腼腆的白羊部署很多爬虫以后你就需要一个可视化的爬虫监控系统。来方便查看每个爬虫的入库数据和工作状态等… 本文就手把手一步步教你如何搭建这样一个可视化监控系统。本文不讲解爬虫的相关技术实现，而是从实用性的角度，将抓取并存入 MongoDB 的数据 用 InfluxDB 进行处理，而后又通过 Grafana 将爬虫抓取数据情况通过酷炫的图形化界面展示出来。
Grafana 和 InfluxDB是什么？ Grafana：是一个开源的分析和监控系统，拥有精美的web UI，支持多种图表，可以展示influxdb中存储的数据，并且有报警的功能。InfluxDB：是一款开源的时间序列数据库，专门用来存储和时间相关的数据（比如我用它存储某个时间点爬虫抓取信息的数量） 最终的实现效果
请注意以下操作，都是 Mac 下实现的。但是原理是相似的，你可以在自己的 PC 上进行试验。
安装 InfluxDB
brew updatebrew install influxdb修改配置文件/usr/local/etc/influxdb.conf，如果原文件中没有对应配置项，需自己添加。
[data] # 将存储 TSM 文件的路径，修改成自己的目录。 dir = "/usr/local/var/influxdb/data" # 将存储 WAL 文件的路径，修改成自己的目录。 wal-dir = "/usr/local/var/influxdb/wal" [admin] # 设定 admin 管理界面的 host 和 port bind-address='127.0.0.1:8083'[http] # 修改 API 的 host 和 port bind-address = ":8086" 3. 安装配置 Grafana安装 Grafana
brew updatebrew install grafana并修改 Grafana 配置文件 /usr/local/etc/grafana/grafana.ini，内容如下：
[data] # 将存储 TSM 文件的路径，修改成自己的目录。 dir = "/usr/local/var/influxdb/data" # 将存储 WAL 文件的路径，修改成自己的目录。 wal-dir = "/usr/local/var/influxdb/wal" [admin] # 设定 admin 管理界面的 host 和 port bind-address='127.0.0.1:8083'[http] # 修改 API 的 host 和 port bind-address = ":8086" 4. 爬虫代码由于这里主是要介绍如何将 Grafana 和 InfluxDB 与爬虫进行结合的方案，而不是主讲爬虫原理，而且代码也比较多，影响可读性，所以就不贴出爬取的代码。
https://github.com/al2ln44edr/spider_visualize_monitor_grafana_influxdb_mongdb
考虑到可能要增加爬虫到监控中，因此这里使用了热更新对监控进行动态配置。
配置文件 influx_settings.conf 主要用于热更新相关设置。
如何动态读取这个配置文件的设置呢？需要写一个脚本来监控。代码如下：
import astimport timeimport pymongoimport tracebackfrom configparser import ConfigParserfrom influxdb import InfluxDBClientfrom datetime import datetimefrom os.path import getmtime# 配置 influxdbclient = InfluxDBClient(host='localhost', port=8086) # influxdb默认端口为8086# 创建 databaseclient.create_database('Spider')# switch 到 databaseclient.switch_database('Spider')# 设定配置文件config_name = 'influx_settings.conf'WATCHED_FILES = [config_name]WATCHED_FILES_MTIMES = [(f, getmtime(f)) for f in WATCHED_FILES] _count_dict = {}_size_dict = {}# 获取配置文件中的设置def parse_config(file_name): try: # 创建一个配置文件对象 cf = ConfigParser() # 打开配置文件 cf.read(file_name) # 获取配置文件中的统计频率 interval = cf.getint('time', 'interval') # 获取配置文件中要监控的 dbs 和 collection dbs_and_collections = ast.literal_eval(cf.get('db', 'db_collection_dict')) return interval, dbs_and_collections except: print(traceback.print_exc()) return None# 从 MongoDB 获取数据，并写入 InfluxDBdef insert_data(dbs_and_collections): # 连接 MongoDB 数据库 mongodb_client = pymongo.MongoClient(host='127.0.0.1',port=27017) # 直接使用默认地址端口连接 MongoDB for db_name, collection_name in dbs_and_collections.items(): # 数据库操作，创建 collection 集合对象 db = mongodb_client[db_name] collection = db[collection_name] # 获取 collection 集合大小 collection_size = round(float(db.command("collstats", collection_name).get('size')) / 1024 / 1024, 2) # 获取 collection 集合内数据条数 current_count = collection.count() # 初始化数据条数，当程序刚执行时，条数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) # 初始化数据大小，当程序刚执行时，大小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, collection_size) # 得到数据条数增长量 increase_amount = current_count - init_count # 得到数据大小增长量 increase_collection_size = collection_size - init_size # 得到当前时间 current_time = datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%SZ') # 赋值 _count_dict[collection_name] = current_count _size_dict[collection_name] = collection_size # 构建 json_body = [ { "measurement": "crawler", "time": current_time, "tags": { "spider_name": collection_name }, "fields": { "count": current_count, "increase_count": increase_amount, "size": collection_size, "increase_size": increase_collection_size } } ] # 将获取 if client.write_points(json_body): print('成功写入influxdb！',json_body)def main(): # 获取配置文件中的监控频率和MongoDB数据库设置 interval, dbs_and_collexctions = parse_config(config_name) # 如果配置有问题则报错 if (interval or dbs_and_collexctions) is None: raise ValueError('配置有问题，请打开配置文件重新设置！') print('设置监控频率：', interval) print('设置要监控的MongoDB数据库和集合：', dbs_and_collexctions) last_interval = interval last_dbs_and_collexctions = dbs_and_collexctions # 这里实现配置文件热更新 for f, mtime in WATCHED_FILES_MTIMES: while True: # 检查配置更新情况，如果文件有被修改，则重新获取配置内容 if getmtime(f) != mtime: # 获取配置信息 interval, dbs_and_collections = parse_config(config_name) print('提示：配置文件于 %s 更新！' % (time.strftime("%Y-%m-%d %H:%M:%S"))) # 如果配置有问题，则使用上一次的配置 if (interval or dbs_and_collexctions) is None: interval = last_interval dbs_and_collexctions = last_dbs_and_collexctions else: print('使用新配置！') print('新配置内容:', interval, dbs_and_collexctions) mtime = getmtime(f) # 写入 influxdb 数据库 insert_data(dbs_and_collexctions) # 使用 sleep 设置每次写入的时间间隔 time.sleep(interval)if __name__ == '__main__': main()来试着运行一下
python3 influx_monitor.py运行，得到下图内容，表示监控脚本运行成功。
另建窗口，修改配置文件 influx_settings.conf
切换至第一次运行 influxDB 的窗口，会提示配置更新，说明配置热更新生效。
6. 配置 Grafana首先打开 Chrome 浏览器，输入 http://127.0.0.1:3000 登录 grafana 页面。
连接本地 influxDB 数据库，操作如下图。
在红色方框内选择 Type 类型为 InfluxDB，并输入URL：http://localhost:8086
新建 dashboard
修改 dashboard 设置
设置监控的数据对象
在监控脚本中，写入influxDB的代码如下，其中 “measurement” 对应 表名，“fields” 对应写入的字段；
"measurement": "crawler", "fields": { "count": current_count, "increase_count": increase_amount, "size": collection_size, "increase_size": increase_collection_size } 7. 运行爬虫文件启动 MongoDB 数据库服务。
brew services mongodb start
新建一个 terminal 窗口，运行爬虫文件。
我们可以在刚刚打开的控制台里查看效果展示：
-----------------------------------------------------------end------------------------------------------------------
感谢观看～～～～～～～～～～～～～提前祝大家新年快乐～～～～～～～～～～～～～