1、數據加工pyecharts圖實現：
數據源：本地CSV文件
ps：由於是跟生產環境做交互，生產環境指標由HSQL加工，使用存儲過程掛后台定時運行，后使用python實現導出及定時分發，本地python接收獲取附件解壓
2、上傳文件至服務器
本地pycharm跑通后，把項目對應文件上傳至服務器目錄：
解壓到/root/data_dashboard路徑，該路徑文件夾將作為掛載目錄對應到python容器，后續只要修改該文件夾文件，即可對
ps：如果有需要避免源碼泄露的需求，上傳pycharm項目里面自帶的pyc后綴文件即可，或者進入服務器后在編譯成pyc格式文件。
3、創建容器
已有python鏡像前提下，建立python容器，-d代碼容器后台運行。容器建立三要點，端口映射/目錄掛載/ip分段。
Flask默認5000端口，這里把容器5000端口映射到宿主機9500端口，目錄掛載宿主機/root/data_dashboard下，后續所有Flask文件都在該路徑下即可，
另外由於該Flask讀取的是本地csv文件來實現，每天的更新通過自動替換該路徑文件來實現，因此就不做IP地址設置（如果涉及數據庫訪問，一定要做固定IP設置）
docker run -it -d --name=p1 -p 9500:5000 -v /root/data_dashboard:/root/project python:3.6.9 bash
4、進入容器，安裝所需的第三方庫
進入容器，安裝Flask框架，使用清華大學數據源。
docker exec -it p1 bash pip install flask -i https://pypi.tuna.tsinghua.edu.cn/simple
安裝pyecharts
pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple
5、啟動任務
進入run.py對應文件夾，並執行運行命令即可
cd /root/project/dataMonitor
nohup python run.py > logs.txt
使用nohup命令，運行后把窗口關閉，就能后台一直運行
測試網頁結果如下：
ps：9500的端口為建立容器時容器5000端口映射。
6、補充說明
該可視化監控的使用的實際上是生產數據，生產數據與本地有堡壘機做隔離，因此難點在於數據的自動化傳輸，畢竟生產環境只配置了一台服務器與本地之間做郵件通訊，上文只是對可視化實現步驟做呈現
