快来学习怎么可视化监控你的爬虫

大家好，我是四毛.

今天主要是来说一下怎么可视化来监控你的爬虫的状态。

相信大家在跑爬虫的过程中，也会好奇自己养的爬虫一分钟可以爬多少页面，多大的数据量，当然查询的方式多种多样。今天我来讲一种可视化的方法。

关于爬虫数据在mongodb里的版本我写了一个可以热更新配置的版本，即添加了新的爬虫配置以后，不用重启程序，即可获取刚刚添加的爬虫的状态数据.

1.成品图

这个是监控服务器网速的最后成果，显示的是下载与上传的网速，单位为M。爬虫的原理都是一样的，只不过将数据存到InfluxDB的方式不一样而已， 如下图。

可以实现对爬虫数量，增量，大小，大小增量的实时监控。

2. 环境

InfluxDb，是目前比较流行的时间序列数据库；

Grafana，一个可视化面板（Dashboard），有着非常漂亮的图表和布局展示，功能齐全的度量仪表盘和图形编辑器，支持Graphite、zabbix、InfluxDB、prometheus和OpenTSDB作为数据源

Ubuntu

influxdb（pip install influxdb)

Python 2.7

3. 原理

获取要展示的数据，包含当前的时间数据，存到InfluxDb里面，然后再到Grafana里面进行相应的配置即可展示；

4. 安装

4.1 Grafana安装

官方安装指导

安装好以后，打开本地的3000端口，即可进入管理界面，用户名与密码都是admin。

4.2 InfulxDb安装

这个安装就网上自己找吧，有很多的配置我都没有配置，就不在这里误人子弟了。

5. InfluxDb简单操作

碰到了数据库，肯定要把增删改查学会了啊， 和sql几乎一样，只有一丝丝的区别，具体操作，大家可以参考官方的文档。

influx 进入命令行

CREATE DATABASE test 创建数据库

show databases 查看数据库

use test 使用数据库

show series 看表

select * from table_test 选择数据

DROP MEASUREMENT table_test 删表

6. 存数据

InfluxDb数据库的数据有一定的格式，因为我都是利用python库进行相关操作，所以下面将在python中的格式展示一下：

json_body = [     {         "measurement": "crawler",         "time": current_time,         "tags": {             "spider_name": collection_name         },         "fields": {             "count": current_count,             "increase_count": increase_amount,             "size": co_size,             "increase_size": increase_co_size           }     } ]

其中:

measurement, 表名

time，时间

tags，标签

fields，字段

可以看到，就是个列表里面，嵌套了一个字典。其中，对于时间字段，有特殊要求，可以参考这里， 下面是python实现方法：

from datetime import datetime  current_time = datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%SZ')

所以，到这里，如何将爬虫的相关属性存进去呢？以MongoDB为例

mongodb_client = pymongo.MongoClient(uri)     for db_name, collection_name in dbs_and_cos.iteritems():         # 数据库操作         db = mongodb_client[db_name]         co = db[collection_name]         # 集合大小         co_size = round(float(db.command("collstats", collection_name).get('size')) / 1024 / 1024, 2)         # 集合内数据条数         current_count = co.count()           # 初始化，当程序刚执行时，初始量就设置为第一次执行时获取的数据         init_count = _count_dict.get(collection_name, current_count)         # 初始化，当程序刚执行时，初始量就设置为第一次执行时获取的数据大小         init_size = _size_dict.get(collection_name, co_size)           # 条数增长量         increase_amount = current_count - init_count         # 集合大小增长量         increase_co_size = co_size - init_size           current_time = datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%SZ')           # 赋值         _size_dict[collection_name] = co_size         _count_dict[collection_name] = current_count           json_body = [             {                 "measurement": "crawler",                 "time": current_time,                 "tags": {                     "spider_name": collection_name                 },                 "fields": {                     "count": current_count,                     "increase_count": increase_amount,                     "size": co_size,                     "increase_size": increase_co_size                   }             }         ]         print json_body         client.write_points(json_body)

那么现在我们已经往数据里存了数据了，那么接下来要做的就是把存的数据展示出来。

7.展示数据

7.1 配置数据源

以admin登录到Grafana的后台后，我们首先需要配置一下数据源。点击左边栏的最下面的按钮，然后点击DATA SOURCES，这样就可以进入下面的页面：

点击ADD DATA SOURCE，进行配置即可，如下图：

其中，name自行设定；Type 选择InfluxDB；url为默认的http://localhost:8086， 其他的因为我前面没有进行配置，所以默认的即可。然后在InfluxDB Details里的填入Database名，最后点击测试，如果没有报错的话，则可以进入下一步的展示数据了；

7.2 展示数据

点击左边栏的+号，然后点击GRAPH

接着点击下图中的edit进入编辑页面：

从上图中可以发现：

中间板块是最后的数据展示

下面是数据的设置项

右上角是展示时间的设置板块，在这里可以选择要展示多久的数据

在Data Source中选择刚刚在配置数据源的时候配置的NAME字段，而不是database名。

接着在下面选择要展示的数据。看着就很熟悉是不是，完全是sql语句的可视化。同时，当我们的数据放到相关的字段上的时候，双击，就会把可以选择的项展示出来了，我们要做的就是直接选择即可；

设置右上角的时间，则可以让数据实时进行更新与展示

因为下面的配置实质就是sql查询语句，所以大家按照自己的需求，进行选择配置即可，当配置完以后，就可以在中间的面板里面看到数据了。

8. 总结

到这里，本篇文章就结束了。其中，对于Grafana的操作我没有介绍的很详细，因为本篇主要讲的是怎么利用这几个工具完成我们的任务。

同时，里面的功能确实很多，还有可以安装的插件。我自己目前还是仅仅对于用到的部分比较了解，所以大家可以查询官方的或者别的教程资料来对Grafana进行更深入的了解，制作出更加好看的可视化作品来。

数据可视化 python

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。