【亲测免费】 MongoDB数据源插件使用指南
2026-01-25 06:10:56作者:董宙帆
安装指南
安装Grafana插件组件
- 将
mongodb-grafana目录复制到Grafana的插件目录中(通常为/usr/local/var/lib/grafana/plugins)。 - 重启Grafana服务器。如果通过Homebrew安装,可以使用命令
brew services restart grafana。
安装并启动MongoDB代理服务器
- 在
mongodb-grafana目录下打开命令提示符。 - 运行
npm install安装Node.js依赖。 - 运行
npm run server启动REST API代理到MongoDB。默认情况下,服务器监听http://localhost:3333。
项目使用说明
创建MongoDB数据源
- 在Grafana中创建一个新的数据源,类型选择为MongoDB。
- 填写MongoDB的详细信息:
- MongoDB URL:
mongodb://rpiread:rpiread@rpi-sensor-data-shard-00-00-ifxxs.mongodb.net:27017,rpi-sensor-data-shard-00-01-ifxxs.mongodb.net:27017,rpi-sensor-data-shard-00-02-ifxxs.mongodb.net:27017/test?ssl=true&replicaSet=rpi-sensor-data-shard-0&authSource=admin - MongoDB Database:
rpi
- MongoDB URL:
- 保存数据源。
示例1 - 简单聚合以重命名字段
- 导入
examples\RPI MongoDB - Atlas.json中的仪表盘。 - 该仪表盘显示了来自Raspberry PI的灯光传感器值,数据每分钟通过EnviroPHAT板传输到MongoDB Atlas数据库。
- 点击图表标题查看针对'RPI Atlas'数据源运行的聚合查询。
示例2 - 使用$bucketAuto进行数据点聚合
- 导入
examples\RPI MongoDB Bucket - Atlas.json中的仪表盘。 - 该仪表盘展示了使用MongoDB的$bucketAuto操作符自动将数据点分桶到显示点的查询。
示例3 - 使用表格面板
- 导入
examples\Sensor Values Count - Atlas.json中的仪表盘。 - 该仪表盘展示了使用表格面板的查询。
项目API使用文档
API请求格式
API期望返回的文档包含以下字段:
name- 系列的名称(将在图表上显示)value- 点的浮点数值ts- 点的时间,作为BSON日期
这些文档将被转换为Grafana API格式。
模板变量
$sensor和$host是模板变量,由Grafana根据下拉菜单填充。示例模板查询如下:
db.sensor_value.aggregate(
[
{ "$match" : { "ts" : { "$gte" : "$from", "$lt" : "$to" }}},
{ "$group": { "_id": { "sensor_name" : "$sensor_name", "sensor_type" : "$sensor_type" }, "cnt" : { "$sum" : 1 }, "ts" : { "$max" : "$ts" } } },
{ "$project": { "name" : { "$concat" : ["$_id.sensor_name",":","$_id.sensor_type" ]}, "value" : "$cnt", "ts" : 1, "_id" : 0} }
])
项目安装方式
在Mac上作为服务运行代理
- 安装
forever-mac。 - 将
server/mongodb-grafana-proxy.plist复制到~/Library/LaunchAgents。 - 运行
launchctl load mongodb-grafana-proxy。 - 使用
forever list检查是否运行。日志位于/usr/local/var/lib/grafana/plugins/mongodb-grafana/dist/server。
开发环境配置
- 停止Grafana服务:
brew services stop grafana。 - 在
/debugging目录下打开命令提示符。 - 运行
./start_grafana.sh。 - 修改代码后,运行
npm run build构建UI。 - 使用开发者工具清空缓存并强制刷新。
注意:Homebrew安装的Grafana版本位于/usr/local/Cellar。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781