2. 组件介绍
2.1. Prometheus & InfluxDB
2.1.1. 时序数据库
说 Prometheus 和 InfluxDB 之前，这里需要先提到一个概念：时序数据库 (Time Series Database，TSDB)。那么什么是时序数据库呢，此处引用 WiKi 百科的定义：
定义
A time series database is a software system that is optimized for storing and serving time series through associated pairs of time(s) and value(s). In some fields, time series may be called profiles, curves, traces or trends. Several early time series databases are associated with industrial applications which could efficiently store measured values from sensory equipment (also referred to as data historians), but now are used in support of a much wider range of applications.
什么意思呢？就是说时序数据库，它被优化成专门将一系列相关联的 “时间” 和 “数值”，进行存储和提供服务的一套软件系统。在某些领域，时间序列可能被称为剖面、曲线、轨迹或者趋势。一些早期的时间序列数据库与工业应用相关联，这些应用可以有效地存储来自传感设备的测量值，但现在用于支持更广泛的应用。
所以，时序数据其实就是随着时间不断产生的连续测量数值或者事件，时序数据库就是用来保存这些数据的手段之一。
以下引用 TDengine 官方文章中描述时序数据库的特点：
时序数据库的特点
时间戳： 每个数据点都带有时间戳，这个时间戳对于数据的计算和分析十分重要。
结构化： 与来自网络爬虫、微博、微信的海量数据不同，联网设备或监控系统生成的数据都是结构化的。这些数据都具有预定义的数据类型或固定长度，比如智能电表采集的电流、电压就可以用 4 字节的标准的浮点数来表示。
流式： 数据源以近似恒定速率生成数据，如音频或视频流。这些数据流彼此独立。
流量平稳可预测： 与电商平台或社交媒体网站的数据不同，时序数据的流量在一段时间内是稳定的，并且可以根据数据源的数量和采样周期来进行计算和预测。
不变性： 时序数据一般都是 append-only，类似于日志数据，一般不容许而且也没有修改的必要。很少有场景，需要对采集的原始数据进行修改。
这么听起来，这种数据库完美契合一种系统：监控系统。
那么说到监控系统，相信不少 IT 同行可能或多或少听过 Cacti、Nagios、Zabbix 包括上面提到的 Prometheus。这其中，Cacti、Nagios、Zabbix 这 3 者，我相信曾经部署过的朋友应该都会部署 MariaDB (即 MySQL 的修改版本) 数据库。那么使用这种关系型数据库的监控系统有什么问题呢？答案是当数据量足够庞大规模的时候，这种关系型数据库就会成为整套监控系统的瓶颈之一。当然，连我都知道的事情，厂商不可能不知道，所以 Zabbix 从 4.2 版本之后开始也支持了时序数据库中的 Timscaledb。更多内容可以查阅 Zabbix 官方博客《Zabbix，时间序列数据和 TimescaleDB》。
至于 Prometheus (普罗米修斯：你没听错，就是跟异形前传同名的那个普罗米修斯) 就是一款本身就是基于时序数据库打造的监控系统。在我对 Unifi 设备和 Proxmox VE 虚拟化做监控方案之前，我其实是不知道 InfluxDB 的。因为平时工作接触较多都是 VMware vSphere，而在这种商业软件的加持下，VMware 天然有自己一套完美的监控运维平台，也就是 vRealize Operations，现在改名叫 Aria Operations。所以，我在研究 Proxmox VE 监控的时候发现，数据中心 > 指标服务器 页面下就支持 Graphite 和 InfluxDB。而这俩，也都是时序数据库。

所以我就搜索了一下时序数据库发展历程，可以看到我上述提到的 Graphite、InfluxDB、Prometheus、TimeScale 都先后应运而生。

并且我还搜索了一下相关排名，DB-Engines 网站上关于时序数据库的受欢迎程度排名中，InfluxDB 目前依然是遥遥领先。那就更让我觉得我可能是需要稍微了解了解这个 InfluxDB 了。

2.1.2. Prometheus
Prometheus 受启发于 Google 的 Brogmon 监控系统 (相似的 Kubernetes 是从 Google 的 Brog 系统演变而来)，从2012年开始由前 Google 工程师在 Soundcloud 以开源软件的形式进行研发的系统监控和告警工具包，并且于 2015 年早期对外发布早期版本。自此以后，许多公司和组织都采用了 Prometheus 作为监控告警工具。Prometheus 的主要特性有：
一个多维数据模型，包含由 metric 和 key/value 标识的时间序列数据
PromQL 是一种灵活的查询语言
不依赖分布式存储，单个服务器节点是自治的
基于 HTTP 协议通过 Pull 形式进行收集时间序列数据
Push 形式的时间序列数据是通过一个中间网关来支持的
Targets 可以通过服务发现或静态配置发现的
多种模式的图形和仪表盘支持
Prometheus 生态系统由多个组件组成，其中许多是可选的：
Prometheus Server：Prometheus 主服务器，用于抓取和存储时间序列数据。
Client Libraries：用于检测应用程序代码的库，主要用于客户端。
Push Gateway：支持短期生命周期的作业。
Exporter：为 HAProxy、StatsD、Graphite 等服务提供数据。
Alert Manager：一个告警处理工具。
各种支持工具。

2.1.3. InfluxDB
InfluxDB 是一套由 InfluxData 公司开发的时序数据库，它具备以下特性：
基于 Go 语言开发，只需要二进制文件即可运行
针对时序数据进行快速写入
简单高效的 HTTP API
类似 SQL 的查询语法
能够实时查询，数据在写入时被索引后就能够被立即查出
支持对 Tag 建索引，实现快速有效的查询
数据保留策略 (Retention policies) 能够有效地使旧数据自动失效
InfluxDB 本身只是一套数据库，那么监控数据如何写入呢？Prometheus 会拉取各种 Exporter 暴露出来的 metrics 数据，而 InfluxData 公司则开发了一套整体的 TICK 堆栈 (类似 ELK：3 个字母分别代表 Elasticsearch、Kibana、Logstash)。其中：
Telegraf：一个插件驱动的服务器代理，用于收集和报告指标。Telegraf 插件直接从其运行的系统获取各种指标，从第三方 API 中提取指标，甚至通过 StatsD 和 Kafka 消费者服务监听指标。
Chronograf：是堆栈的管理用户界面和可视化引擎，它可以轻松设置和维护基础结构的监视和警报。
Kapacitor：是一个数据处理引擎，它可以处理来自 InfluxDB 的流数据和批处理数据。

2.3. Unifi Poller
那么上面铺垫了那么多，跟监控 Unifi 又有什么关系呢？是这样的，由于 Prometheus 官网的 Exporters 页面并无适配 Unifi 的 Exporter，同样的 Telegraf 官网的 Input plugins 页面也无适配 Unifi 的相关 plugin。所以有国外网友开发了这个 Unifi Poller 项目来满足这个需求。
Unifi Poller 是一个开源的，支持收集 Unifi 控制器数据并导出到 InfluxDB 或者 Prometheus 的收集器。同时，提供了 12 个 Grafana 面板，6 个属于 InfluxDB，另外 6 个属于 Prometheus。
Unifi Poller 基于 Go 语言开发，可以运行在 Windows、macOS、FreeBSD、Linux 或 Docker 下。
在 Influx 模式下，Unifi Poller 每 30 秒轮询一次 Unifi 控制器数据并导出到 InfluxDB 数据库。(相当于一个 Telegraf Unifi Input plugin)
在 Prometheus 模式下，Unifi Poller 开放一个 Web 端口并接受 Prometheus 拉取，动态的转换 Unifi 控制器的 API 数据到 Prometheus。(相当于一个 Unifi Exporter)

3. 项目部署
介绍完以上全部组件，那么今天我就要使用 InfluxDB + Grafana + Unifi Poller 来部署一整套 Unifi 设备的监控系统了。为什么不是用 Prometheus + Grafana + Unifi Poller 呢？当然是官网建议入门用户使用 InfluxDB，因为部署 Prometheus 又要涉及相当广的内容了，所以有兴趣的朋友还请您自行研究。
3.1. 准备工作
3.1.1. 组件版本
根据 Unifi Poller 官网 FAQs 说明：
推荐使用 Grafana 7.4.0+。需要 Grafana 7.x 或更高版本。
如果您选择使用 InfluxDB，则需要 InfluxDB 1.8.x。1.10 和 1.11 可能有效。
InfluxDB 2.x 无法作用。
Prometheus 2.x (如果您选择使用 Prometheus)。
所以，此次我们使用的环境如下：

3.1.2. 准备工作
如果您的控制器是在运行 Unifi OS 的 UDM、UXG 或 UDM-Pro 或 UCK 上，那么建议创建一个 受限制的用户，对 UniFi 网络应用具有 只读权限。其他权限级别可能无法正常工作。

例如，我这边创建的用户名为 unifipoller，密码设置一个自己熟悉的即可。

3.2. 安装部署
3.2.1. 安装 CentOS
安装系统这个步骤我就略过了，实在是没有必要专门凑字数水一个章节。您也可以使用您所熟悉的操作系统，像是 Ubuntu、Debian、OpenSUSE 等等。
3.2.2. 安装 Docker
从 https://get.docker.com 下载 Docker 安装脚本。
curl -fsSL https://get.docker.com -o get-docker.sh
使用阿里云镜像站执行 Docker 安装脚本。
sh get-docker.sh --mirror Aliyun
运行并设置 Docker 自启动。
systemctl enable --now docker
运行结果如下图。

3.2.3. 安装 Docker Compose
下载 Docker Compose 二进制文件。若无特殊上网方式，此步骤下载会非常慢，但是我实测过，确实可以下载完成，下方截图内我总共用了 35 分钟下载完。
curl -SL https://github.com/docker/compose/releases/download/v2.23.3/docker-compose-linux-x86_64 -o /usr/local/bin/docker-compose
设置 Docker Compose 为可执行权限。
chmod +x /usr/local/bin/docker-compose
为 Docker Compose 命令设置软连接。
ln -s /usr/local/bin/docker-compose /usr/bin/docker-compose
验证 Docker Compose 版本。
docker compose version
运行结果如下图。

3.2.4. 配置 Docker 加速器
创建 daemon.json 文件。
vim /etc/docker/daemon.json
粘贴以下内容。
{
"registry-mirrors": [
"https://hub-mirror.c.163.com",
"https://dockerproxy.com",
"https://docker.nju.edu.cn",
"https://docker.m.daocloud.io"
]
}
重启 Docker 服务。
systemctl daemon-reload
systemctl restart docker
运行结果如下图。

当然，这里我更建议的是自己部署一套本地镜像仓库，比如使用 VMware 开源的 Harbor，我自己就在家庭内网部署了一套，这样还能避免某些镜像因为一些不可说原因删库导致无法拉取。

3.2.5. 部署 Unifi Poller 堆栈
由于这里 Grafana 需要安装 3 个插件，会涉及到权限问题，所以需要先创建 grafana 用户。
useradd -g root grafana
修改 Grafana 用户 ID。
usermod -u 472 grafana
创建 Grafana、InfluxDB、Unifi Poller 用来存储其配置文件的目录。
mkdir -p /docker/{grafana,influxdb,unifi-poller}
修改 Grafana 目录拥有者。
chown 472:root -R /docker/grafana
验证 Grafana 目录权限。
ls -l /docker
运行结果如下图。

创建 up.conf 配置文件。
vim /docker/unifi-poller/up.conf
粘贴并根据实际情况修改以下内容。
#### INPUTS
[unifi.defaults]
url = "https://10.0.3.250" # 修改为您的 Unifi Console IP
user = "unifipoller"
pass = "CHANGE_ME" # 3.1.2. 章节您设置的密码
save_sites = true # 保持不变
save_dpi = true # 保持不变
#### OUTPUTS
[influxdb]
url = "http://CHANGE_ME:8086" # 本虚拟机的 IP:8086
运行结果如下图。

创建 unifi-poller 的 Compose 目录。
mkdir up && cd up
创建 docker-compose.yaml 文件。
vim docker-compose.yaml
粘贴并根据实际情况修改以下内容。
注意
此处我对官网提供的 Docker Compose 模板进行了精简和纠错：
因为模板里面还部署了 Chronograf 容器，然而其实对于我们的需求而言，除了增加额外的性能开销以外，并没有什么用处。
而且模板中 InfluxDB 容器的参数甚至用了 InfluxDB 2.x 版本的环境变量，我刚开始尝试部署的时候，一直部署失败。后面仔细研究了下 InfluxDB 的变量说明，才发现明明前面 FAQs 说 InfluxDB 2.x 无法使用，结果模板里面却又套用了 InfluxDB 2.x 的内容。
version: "3"
services:
influxdb:
restart: always
image: influxdb:1.8.10
ports:
- '8086:8086'
volumes:
- /etc/localtime:/etc/localtime:ro # 我自己的习惯，只读挂载本机的时区，避免时区显示问题
- /docker/influxdb:/var/lib/influxdb
environment:
- INFLUXDB_DB=unifi # 请勿修改数据库名称，默认只识别 unifi
- INFLUXDB_ADMIN_USER=CHANGE_ME # 数据库管理员名称，可根据自己需求修改，与 Unifi OS 中设置用户无关
- INFLUXDB_ADMIN_PASSWORD=CHANGE_ME # 数据库管理员密码，可根据自己需求修改，与 Unifi OS 中设置用户无关
grafana:
image: grafana/grafana:10.2.3
restart: always
user: '472:root'
ports:
- '3000:3000'
volumes:
- /etc/localtime:/etc/localtime:ro # 我自己的习惯，只读挂载本机的时区，避免时区显示问题
- /docker/grafana:/var/lib/grafana
depends_on:
- influxdb
environment:
- GF_SECURITY_ADMIN_USER=CHANGE_ME # Grafana 面板管理员名称，可根据自己需求修改，与 Unifi OS 中设置用户无关
- GF_SECURITY_ADMIN_PASSWORD=CHANGE_ME # Grafana 面板管理员密码，可根据自己需求修改，与 Unifi OS 中设置用户无关
- GF_INSTALL_PLUGINS=grafana-clock-panel,natel-discrete-panel,grafana-piechart-panel # 3 个 Grafana 插件
unifi-poller:
restart: always
image: golift/unifi-poller:v2.9.5
depends_on:
- influxdb
- grafana
volumes:
- /etc/localtime:/etc/localtime:ro # 我自己的习惯，只读挂载本机的时区，避免时区显示问题
- /docker/unifi-poller:/etc/unpoller

使用 Docker Compose 拉起 Unifi Poller，由于此处我使用本地镜像仓库，所以拉取镜像几乎是以秒级计算的，如果您使用的是上面的镜像加速器，可能需要耐心等待一会儿。应该庆幸的是 ，Unifi Poller 镜像在今年重新上传 Docker Hub 了，前两年作者只上传到 Github 镜像仓库，对于大部分国内用户来说，基本上是拉不下来镜像的。
docker-compose up -d
运行结果如下图。

查看 Unifi Poller 容器运行日志，当发现间隔 30 秒生成一次数据条目，就证明容器运行正常了。
docker logs -f up-unifi-poller-1
运行结果如下图。

接下去内容被系统吞了，我看下能不能申诉回来

3.3. 面板设置
浏览器访问 http://虚拟机IP:3000 ，输入上面 docker-compose.yaml 文件中设置的 Grafana 面板管理员名称及密码进行登录。


3.3.1. 设置语言
单击左侧导航栏，选择 Administration > General。

单击 Default preferences，Language 选择 中文 (简体)，单击 Save。

虽然汉化依然不完全，但是还是稍微能让大众看懂一些了。

3.3.2. 添加数据源
单击左侧导航栏，选择 连接 > 数据源。

单击 Add data source。

选择 InfluxDB。

Query language 保持默认选择 InfluxQL，URL 输入 http://虚拟机IP:8086 ，其他选项如图设置。

Database 输入 unifi，User 输入 数据库管理员名称，Password 输入 数据库管理员密码，单击 Save & Test。

显示绿色提示就是测试通过。

3.3.3. 添加面板
单击左侧导航栏，选择 仪表板。

单击 导入。

输入 10414，单击加载。

下方数据源选择 influxdb，单击 Import。

依次导入 10414 - 10419，总共 6 个面板，即可大功告成！

4. 效果展示
由于上述环境是我自己家的环境，并没有全套的 Unifi 全家桶，所以我下面以我几个月前帮一位朋友搭建的 Unifi 全家桶环境进行 Grafana 截图展示 (隐私内容均已马赛克处理)。
4.1. USG Insights


4.2. USW Insights


4.3. UAP Insights



4.4. Client Insights