Fleet + Flask + Plotly/Dash：用 REST API 构建自定义主机状态可视化仪表盘

Fleet + Flask + Plotly/Dash：用 REST API 构建自定义主机状态可视化仪表盘

【免费下载链接】fleetOpen device management项目地址: https://gitcode.com/GitHub_Trending/fl/fleet

本文介绍如何跳出 Fleet 自带的 Web UI，基于 Fleet REST API 采集主机遥测数据，用 Flask 作为 Web 框架、Dash（Plotly）作为可视化层，搭建一个带交互式在线/离线状态过滤的自定义仪表盘。读完本文，你将掌握 Fleet API 的鉴权方式与主机列表端点的参数用法、从 API 到图表的数据流，以及可复制的本地运行步骤，并了解如何进一步扩展到软件清单等其他端点。

背景：为什么在 Fleet REST API 之上做自定义仪表盘

Fleet 的设计原则之一是：UI 里能做的事情，REST API 里都能做。Fleet 官方文档 REST API 开篇即说明 "Use the Fleet APIs to automate Fleet"，并完整列出了各资源的路由、参数与响应示例。这意味着当你想做一些 UI 没有直接提供的展示形态——比如一张面向管理层的主机在线率看板、一份按团队切分的图表页——不需要额外中间件，直接对 REST API 发请求即可拿到结构化 JSON。

Fleet 团队此前已经演示过通过 Tines 工作流调用 REST API 的场景（仓库内对应 Tines 集成文档），也演示过用 Okta Workflows 调用 API 生成每日 OS 报告（参见 Okta Workflows 示例文章）。本文聚焦另一类场景：数据可视化。

市场上有不少商业数据可视化工具，但本文刻意不绑定任何特定方案，只用开源组件证明一件事：连接 Fleet API、采集遥测数据并渲染成图表，门槛非常低。

技术栈

整套方案由三个开源组件组成：

选择 Dash 的动机在于：它把 "Flask 服务 + 前端交互" 压缩到纯 Python 里，用声明式布局组件和回调函数就能实现 "改一下下拉框 → 图表联动刷新" 的交互，而不需要单独写前端工程。本文的示例代码与概念源自社区经典的 Python Dash 教程思路（Real Python 的 Python Dash 系列），只需把数据源从示例用的牛油果数据换成 Fleet 的主机数据即可。

前置条件与本地环境准备

示例运行需要一个可访问的 Fleet 实例与本地开发环境：

• 一台本地 macOS 开发工作站（其他平台同理）；
• 已安装 Python 3（可用 Homebrew 安装）；
• 一个已部署并可登录的 Fleet 服务器，以及一个可获取 API token 的账号；
• 示例代码仓库（社区维护的fleetdash示例工程，包含fleetdash.py单文件应用）。

开发 Python Web 应用时，建议先创建虚拟环境（venv）再安装依赖，把requests、plotly、dash等库隔离在独立环境中。

目标：一个带交互过滤的主机状态仪表盘

示例应用只做三件事，但完整覆盖了 "API → 数据 → 图表 → 交互" 的链路：

1. 创建一个 Flask 应用，数据来自单个 Fleet REST API 端点（主机列表）；
2. 使用 Dash 的核心组件与 HTML 组件搭建页面布局；
3. 通过 callback 实现交互：用下拉框按online / offline状态过滤主机，图表即时更新。

动手：安装依赖与启动

克隆示例仓库后，在激活的 venv 中安装依赖：

(venv) % pip install requests json pandas plotly dash datetime numpy

进入仓库目录，直接启动应用：

(venv) % python3 ./fleetdash.py

一切正常时，终端会输出：

(venv) % python3 ./fleetdash.py Dash is running on http://127.0.0.1:8050/ * Serving Flask app ‘fleetdash’ * Debug mode: on

用浏览器打开http://127.0.0.1:8050/，即可看到上面开头那张截图所示的仪表盘：主机状态分布图表，配合状态过滤下拉框。

示例应用的核心代码结构（讲解版）

示例仓库不在本仓库内，这里按原文档描述的功能流程，给出一个简化的核心结构讲解版，帮助你理解fleetdash.py内部在做什么、也方便你把数据源换成自己的 Fleet 实例：

import dash import pandas as pd import plotly.express as px import requests from dash import dcc, html FLEET_URL = "http://localhost:8080" # 换成你的 Fleet 实例地址 API_TOKEN = "<your-token>" # Fleet UI "My account" 页获取 HEADERS = {"Authorization": f"Bearer {API_TOKEN}"} def fetch_hosts(): """调用主机列表端点，把 JSON 展平为 DataFrame。""" resp = requests.get( f"{FLEET_URL}/api/latest/fleet/hosts", headers=HEADERS, params={"page": 0, "per_page": 50}, timeout=30, ) resp.raise_for_status() rows = [ { "hostname": h["hostname"], "platform": h["platform"], "status": h["status"], # online / offline / mia / missing "os_version": h["os_version"], } for h in resp.json()["hosts"] ] return pd.DataFrame(rows) app = dash.Dash(__name__) df = fetch_hosts() app.layout = html.Div([ html.H1("Fleet Host Dashboard"), # 交互式过滤：全部 / 在线 / 离线 dcc.Dropdown( id="status-filter", options=[ {"label": "All", "value": "all"}, {"label": "Online", "value": "online"}, {"label": "Offline", "value": "offline"}, ], value="all", ), html.Div(id="chart-container"), ]) @app.callback( dash.dependencies.Output("chart-container", "children"), dash.dependencies.Input("status-filter", "value"), ) def update_chart(status): view = df if status == "all" else df[df["status"] == status] chart = px.histogram(view, x="status", title="Hosts by status") return dcc.Graph(figure=chart) if __name__ == "__main__": app.run(debug=True)

这个结构与原文档的三项目标一一对应：requests负责打 Fleet API，pandas把 JSON 列表整理成可过滤的表格，px.histogram出图，@app.callback让下拉框的变化驱动图表重算。把FLEET_URL指向你自己的 Fleet 实例、API_TOKEN换成真实 token 后，即可得到与截图同形态的页面。

Fleet REST API 侧的关键细节（以当前仓库文档为准）

鉴权：API Token + Bearer 头

所有 API 请求默认要求 API token 鉴权，token 绑定到你的 Fleet 用户账号。获取方式有两种（见 REST API 文档 的 Authentication 一节）：

• 在 Fleet UI 的 "My account" 页面（/profile）点击 "Get API token"；
• 或调用登录端点POST /api/v1/fleet/login（SSO/MFA 用户不支持走 API 登录，只能从 UI 取 token）。

拿到 token 后，每个请求都要带上：

Authorization: Bearer <your token>

上面示例代码中的HEADERS就是在做这件事。

主机列表端点：GET /api/v1/fleet/hosts

仪表盘的数据源就是主机列表端点。当前仓库文档中该端点支持丰富的查询参数，与做图表最相关的有：

一个典型请求形如：

GET /api/v1/fleet/hosts?page=0&per_page=100&order_key=hostname

响应中的每台主机都带有status字段（online/offline等）、hostname、platform、os_version、uuid等信息，正是仪表盘需要展示的列。值得注意的是：由于服务端已经支持status过滤，如果你在 API 侧过滤而不是在 DataFrame 里过滤，还能显著减少传输量——这是从文档参数表可以直接得到的优化方向。

路径版本说明

仓库当前文档以/api/v1/...作为端点路径（如GET /api/v1/fleet/hosts、GET /api/v1/fleet/software/titles），同时文档内资源 URL 中仍出现/api/latest/...形式（如软件图标的icon_url）。示例代码中使用哪个别名，以你的 Fleet 版本实际行为为准；本文档仓库的规范写法是/api/v1。

可以接着做什么

原文档列出的扩展方向，结合当前仓库文档可以落得更实：

• 接入软件端点：主机列表只是起点。Fleet 还提供软件列表端点GET /api/v1/fleet/software/titles（见 REST API 文档 的 "List software" 一节），支持vulnerable、available_for_install、self_service、platform、query等过滤参数，按hosts_count排序默认降序——非常适合做一张 "安装最广泛的软件 / 带漏洞软件" 图表，和主机状态图并排放在同一块 Dash 布局里。
• 给 Flask 应用加鉴权：示例应用监听在127.0.0.1，只适合本地演示。若要部署，应参考 token-based authentication 的做法给 Dash 应用本身加登录，并保证 Fleet API token 不写死在代码里（例如从环境变量读取）。
• 部署：把 Flask 应用部署到 AWS 或 Heroku 之类的托管环境，配合定时刷新（如 Dash 的Interval组件）即可变成常驻监控页。
• 探索其他开源看板方案：例如基于 Grafana + Prometheus 数据源做告警与可视化，与本文的 "直连 REST API" 路线互补。

更多 API 调用形态可参考仓库内的 Okta Workflows 每日 OS 报告文章 与 Tines 集成文档。

小结

这条 "Fleet REST API → pandas → Dash/Plotly" 的链路证明了几点：Fleet 的 API 覆盖了 UI 的全部能力，主机列表端点的status、query、分页参数天然适配做交互式图表；用 Flask + Dash 这类开源 Python 组件，一个下午就能从官方文档的端点参数表走到一个可过滤的在线看板；而 API token + Bearer 头的鉴权模型、per_page限流建议等细节，都直接写在本仓库的 REST API 文档 里，照着做即可。如果你希望继续完善示例代码，欢迎向示例仓库提交 PR 或在社区（如 osquery / MacAdmins Slack，作者@dherder）交流。

【免费下载链接】fleetOpen device management项目地址: https://gitcode.com/GitHub_Trending/fl/fleet