实施该项目是为了实现组内日常对生产环境数据的监控，由于生产环境使用了堡垒机环境隔离，与本地通讯只有邮件一个出口，实施难度在于数据流转及监控指标处理，整个实施过程代码会放到github上，这里对可视化展示部分做说明：
1、数据加工pyecharts图实现：
数据源：本地CSV文件(每天定时与生产环境交互自动解压到指定路径实现图更新)
由于是跟生产环境做交互，生产环境指标由HSQL加工，使用存储过程挂后台定时运行，后使用python实现导出及定时分发，本地python接收获取附件解压
2、上传文件至服务器
本地pycharm跑通后，把项目对应文件上传至服务器目录：
解压到/root/data_dashboard路径，该路径文件夹将作为挂载目录对应到python容器，后续只要修改该文件夹文件，即可对
ps：如果有需要避免源码泄露的需求，上传pycharm项目里面自带的pyc后缀文件即可，或者进入服务器后在编译成pyc格式文件。
3、创建容器
已有python镜像前提下，建立python容器，-d代码容器后台运行。容器建立三要点，端口映射/目录挂载/ip分段。Flask默认5000端口，这里把容器5000端口映射到宿主机9500端口，目录挂载宿主机/root/data_dashboard下，后续所有Flask文件都在该路径下即可，
另外由于该Flask读取的是本地csv文件来实现，每天的更新通过自动替换该路径文件来实现，因此就不做IP地址设置(如果涉及数据库访问，一定要做固定IP设置)
docker run -it -d --name=p1 -p 9500:5000 -v /root/data_dashboard:/root/project python:3.6.9 bash
4、进入容器，安装所需的第三方库
进入容器，安装Flask框架，使用清华大学数据源。
docker exec -it p1 bash pip install flask -i https://pypi.tuna.tsinghua.edu.cn/simple
安装pyecharts
pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple
5、启动任务
进入run.py对应文件夹，并执行运行命令即可
cd /root/project/dataMonitor nohup python run.py > logs.txt
使用nohup命令，运行后把窗口关闭，就能后台一直运行
测试网页结果如下：
ps：9500的端口为建立容器时容器5000端口映射。
