我不需要用企业微信进行通知，我只需要最后输出为execl，并且请将获取普罗米修斯数据的方式改为从api获取，请一步步协助我完成这个代码开发工作，并最终实现功能

好的，我们可以逐步修改代码以满足您的需求。以下是具体步骤： ### 步骤 1: 定义函数从 Prometheus API 获取数据 首先，我们需要编写一个函数来从 Prometheus API 获取监控数据。我们将使用 `requests` 库来发送 HTTP 请求。 ```python import requests import json def get_prometheus_data(query, start, end, step): url = "http://127.0.0.1:9090/api/v1/query_range" params = { 'query': query, 'start': start, 'end': end, 'step': step } response = requests.get(url, params=params) if response.status_code == 200: return response.json() else: raise Exception(f"Failed to fetch data from Prometheus: {response.status_code}") ``` ### 步骤 2: 定义需要查询的指标 您已经定义了需要查询的指标列表，我们保留这一部分不变。 ```python def rds_metrics_list(): return { 'up': '状态', 'rds001_cpu_util': 'CPU使用率(%)', 'rds002_mem_util': '内存使用率(%)', 'rds003_iops': 'iops', 'rds004_bytes_in': '网络流量入(Bytes)', 'rds005_bytes_out': '网络流量出(Bytes)', 'rds008_qps': 'QPS', 'rds009_tps': 'TPS', 'rds081_vm_ioutils': 'io使用率(%)', 'rds047_disk_total_size': '磁盘总大小(G)', 'rds048_disk_used_size': '磁盘使用(G)', 'mysql_global_status_threads_connected': '当前连接数', 'mysql_global_variables_max_connections': '最大连接数', } ``` ### 步骤 3: 获取当前时间和构造查询参数 我们需要获取当前时间并构造查询的时间范围。 ```python import datetime curhour = -17 # 默认给-17 当前时间是-8.1 check_time_day = (datetime.datetime.now() + datetime.timedelta(hours=curhour)).strftime("%Y-%m-%d") check_time_hour = (datetime.datetime.now() + datetime.timedelta(hours=curhour)).strftime("%H:%M") start_time = f"{check_time_day}T{check_time_hour}:00Z" end_time = f"{check_time_day}T{check_time_hour}:15Z" step = "15s" ``` ### 步骤 4: 获取数据并处理 接下来，我们需要遍历每个指标，从 Prometheus 获取数据，并将其存储在一个字典中。 ```python import pandas as pd def process_prometheus_data(metrics_list, start_time, end_time, step): data = [] for metric in metrics_list: result = get_prometheus_data(metric, start_time, end_time, step) for key in result['data']['result']: instance = key['metric']['instance'] value = key['values'][0][1] entry = {'instance': instance, metrics_list[metric]: value} data.append(entry) return data metrics_list = rds_metrics_list() data = process_prometheus_data(metrics_list, start_time, end_time, step) df = pd.DataFrame(data) ``` ### 步骤 5: 将数据写入 Excel 文件 最后，我们将数据写入 Excel 文件。 ```python def write_to_excel(df, file_path): df.to_excel(file_path, index=False) check_file_dir = 'check_files' if not os.path.exists(check_file_dir): os.makedirs(check_file_dir) file_name = f"monitoring_{check_time_day}_{check_time_hour}.xlsx" file_path = os.path.join(check_file_dir, file_name) write_to_excel(df, file_path) print(f"Data written to {file_path}") ``` ### 最终完整代码 将以上所有部分组合在一起，得到完整的代码如下： ```python import requests import json import pandas as pd import os import datetime def get_prometheus_data(query, start, end, step): url = "http://127.0.0.1:9090/api/v1/query_range" params = { 'query': query, 'start': start, 'end': end, 'step': step } response = requests.get(url, params=params) if response.status_code == 200: return response.json() else: raise Exception(f"Failed to fetch data from Prometheus: {response.status_code}") def rds_metrics_list(): return { 'up': '状态', 'rds001_cpu_util': 'CPU使用率(%)', 'rds002_mem_util': '内存使用率(%)', 'rds003_iops': 'iops', 'rds004_bytes_in': '网络流量入(Bytes)', 'rds005_bytes_out': '网络流量出(Bytes)', 'rds008_qps': 'QPS', 'rds009_tps': 'TPS', 'rds081_vm_ioutils': 'io使用率(%)', 'rds047_disk_total_size': '磁盘总大小(G)', 'rds048_disk_used_size': '磁盘使用(G)', 'mysql_global_status_threads_connected': '当前连接数', 'mysql_global_variables_max_connections': '最大连接数', } curhour = -17 # 默认给-17 当前时间是-8.1 check_time_day = (datetime.datetime.now() + datetime.timedelta(hours=curhour)).strftime("%Y-%m-%d") check_time_hour = (datetime.datetime.now() + datetime.timedelta(hours=curhour)).strftime("%H:%M") start_time = f"{check_time_day}T{check_time_hour}:00Z" end_time = f"{check_time_day}T{check_time_hour}:15Z" step = "15s" def process_prometheus_data(metrics_list, start_time, end_time, step): data = [] for metric in metrics_list: result = get_prometheus_data(metric, start_time, end_time, step) for key in result['data']['result']: instance = key['metric']['instance'] value = key['values'][0][1] entry = {'instance': instance, metrics_list[metric]: value} data.append(entry) return data metrics_list = rds_metrics_list() data = process_prometheus_data(metrics_list, start_time, end_time, step) df = pd.DataFrame(data) def write_to_excel(df, file_path): df.to_excel(file_path, index=False) check_file_dir = 'check_files' if not os.path.exists(check_file_dir): os.makedirs(check_file_dir) file_name = f"monitoring_{check_time_day}_{check_time_hour}.xlsx" file_path = os.path.join(check_file_dir, file_name) write_to_excel(df, file_path) print(f"Data written to {file_path}") ``` 运行上述代码后，您将会在 `check_files` 目录下看到一个包含监控数据的 Excel 文件。希望这能满足您的需求！如果有任何问题或需要进一步的帮助，请随时告诉我。