多种方法教你轻松删除Excel中的空白格提升数据整洁度
690
2022-05-29
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。