grafanalib 0.5.3

编写仪表板

下面将使用一行qps图配置仪表板 按状态代码和另一个显示中位数和第99位的延迟图细分 百分位延迟：

fromgrafanalib.coreimport*dashboard=Dashboard(title="Frontend Stats",rows=[Row(panels=[Graph(title="Frontend QPS",dataSource='My Prometheus',targets=[Target(expr='sum(irate(nginx_http_requests_total{job="default/frontend",status=~"1.."}[1m]))',legendFormat="1xx",refId='A',),Target(expr='sum(irate(nginx_http_requests_total{job="default/frontend",status=~"2.."}[1m]))',legendFormat="2xx",refId='B',),Target(expr='sum(irate(nginx_http_requests_total{job="default/frontend",status=~"3.."}[1m]))',legendFormat="3xx",refId='C',),Target(expr='sum(irate(nginx_http_requests_total{job="default/frontend",status=~"4.."}[1m]))',legendFormat="4xx",refId='D',),Target(expr='sum(irate(nginx_http_requests_total{job="default/frontend",status=~"5.."}[1m]))',legendFormat="5xx",refId='E',),],yAxes=[YAxis(format=OPS_FORMAT),YAxis(format=SHORT_FORMAT),],alert=Alert(name="Too many 500s on Nginx",message="More than 5 QPS of 500s on Nginx for 5 minutes",alertConditions=[AlertCondition(Target(expr='sum(irate(nginx_http_requests_total{job="default/frontend",status=~"5.."}[1m]))',legendFormat="5xx",refId='A',),timeRange=TimeRange("5m","now"),evaluator=GreaterThan(5),operator=OP_AND,reducerType=RTYPE_SUM,),],)),Graph(title="Frontend latency",dataSource='My Prometheus',targets=[Target(expr='histogram_quantile(0.5, sum(irate(nginx_http_request_duration_seconds_bucket{job="default/frontend"}[1m])) by (le))',legendFormat="0.5 quantile",refId='A',),Target(expr='histogram_quantile(0.99, sum(irate(nginx_http_request_duration_seconds_bucket{job="default/frontend"}[1m])) by (le))',legendFormat="0.99 quantile",refId='B',),],yAxes=single_y_axis(format=SECONDS_FORMAT),),]),],).auto_panel_ids()

这里有很多重复的地方，但是一旦你知道什么是有效的 你的需要，你可以考虑出来。 有关灵感，请参见our Weave-specific customizations。

生成仪表板

如果您将以上内容保存为frontend.dashboard.py（后缀必须是 .dashboard.py，然后可以使用以下命令生成json仪表板：

$ generate-dashboard -o frontend.json frontend.dashboard.py

安装

grafanalib只是一个python包，所以：

$ pip install grafanalib

支架

这个图书馆正处于早期阶段。我们可能会做出改变 打破向后兼容，尽管我们会尽力不去做。

grafanalib与python 2.7、3.4、3.5和3.6一起工作。

开发

如果您正在进行项目，并且需要从源代码进行构建，请执行以下操作：

$ virtualenv .env
$ . ./.env/bin/activate
$ pip install -e .

gfdatasource

该模块还提供一个脚本和docker映像，可以配置grafana 使用新源，或启用应用程序插件。

脚本用完整的用法信息来回答--help，但是基本的 调用如下：

$ <gfdatasource> --grafana-url http://grafana. datasource --data-source-url http://datasource
$ <gfdatasource> --grafana-url http://grafana. app --id my-plugin

获取帮助

如果您对grafanalib有任何疑问、反馈或问题：

• 请你自己来放松一下。
• 在#general空闲频道上提问。
• 向weave-users@weave.works发送电子邮件。
• File an issue。

欢迎您的反馈！