數(shù)據(jù)可視化Pyecharts的實際使用方式
一個多月前參加公司的一個產(chǎn)品會的時候，有和同事聊到日常巡檢報表的一些東西，現(xiàn)在雖然項目上搭建的有監(jiān)控平臺、數(shù)據(jù)稽核平臺、調(diào)度平臺等業(yè)務系統(tǒng)，每天運維人員也做定期的巡檢，但是細想來說這其中有2成左右的工作可能是一個重復性的工作，做完以后要生成巡檢報告，有時候可能還要發(fā)給客戶。這部分工作屬于是做了沒有成績，不做可能出事的活。
本身這樣的事情就應該盡量自動化，而且我們也用Grafana對數(shù)據(jù)做了圖表展示，但是領導就是喜歡看報告，覺得大屏這種東西是線上看的，報告是留檔看的，而且讓我們天天出報告也能讓我們累一點（懂的都懂）。
再說自動化報表這個事情，最好是能夠有一個連接全局數(shù)據(jù)源的引擎來自動生成，對數(shù)據(jù)有一定分析能力，不過公司沒這個開發(fā)能力，而且開源項目也調(diào)研過，對接自研的各個平臺也需要開發(fā)投入。
綜合來看，先臨時做一個程序解決眼下問題會好點。
環(huán)境分析
做之前，先分析下實際環(huán)境上有的各種問題，能想到的大概有這幾個：
- 數(shù)據(jù)來源不唯一，比如對集群資源進行監(jiān)控的數(shù)據(jù)可能存在Prometheus，其他的可以通過各種后端接口獲取
- 網(wǎng)絡不一定通，由于網(wǎng)絡限制，沒有一臺服務器能同時訪問所有數(shù)據(jù)源，可能需要考慮數(shù)據(jù)獲取時使用代理
- 可視化圖形，通過接口獲取的各種數(shù)據(jù)，需要自己再畫圖
最主要的幾個問題就是上面的三個，各有各的解決方案，本文主要說的是可視化繪圖這部分，而這里畫圖的話就是使用Pyecharts來做的。
Prometheus數(shù)據(jù)處理
先說下針對Prometheus的數(shù)據(jù)處理，Prometheus的查詢接口常用的有query和query_range，按照這樣進行封裝，方便獲取數(shù)據(jù)時直接調(diào)用，不用再做額外處理：
import sys
import os
import requests
QUERY_ENDPOINT = "query"
QUERY_RANGE_ENDPOINT = "query_range"
class PrometheusQueryAPI:
"""Class Create Prometheus query api"""
def __init__(self, api, proxy=None) -> None:
self.api = api
self.endpoint = "query"
self.params = {}
self.result = None
self.proxy = proxy
def clean(self):
"""清理查詢參數(shù)
"""
self.params = {}
def query(self, query, time=None):
"""Create the query"""
self.params["query"] = query
if time:
self.params["time"] = time
self.endpoint = QUERY_ENDPOINT
return self
def query_range(self, query, start=None, end=None, step=None):
"""Create the Query range"""
self.params["query"] = query
if start:
self.params["start"] = start
if end:
self.params["end"] = end
if step:
self.params["step"] = step
self.endpoint = QUERY_RANGE_ENDPOINT
return self
def run(self):
"""Run the prometheus query"""
url = os.path.join(self.api, self.endpoint)
if sys.platform.startswith('win'):
url = url.replace('\\', '/')
res = requests.get(url=url, params=self.params,
proxies=self.proxy, timeout=30)
self.result = res.json()
self.clean()
return self
當執(zhí)行query或者query_range的查詢時，使用對應的方法構(gòu)造查詢語句，然后調(diào)用run進行語句運行即可，封裝的比較。
Gauge圖
Gauge圖就是儀表盤圖，這里就不說官方示例了，以我的用法來說，先通過Prometheus獲取數(shù)據(jù)：
p = prometheus.PrometheusQueryAPI(
PROMETHEUS, proxy=PROXY)
p.query("yarn_exporter_allocateMem/(yarn_exporter_availableMem+yarn_exporter_allocateMem)")
p.run()
data = round(float(p.result["data"]["result"][0]["value"][1])*100, 2)
這里獲取到一個瞬時向量的指標，然后做數(shù)據(jù)類型的轉(zhuǎn)換和處理方便接下來繪圖：
from pyecharts.charts import Gauge
gauge1 = (
Gauge()
.add(
# 必要配置
series_name="內(nèi)存使用率",
data_pair=[["內(nèi)存使用率", data]],
# 設置儀表盤的條例
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(
# 設置不同區(qū)間的顏色，color中劃分不通區(qū)間的顏色，width為線條粗細
color=[(0.3, "#E9EB2E"), (0.9, "#37a2da"), (1, "#fd666d")], width=10
)
),
# tooltip的設置，進行顯示的格式化
tooltip_opts=opts.TooltipOpts(
is_show=True, formatter=" : {c}%"),
max_=100,
min_=0,
# 設置相對位置，橫縱坐標，當使用Grid組合Gauge時必須設置，否則圖表會重合
center=["25%", "50%"],
# 儀表盤內(nèi)的指標名稱字體設置
title_label_opts=opts.GaugeTitleOpts(
font_weight="bold",
font_size=20
),
# 儀表盤內(nèi)的指標數(shù)值的設置
detail_label_opts=opts.GaugeDetailOpts(
formatter="{value}%",
color="#1267CB",
font_weight="bold",
font_size="20",
offset_center=["0%", "40%"],
)
)
.set_global_opts(
# Gauge的標題設置
title_opts=opts.TitleOpts(
title="內(nèi)存使用率",
),
# 設置圖例格式
legend_opts=opts.LegendOpts(is_show=False),
)
)
這里主要需要注意的是進行數(shù)據(jù)的格式化的時候，在TooltipOpts中設置使用" : {c}“這樣的內(nèi)置變量，如果是在GaugeDetailOpts中進行設置，就要使用”{value}"這個內(nèi)置變量。
Bar圖-橫向
有的時候在使用條形圖的時候，需要使用橫向的條形圖，官方的示例比較少，可以這樣設置：
bar = (
Bar(init_opts=opts.InitOpts(width="850px", height="800px"))
.add_xaxis(xaxis_data=province)
.add_yaxis("HDFS", values)
.set_global_opts(
title_opts=opts.TitleOpts(title="HDFS使用情況"),
visualmap_opts=opts.VisualMapOpts(
min_=0,
max_=100,
# 組件映射維度
dimension=0,
# 是否為分段型，如果設置為False，會出現(xiàn)一個完整的分段條可以拖動調(diào)節(jié)
is_piecewise=True,
# 設置不同取值區(qū)間的顏色
range_color=[
"#00EC00", "#00A600",
"#FFD306", "#FF8000", "#FF2D2D"],
orient="horizontal",
pos_top="0%", pos_left="40%"
),
legend_opts=opts.LegendOpts(
is_show=False
),
xaxis_opts=opts.AxisOpts(
max_=100
)
)
.set_series_opts(
# 設置標記線，如果進行了行列轉(zhuǎn)置，這里的操作就要對X軸進行了而不是Y軸！
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(
x=80,
name="使用率過高",
linestyle_opts=opts.LineStyleOpts(
color="red",
)
)
]
),
)
# 翻轉(zhuǎn)XY軸
.reversal_axis()
)
使用reversal_axis()設置XY軸翻轉(zhuǎn)，使用VisualMapOpts設置視覺映射，這樣可以根據(jù)自己的需要，對不同區(qū)間的數(shù)據(jù)設置顏色，使用MarkLineOpts可以設置標記線，比如警戒線，尤其要注意的是，當進行行列轉(zhuǎn)置后，警戒線的設置要對X軸的值設置了，不能對原先設置的Y軸進行設置。
效果圖如下：
如何整合進Flask中
很多時候可視化并不只要圖，報告還需要加入一些結(jié)論性的文字，也就是圖文結(jié)合，類似這樣：
在進行圖表初始化的時候，可以添加InitOpts進行圖表大小的設置：
Bar(
opts.InitOpts(width="850px", height="800px")
)
在做模板渲染的時候，這樣進行設置：
return render_template("view.j2", data=bar.render_embed())在對應的模板view.j2中只需要這樣寫就可以：
<div>{{ data|safe }}</div>附錄
- Echarts官網(wǎng)：Apache ECharts
- PyEcharts文檔：簡介 - pyecharts - A Python Echarts Plotting Library built with love.
- PyEcharts示例：中文簡介 - Document (pyecharts.org)
總結(jié)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
下載文件是我們在日常工作中常常要做的一件事情,當我們需要從互聯(lián)網(wǎng)上批量下載大量文件時,手動一個一個去下載顯然不夠高效,所以本文為大家介紹一下如何利用python批量下載文件吧2023-11-11
Python一行代碼識別發(fā)票并保存Excel示例詳解
這篇文章主要為大家介紹了Python一行代碼識別發(fā)票并保存Excel示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-03-03
利用Tensorboard繪制網(wǎng)絡識別準確率和loss曲線實例
今天小編就為大家分享一篇利用Tensorboard繪制網(wǎng)絡識別準確率和loss曲線實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
Python連接SQL?server數(shù)據(jù)庫并進行簡單查詢的操作詳解
SQL?Server是微軟推出的重量級的數(shù)據(jù)庫,本文將給大家詳細介紹了一下Python連接SQL?server數(shù)據(jù)庫詳細流程,并通過代碼示例給大家講解的非常清除,具有一定的參考價值,需要的朋友可以參考下2024-02-02
今天小編就為大家分享一篇關于Tensorflow 模型持久化詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
這篇文章主要為大家詳細介紹了如何使用Python實現(xiàn)首頁通知功能，文中的示例代碼講解詳細，具有一定的借鑒價值，有需要的小伙伴可以跟隨小編一起學習一下2024-02-02
剛剛學python的時候，時常糾結(jié)于python中沒有C語言中 ？ ： 的實現(xiàn)，今天終于發(fā)現(xiàn)了兩種python的實現(xiàn)方式2013-10-10
當大家的站點越來越來越多的時候會發(fā)現(xiàn)管理起來也挺復雜的，所以這篇文章給大家分享下利用python批量檢查網(wǎng)站的可用性的功能，對大家管理網(wǎng)站具有很實用的價值，有需要的朋友可以參考借鑒。2016-09-09
這篇文章主要介紹了Python中返回字典鍵的值的values()方法使用,是Python入門學習中的基礎知識,需要的朋友可以參考下2015-05-05
怎么用python繞驗證碼是個令人頭禿的事情，這篇文章將為大家詳細 介紹如何利用Python生成隨機的驗證碼，文中的示例代碼簡潔易懂，感興趣的小伙伴可以跟隨小編一起試試2022-01-01