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：
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。