使用 Grafana 展示肺炎疫情动态

本文涉及的产品
可观测可视化 Grafana 版,10个用户账号 1个月
容器服务 Serverless 版 ACK Serverless,952元额度 多规格
容器服务 Serverless 版 ACK Serverless,317元额度 多规格
简介: 开发 Grafana Dashboard 展示新型肺炎疫情动态。

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,appendrows 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

image

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。

image

数据表格:

image

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:

    datasource

  • 导入 Dashboard

    点击 Upload.json file,选择 wuhan2020-grafana/dashboard.json

    import

  • 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。

项目地址:https://github.com/sunny0826/wuhan2020-grafana

相关实践学习
通过可观测可视化Grafana版进行数据可视化展示与分析
使用可观测可视化Grafana版进行数据可视化展示与分析。
目录
相关文章
|
存储 前端开发 数据库
美多商城前三天重点内容大盘点
美多商城前三天重点内容大盘点
|
前端开发 JavaScript PHP
php开发实战分析(10):城市区县联动筛选
php开发实战分析(10):城市区县联动筛选
109 1
|
数据可视化 数据管理 大数据
漏刻有时开源框架:2019-nCov疫情防控数据可视化大屏作战室
漏刻有时开源框架:2019-nCov疫情防控数据可视化大屏作战室
58 0
|
监控 数据可视化 安全
全球疫情实时监控——约翰斯·霍普金斯大学数据大屏实现方案
全球疫情实时监控——约翰斯·霍普金斯大学数据大屏实现方案
485 0
全球疫情实时监控——约翰斯·霍普金斯大学数据大屏实现方案
应用实时监控服务 ARMS 4 月功能新鲜快报
应用实时监控服务 ARMS 4 月功能新鲜快报来啦!快来点击查看~
应用实时监控服务 ARMS 4 月功能新鲜快报
|
存储 运维 Prometheus
全面公测|Grafana服务:一张图表胜过千行指标&日志
Grafana 帮助运维人员轻松处理各类运维过程中遇到的各类数据可视化与分析难题。目前阿里云 Grafana 服务全面免费公测,帮助企业轻松构建运维数据可视化平台,轻松实现数据驱动运维!
全面公测|Grafana服务:一张图表胜过千行指标&日志
应用实时监控服务 ARMS 12 月功能新鲜快报
应用实时监控服务 ARMS 12 月功能新鲜快报
应用实时监控服务 ARMS 12 月功能新鲜快报
|
机器学习/深度学习 JSON 数据可视化
实战|教你爬取全国火锅店数量,并利用地图可视化展示
大家好,我是阿辰,今天教大家如何获取全国不同城市火锅店数量情况,并将这些数据进行可视化展示,以更加直观的方式去浏览全国不同省份、不同城市的火锅店分布情况。 本文数据来自于某度地图,通过python技术知识去获取数据并进行可视化。
345 0
|
数据采集 SQL 数据可视化
flask + pyecharts 搭建新冠肺炎疫情数据可视化交互分析平台:包含疫情数据获取、态势感知、预测分析、舆情监测等任务
该项目是浙江大学地理空间数据库课程作业8:空间分析中,使用 flask + pyecharts 搭建的简单新冠肺炎疫情数据可视化交互分析平台,包含疫情数据获取、态势感知、预测分析、舆情监测等任务
2789 0
flask + pyecharts 搭建新冠肺炎疫情数据可视化交互分析平台:包含疫情数据获取、态势感知、预测分析、舆情监测等任务
|
人工智能 运维 监控
新发布:免费的防疫数据分析与可视化平台---阿里云新冠病毒疫情分析App
免费的防疫数据分析与可视化平台能力---阿里云新冠病毒疫情分析App 新冠病毒疫情分析App是基于阿里云日志服务中台,提供的一站式的数据处理可视化分析系统。借助它,可以在全球范围内了解各省份、市区的全面一手疫情信息和防疫新闻动态。目前该能力全面开放给政府、社区、第三方平台和开放者进行广泛应用。
4509 0