全栈工程师开发手册（作者：栾鹏）
架构系列文章

官方文档
http://docs.grafana.org/plugins/developing/development/

grafana的插件分为三种：application，panel，datasource，

本次我只写其中的datasource

要与grafana的其余部分进行交互，插件模块文件可以导出5个不同的组件。

Datasource（必填）
QueryCtrl（必填）
ConfigCtrl（必填）
AnnotationsQueryCtrl

json插件

plugin.json有两个特定于数据源的设置

"metrics": true,
"annotations": false,

这些设置指示插件可以提供哪种数据。至少其中一个必须是真的

数据源

与数据库通信并将数据转换为时间序列的javascript对象。

数据源应包含以下功能：

query(options) //used by panels to get data
testDatasource() //used by datasource configuration page to make sure the connection is working
annotationQuery(options) // used by dashboards to get annotations
metricFindQuery(options) // used by query editor to get metric suggestions.

testDatasource

当用户在添加新数据源时单击“ 保存并测试”按钮时，详细信息将首先保存到数据库中，然后将testDatasource调用数据源插件中定义的函数。建议此函数对数据源进行查询，该数据源还将测试身份验证详细信息是否正确。这样，当用户尝试在新仪表板中编写查询时，会正确配置数据源。

Query

传递给datasource.query函数的请求对象：

{"range": { "from": "2015-12-22T03:06:13.851Z", "to": "2015-12-22T06:48:24.137Z" },"interval": "5s","targets": [{ "refId": "B", "target": "upper_75" },{ "refId": "A", "target": "upper_90" }],"format": "json","maxDataPoints": 2495 //decided by the panel
}

数据源有两种不同的结果; 时间序列和表格。时间序列是最常见的格式，并且受所有数据源和面板支持。表格格式仅受InfluxDB数据源和表格面板支持。但是我们将来可能会看到更多。

下面是来自datasource.query的时间序列响应。

[{"target":"upper_75","datapoints":[[622, 1450754160000],[365, 1450754220000]]},{"target":"upper_90","datapoints":[[861, 1450754160000],[767, 1450754220000]]}
]

下面是来自datasource.query的表响应。

[{"columns": [{"text": "Time","type": "time","sort": true,"desc": true,},{"text": "mean",},{"text": "sum",}],"rows": [[1457425380000,null,null],[1457425370000,1002.76215352,1002.76215352],],"type": "table"}
]

Annotation Query

请求对象传递给datasource.annotationQuery函数：

{"range": { "from": "2016-03-04T04:07:55.144Z", "to": "2016-03-04T07:07:55.144Z" },"rangeRaw": { "from": "now-3h", to: "now" },"annotation": {"datasource": "generic datasource","enable": true,"name": "annotation name"}
}

datasource.annotationQuery的预期结果：

[{"annotation": {"name": "annotation name", //should match the annotation name in grafana"enabled": true,"datasource": "generic datasource",},"title": "Cluster outage","time": 1457075272576,"text": "Joe causes brain split","tags": "joe, cluster, failure"}
]

QueryCtrl

一个JavaScript类，当用户在面板中编辑度量标准时，将对其进行实例化并将其视为Angular控制器。该类必须继承app / plugins / sdk.QueryCtrl类。

需要一个静态模板或templateUrl变量，该变量将呈现为此控制器的视图。

ConfigCtrl

当用户尝试编辑或创建此类型的新数据源时，将实例化并视为Angular控制器的JavaScript类。

需要一个静态模板或templateUrl变量，该变量将呈现为此控制器的视图。

AnnotationsQueryCtrl

当用户在仪表板的模板菜单中选择此类型的数据源时，将实例化并视为Angular控制器的JavaScript类。

需要一个静态模板或templateUrl变量，该变量将呈现为此控制器的视图。然后将绑定到此控制器的字段发送到Database对象annotationQuery函数。

将hbase设置为数据源

使用数据源，grafana中的插件需要向后台发送请求数据，后台或者数据库返回时间序列数据。所以我们要有前端插件的请求和后台的响应接口。前端我们直接使用simple-json-datasource的插件。后端我们需要自己开发一个接口，接收前端请求，解析请求，查询hbase数据，然后封装成时间序列数据。

simple_json的前端请求

请求的代码在/simple-json-datasource/src/datasource.js中

其中主要的包含constructor构造函数，query查询数据函数，testDatasource请求测试，annotationQuery注释查询，metricFindQuery查询函数提示名。

其中包含每个函数请求的内容，请求的地址。我们可以在后端接口中实现这些接口，解析接收这些请求函数。

python后端接口

我这里使用python后台实现接口，解析请求参数，查询hbase，返回时间系列数据。这里写的不详细，读者可以按自己的业务逻辑实现

import sys
import os
dir_common = os.path.split(os.path.realpath(__file__))[0] + '/../'
sys.path.append(dir_common)   # 将根目录添加到系统目录,才能正常引用common文件夹
# 使用hbase向数据库中添加数据,使用前需要启动hbase和thrift服务器
# 启动hbase    /usr/local/hbase/bin/start-hbase.sh   默认端口为60000，信息端口为60010
# 启动thrift服务器   /usr/local/hbase/bin/hbase-daemon.sh start thrift   默认端口为9090import logging
import time,datetimeimport argparse
from aiohttp import web
import aiohttp
import asyncio
import base64
import logging
import uvloop
import time,datetime
import json
import requests,randomroutes = web.RouteTableDef()@routes.get('/')
async def hello(request):return web.Response(text="Hello, world")# 查询
@routes.post('/query')
async def query(request):   # 异步监听，只要一有握手就开始触发try:data = await request.json()    # 等待post数据完成接收，只有接收完成才能进行后续操作.data['key']获取参数# print('query:\n', data)except Exception as e:logging.error("image file too large")return web.json_response(write_response(1,"image file too large",8,{}))logging.info('query request start %s' % datetime.datetime.now())range_from = datetime.datetime.strptime(data['range']['from'], "%Y-%m-%dT%H:%M:%S.%fZ")range_to = datetime.datetime.strptime(data['range']['to'], "%Y-%m-%dT%H:%M:%S.%fZ")intervalMs = data['intervalMs']print(range_from,range_to,intervalMs)querys = data['targets']results = []for query in querys:querystr = query['target']  # 查询语句if querystr[0]!="{":querystr = '{'+querystr+"}"result = {"target": querystr,"datapoints": []}for timetamp in range(int(range_from.timestamp()*1000),int(range_to.timestamp()*1000),intervalMs):habse数据= 你的业务逻辑查询出来的hbase数据result['datapoints'].append([habse数据,timetamp])results.append(result)logging.info('query request finish %s, %s' % (datetime.datetime.now(),str(results)))header = {"Access-Control-Allow-Origin": "*", 'Access-Control-Allow-Methods': 'GET,POST'}# print(results)return web.json_response(results,headers=header)# 查询
@routes.post('/annotations')
async def annotations(request):   # 异步监听，只要一有握手就开始触发try:data = await request.json()    # 等待post数据完成接收，只有接收完成才能进行后续操作.data['key']获取参数print('annotations:\n',data)except Exception as e:logging.error("image file too large")return web.json_response(write_response(1,"image file too large",8,{}))logging.info('annotations request start %s' % datetime.datetime.now())header = {"Access-Control-Allow-Origin": "*", 'Access-Control-Allow-Methods': 'GET,POST'}results=[{"annotation": data['annotations'],"title": "hbase traffic","time": int(time.time()*1000),"text": "Joe causes brain split","tags": "joe, cluster, failure"}]return web.json_response(results,headers=header)# 搜索,就是自动提示功能,当用户输入一个字符,返回可以补齐的内容
@routes.post('/search')
async def search(request):   # 异步监听，只要一有握手就开始触发try:data = await request.json()    # 等待post数据完成接收，只有接收完成才能进行后续操作.data['key']获取参数searchstr=data['target']   # 搜索字符串print('search:\n',data)except Exception as e:logging.error("image file too large")return web.json_response(write_response(1,"image file too large",8,{}))logging.info('face_det dect request start %s' % datetime.datetime.now())result = ['提示内容1','提示内容2']logging.info('face_det dect request finish %s, %s' % (datetime.datetime.now(),json.dumps(result)))header = {"Access-Control-Allow-Origin": "*", 'Access-Control-Allow-Methods': 'GET,POST'}return web.json_response(result,headers=header)# 查询
@routes.post('/tag-keys')
async def tagkeys(request):   # 异步监听，只要一有握手就开始触发try:data = await request.json()    # 等待post数据完成接收，只有接收完成才能进行后续操作.data['key']获取参数print('tag-keys:\n',data)except Exception as e:logging.error("image file too large")return web.json_response(write_response(1,"image file too large",8,{}))logging.info('face_det dect request start %s' % datetime.datetime.now())result = {'data': 1}logging.info('face_det dect request finish %s, %s' % (datetime.datetime.now(),json.dumps(result)))header = {"Access-Control-Allow-Origin": "*", 'Access-Control-Allow-Methods': 'GET,POST'}return web.json_response(result,headers=header)# 查询
@routes.post('/tag-values')
async def tagvalues(request):   # 异步监听，只要一有握手就开始触发try:data = await request.json()    # 等待post数据完成接收，只有接收完成才能进行后续操作.data['key']获取参数print('tag-values:\n',data)except Exception as e:logging.error("image file too large")return web.json_response(write_response(1,"image file too large",8,{}))result = {'data':1}logging.info('face_det dect request finish %s, %s' % (datetime.datetime.now(),json.dumps(result)))header = {"Access-Control-Allow-Origin": "*", 'Access-Control-Allow-Methods': 'GET,POST'}return web.json_response(result,headers=header)if __name__ == '__main__':app = web.Application(client_max_size=2*1024**2)    # 创建app，设置最大接收图片大小为2Mapp.add_routes(routes)     # 添加路由映射web.run_app(app,host='0.0.0.0',port=4567)   # 启动applogging.info('server close：%s'% datetime.datetime.now())

这样就可以了

grafana将自己的数据库（hbase）设置为数据源相关推荐

大数据学习之分布式数据库HBase
HBase简介 HBase就是BigTable的开源实现,是一个稀疏的多维度的排序的映射表,可以用来存储非结构化和半结构化的松散数据,通过水平扩展的方式,允许几千台服务器去存储海量文件 HBase的特 ...
列式存储的分布式数据库——HBase Shell与SQL实战操作（HBase Master高可用实现）
文章目录一.前言二.命令行操作(hbase shell) 1)连接HBase 2)创建表(create) 3)添加数据(put) 4)查询数据(scan ) 5)获取单行数据(get) 6)禁用/ ...
HBase--分布式非关系型数据库HBase入门精讲（侧重原理）
分布式非关系型数据库HBase快速入门一.HBase介绍 1. HBase 数据模型 2.HBase的物理存储结构 3.HBase的基本架构 4.HBase的完整架构二.Hbase的工作流程 1. ...
在SQLserver数据库里设置作业的步骤
在SQLserver数据库里设置作业(对数据库的表定期进行数据清理)的步骤 1.首先,要打开sql server代理的服务,在我的电脑,右键管理的服务打开,SQL Server 代理 (MSSQLSE ...
php路径设置,php进行数据库路径设置的方法
php进行数据库路径设置的方法发布时间:2020-11-09 09:49:03 来源:亿速云阅读:99 作者:小新小编给大家分享一下php进行数据库路径设置的方法,希望大家阅读完这篇文章后大所收 ...
数据库字段设置为非空默认值
为什么数据库要设置默认值呢?因为我们希望在插入数据时,有意或无意间被忽略的字段能够交由MySQL按我们事先预想的方式处理,例如一些默认正常状态码.用户插入数据时候尚未设置的文本字段,诸如此类. 假设s ...
第四章-分布式数据库HBase
第四章-分布式数据库HBase 文章目录第四章-分布式数据库HBase HBase简介 HBase数据模型数据模型概念概念视图物理视图面向列的存储 HBase实现原理 HBase功能组件表 ...
使用 Docker 部署 Grafana + Prometheus 监控 MySQL 数据库
使用 Docker 部署 Grafana + Prometheus 监控 MySQL 数据库原文:使用 Docker 部署 Grafana + Prometheus 监控 MySQL 数据库一.背 ...
linux mysql设置数据库utf_设置mysql数据库 utf8
MySQL设置字符编码前言这里我已经将MySQL的数据库编码设置为UTF-8,所以下面现实的都是UTF-8. 设置MySQL数据库的编码方式有三种,分别是基于session会话的.基于全局gloa ...

grafana将自己的数据库（hbase）设置为数据源