑上,还是在你的 K8S 集群中(这里推荐使用 docker 进行运行 Grafana,如果部署在 K8S 集群中,那更好)。
- 安装 SimpleJson 插件,它可以将 json 格式的数据,用作 Grafana 的数据源。
开发数据源
数据源这里使用 Python Bottle 进行开发,当然你也可以选择 flask,都是一样的,我使用 Bottle 的原因是之前开发的 Grafana 数据源是使用 Bottle 开发的,这里直接拿来就可以用,调试配置甚至用于构建 docker 镜像的 Dockerfile
和用于部署 K8S 的 deploy.yaml
都有现成可以用的。使用 Python 开发 [Grafana] 数据源很简单,只有符合 [SimpleJson] 的格式要求即可。可以根据 Oz Nahum Tiram 的博文 Visualize almost anything with Grafana and Python 来学习如果使用 Python 作为 [Grafana] 的数据源。
在对数据源的定制中,使用两种类型的的数据:
timeserie
类型:用于展示全国(含港澳台)和上海地区的疫情实时动态,展示确诊、疑似、治愈和死亡数,并且展示较昨日增加的数量,绘制了【确诊/疑似】数和【治愈/死亡】数的对比曲线。
这里只要将全国确诊数
gntotal
与 当前时间戳组合返回即可,其他指标也是这种方式。@app.post('/query') def query(): print(request.json) body = [] all_data = getDataSync() time_stamp = int(round(time.time() * 1000)) for target in request.json['targets']: name = target['target'] if name == 'gntotal': body.append({'target': 'gntotal', 'datapoints': [[all_data['gntotal'], time_stamp]]}) body = dumps(body) return HTTPResponse(body=body, headers={'Content-Type': 'application/json'})
table
类型:用于绘制中国各省确诊、疑似、治愈和死亡病例数表格,以及上海各区确诊、疑似、治愈和死亡病例数表格。
取出数据中的名称以及确诊、疑似、治愈和死亡数,
append
到rows
中即可。@app.post('/query') def query(): print(request.json) body = [] all_data = getDataSync() sh_data = getShDataSync() if request.json['targets'][0]['type'] == 'table': rows = [] for data in all_data['list']: row = [data['name'], data['value'], data['susNum'], data['cureNum'], data['deathNum']] rows.append(row) sh_rows = [] for data in sh_data['city']: row = [data['name'], data['conNum'], data['susNum'], data['cureNum'], data['deathNum']] sh_rows.append(row) bodies = {'all': [{ "columns": [ {"text": "省份", "type": "name"}, {"text": "确诊", " type": "conNum"}, {"text": "疑似", " type": "susNum"}, {"text": "治愈", "type": "cureNum"}, {"text": "死亡", "type": "deathNum"} ], "rows": rows, "type": "table" }], 'sh': [{ "columns": [ {"text": "省份", "type": "name"}, {"text": "确诊", " type": "value"}, {"text": "疑似", " type": "susNum"}, {"text": "治愈", "type": "cureNum"}, {"text": "死亡", "type": "deathNum"} ], "rows": sh_rows, "type": "table" }]} series = request.json['targets'][0]['target'] body = dumps(bodies[series]) return HTTPResponse(body=body, headers={'Content-Type': 'application/json'})
选择展示 Panel 类型
总的来说,使用了4种 Panel 进行展示:
- 展示病例数的展示块,使用
Singlestat
- 展示数据对比曲线,使用
Graph
- 展示表格,使用
Table
- 文字标题,使用
Text
配置数据源
病例数展示块:
这里只有一个值,所以要选择 First
。
病例数发展趋势图:
这里将【确诊/疑似】和【治愈/死亡】数进行对比。
数据表格:
效果
整体效果还可以,先已用作公司大屏展示疫情情况(这里我司用于展示屏幕较小,只不过是一个小米电视,故字体和展示块都做的大了一些)。
构建
将代码打包成为 docker 镜像,就可以运行在任意环境以及 K8S 集群了,镜像已上传 dockerhub 直接拉取镜像,开箱即食。
# Dockerfile
FROM python:3.7.3-alpine3.9
LABEL maintainer="sunnydog0826@gmail.com"
COPY . /app
RUN echo "https://mirrors.aliyun.com/alpine/v3.9/main/" > /etc/apk/repositories \
&& apk update \
&& apk add --no-cache gcc g++ python3-dev python-dev linux-headers libffi-dev openssl-dev make \
&& pip3 install -r /app/requestments.txt -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
WORKDIR /app
ENTRYPOINT ["uwsgi","--ini","uwsgi.ini"]
运行
- 拉取镜像
docker pull guoxudongdocker/feiyan-datasource
- 运行镜像
docker run -d --name datasource -p 8088:3000 guoxudongdocker/feiyan-datasource
- 添加数据源
选择 SimpleJson 类型的数据源,点击添加,填入数据源地址:
- 导入 Dashboard
点击
Upload.json file
,选择wuhan2020-grafana/dashboard.json
使用 K8S 部署(可选)
kubectl apply -f deploy.yaml
结语
截止目前(2020年2月14日),病例数还在不断的增加,但是疑似病例数趋势开始下降,可以看出,目前新型肺炎的确诊速度增加了;治愈数也在不断的增加;上海地区和其他地区比起来,虽然有大批返工人员进入,但是并没有增加特别多的病例数,各个社区严防死守的效果初显;同时上海一直保持着死亡1人的情况,而且中国首例新型肺炎治愈的也在上海。总的来说只要大家注意预防,待在家中,多消毒,多通风,一定可以战胜疫情,度过难关。
导入 Dashboard 的 json
文件和部署 K8S 的 yaml
文件都可以在 GitHub 上找到。