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。
