快速上手 Pythond 采集器的最佳实践

Pythond 是定时触发用户自定义 Python 采集脚本的一整套方案。本文以 “获取每个小时登录的用户数”作为指标上报给中心为例。

1.1. 业务演示介绍

业务流程大致如下: 从数据库中采集数据 (Python 脚本) -> pythond 采集器定时触发该脚本上报数据(datakit) -> 从中心可看到指标(web)。

数据库现在有一张表叫 customers, 表中有如下字段:

● name: 姓名 (字符串)
● last_logined_time : 登录时间 (时间戳)

建表语句如下:

create table customers
(
id BIGINT(20) not null AUTO_INCREMENT COMMENT '自增 ID',
last_logined_time BIGINT(20) not null DEFAULT 0 COMMENT '登录时间 (时间戳)',
name VARCHAR(48) not null DEFAULT '' COMMENT '姓名',

primary key(id),
key idx_last_logined_time(last_logined_time)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

往上面的表中插入测试数据:

INSERT INTO customers (id, last_logined_time, name) VALUES (1, 1645600127, 'zhangsan');
INSERT INTO customers (id, last_logined_time, name) VALUES (2, 1645600127, 'lisi');
INSERT INTO customers (id, last_logined_time, name) VALUES (3, 1645600127, 'wangwu');

使用以下 SQL 语句来获取 "获取每个小时登录的用户数":

select count(1) from customers where last_logined_time>=(unix_timestamp()-3600);

把上面的数据以指标形式上报给中心。

下面详细讲述实现上述业务的具体步骤。

1.2. 前置条件

1.2.1. Python 环境

需要安装 Python,目前 Pythond 采集器处于 alpha 阶段,同时兼容 Python 2.7+ 和 Python 3+。但为了以后的兼容性,强烈建议使用 Python 3,毕竟 Python 2 官方已经不作支持了。下面的演示也是使用 Python 3。

1.2.2. Python 依赖库

需要安装以下依赖库:

● requests(操作网络,用于上报指标)
● pymysql(操作 MySQL 数据库,用于连接数据库获取业务数据)

安装方法如下:

python3

python3 -m pip install requests
python3 -m pip install pymysql

上述的安装需要安装 pip,如果你没有,可以参考以下方法(源自: 这里):

Linux/MacOS

python3 -m ensurepip --upgrade

Windows

py -m ensurepip --upgrade

1.3. 编写用户自定义脚本

需要用户继承 DataKitFramework 类,然后对 run 方法进行改写。DataKitFramework 类源代码文件是 datakit_framework.py,路径是 datakit/python.d/core/datakit_framework.py。

具体的使用可以参见源代码文件 datakit/python.d/core/demo.py。

我们这里根据上述需求,写成如下的 Python 脚本,命名为 hellopythond.py:

from datakit_framework import DataKitFramework
import pymysql
import re
import logging

class MysqlConn():

def __init__(self, logger, config):
    self.logger = logger
    self.config = config
    self.re_errno = re.compile(r'^\((\d+),')

    try:
        self.conn = pymysql.Connect(**self.config)
        self.logger.info("pymysql.Connect() ok, {0}".format(id(self.conn)))
    except Exception as e:
        raise e

def __del__(self):
    self.close()

def close(self):
    if self.conn:
        self.logger.info("conn.close() {0}".format(id(self.conn)))
        self.conn.close()


def execute_query(self, sql_str, sql_params=(), first=True):
    res_list = None
    cur = None
    try:
        cur = self.conn.cursor()
        cur.execute(sql_str, sql_params)
        res_list = cur.fetchall()
    except Exception as e:
        err = str(e)
        self.logger.error('execute_query: {0}'.format(err))
        if first:
            retry = self._deal_with_network_exception(err)
            if retry:
                return self.execute_query(sql_str, sql_params, False)
    finally:
        if cur is not None:
            cur.close()
    return res_list

def execute_write(self, sql_str, sql_params=(), first=True):
    cur = None
    n = None
    err = None
    try:
        cur = self.conn.cursor()
        n = cur.execute(sql_str, sql_params)
    except Exception as e:
        err = str(e)
        self.logger.error('execute_query: {0}'.format(err))
        if first:
            retry = self._deal_with_network_exception(err)
            if retry:
                return self.execute_write(sql_str, sql_params, False)
    finally:
        if cur is not None:
            cur.close()
    return n, err

def _deal_with_network_exception(self, stre):
    errno_str = self._get_errorno_str(stre)
    if errno_str != '2006' and errno_str != '2013' and errno_str != '0':
        return False
    try:
        self.conn.ping()
    except Exception as e:
        return False
    return True

def _get_errorno_str(self, stre):
    searchObj = self.re_errno.search(stre)
    if searchObj:
        errno_str = searchObj.group(1)
    else:
        errno_str = '-1'
    return errno_str

def _is_duplicated(self, stre):
    errno_str = self._get_errorno_str(stre)
    # 1062:字段值重复,入库失败
    # 1169:字段值重复,更新记录失败
    if errno_str == "1062" or errno_str == "1169":
        return True
    return False

class HelloPythond(DataKitFramework):

__name = 'HelloPythond'
interval = 10 # 每 10 秒钟采集上报一次。这个根据实际业务进行调节,这里仅作演示。

# if your datakit ip is 127.0.0.1 and port is 9529, you won't need use this,
# just comment it.
# def __init__(self, **kwargs):
#     super().__init__(ip = '127.0.0.1', port = 9529)

def run(self):
    config = {
        "host": "172.16.2.203",
        "port": 30080,
        "user": "root",
        "password": "Kx2ADer7",
        "db": "df_core",
        "autocommit": True,
        # "cursorclass": pymysql.cursors.DictCursor,
        "charset": "utf8mb4"
    }

    mysql_conn = MysqlConn(logging.getLogger(''), config)
    query_str = "select count(1) from customers where last_logined_time>=(unix_timestamp()-%s)"
    sql_params = ('3600')
    n = mysql_conn.execute_query(query_str, sql_params)

    data = [
      {
          "measurement": "hour_logined_customers_count", # 指标名称。
          "tags": {
            "tag_name": "tag_value", # 自定义 tag,根据自己想要标记的填写,我这里是随便写的
          },
          "fields": {
            "count": n[0][0], # 指标,这里是每个小时登录的用户数
          },
      },
    ]

    in_data = {
        'M':data,
        'input': "pyfromgit"
    }

    return self.report(in_data) # you must call self.report here

1.4. 将自定义脚本放入正确的位置

在 Datakit 安装目录的 python.d 目录下新建一个文件夹,并命名为 hellopythond,这个文件夹名称要与上面编写的类名相同,即为 hellopythond。

然后将上面写好的脚本 hellopythond.py 放入此文件夹下,即最后的目录结构如下:

├── ...
├── datakit
└── python.d

├── core
│   ├── datakit_framework.py
│   └── demo.py
└── hellopythond
    └── hellopythond.py

上面的 core 文件夹是 Pythond 的核心文件夹,不要动。

上面是在没有开启 gitrepos 功能的情况下,如果是开启了 gitrepos 功能,那么路径结构就是这样的:

├── ...
├── datakit
├── python.d
├── gitrepos
│   └── yourproject
│   ├── conf.d
│   ├── pipeline
│   └── python.d
│   └── hellopythond
│   └── hellopythond.py

1.5. 开启 pythond 配置文件

将 Pythond 配置文件复制出来。在 conf.d/pythond 目录下复制 pythond.conf.sample 为 pythond.conf,然后将配置成如下形式:

[[inputs.pythond]]

# Python 采集器名称
name = 'some-python-inputs'  # required

# 运行 Python 采集器所需的环境变量
#envs = ['LD_LIBRARY_PATH=/path/to/lib:$LD_LIBRARY_PATH',]

# Python 采集器可执行程序路径(尽可能写绝对路径)
cmd = "python3" # required. python3 is recommended.

# 用户脚本的相对路径(填写文件夹,填好后该文件夹下一级目录的模块和 py 文件都将得到应用)
dirs = ["hellopythond"] # 这里填的是文件夹名,即类名

1.6. 重启 Datakit

sudo datakit --restart

1.7. 效果图

如果一切顺利的话,大概 1 分钟内我们就能在中心看到指标图。
快速上手 Pythond 采集器的最佳实践_第1张图片

1.8. 参考文档

● 官方手册: 用 Python 开发自定义采集器
● 官方手册: 通过 Git 管理配置文件

image.png

你可能感兴趣的