CentOS Python资源如何监控

1. 使用psutil库监控系统资源
psutil是跨平台的Python库，可实时获取CPU、内存、磁盘、网络等系统资源使用情况，适用于CentOS环境下监控Python进程及周边资源。示例代码：

import psutil

# 获取CPU使用率（间隔1秒）
cpu_percent = psutil.cpu_percent(interval=1)
print(f"CPU使用率: {
cpu_percent}
%")

# 获取内存信息（总内存、已用、可用、使用率）
memory = psutil.virtual_memory()
print(f"总内存: {
memory.total / (1024**3):.2f}
GB, 已用: {
memory.used / (1024**3):.2f}
GB, 使用率: {
memory.percent}
%")

# 获取磁盘使用情况（根分区）
disk = psutil.disk_usage('/')
print(f"磁盘总空间: {
disk.total / (1024**3):.2f}
GB, 已用: {
disk.used / (1024**3):.2f}
GB, 使用率: {
disk.percent}
%")

# 获取网络IO（发送/接收字节数）
net_io = psutil.net_io_counters()
print(f"发送字节数: {
net_io.bytes_sent / (1024**2):.2f}
MB, 接收字节数: {
net_io.bytes_recv / (1024**2):.2f}
MB")

通过循环调用上述函数，可实现定时监控；结合matplotlib库还能绘制资源使用趋势图。

2. 构建Web监控面板（Flask+psutil）
使用Flask框架将监控数据可视化，通过Web界面实时查看。示例步骤：

• 安装依赖：pip install flask psutil
• 创建Flask应用（app.py）：

from flask import Flask, jsonify, render_template
import psutil

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')  # 创建templates/index.html展示数据

@app.route('/api/resource')
def resource():
    cpu = psutil.cpu_percent(interval=1)
    memory = psutil.virtual_memory().percent
    return jsonify({
"cpu": cpu, "memory": memory}
    )

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

• 创建HTML模板（templates/index.html）：

<
    !DOCTYPE html>
    
<
    html>
    
<
    body>
    
    <
    h2>
    CPU使用率: <
    span id="cpu">
    -<
    /span>
    %<
    /h2>
    
    <
    h2>
    内存使用率: <
    span id="memory">
    -<
    /span>
    %<
    /h2>
    
    <
    script>
    
        setInterval(async () =>
 {
    
            const res = await fetch('/api/resource');
    
            const data = await res.json();
    
            document.getElementById('cpu').textContent = data.cpu;
    
            document.getElementById('memory').textContent = data.memory;

        }
    , 1000);
    
    <
    /script>
    
<
    /body>
    
<
    /html>
    

运行python app.py后，访问http://服务器IP:5000即可查看实时资源使用情况。

3. 利用Supervisor管理Python进程
Supervisor是进程管理工具，可确保Python脚本持续运行，并在崩溃时自动重启。示例配置：

• 安装Supervisor：sudo yum install -y supervisor
• 创建配置文件（/etc/supervisor/conf.d/python_script.conf）：

[program:my_python_script]
command=/usr/bin/python3 /path/to/your_script.py  # 替换为实际脚本路径
directory=/path/to/your_script_directory         # 脚本工作目录
autostart=true                                   # 开机自启
autorestart=true                                 # 崩溃自动重启
stderr_logfile=/var/log/my_python_script.err.log # 错误日志路径
stdout_logfile=/var/log/my_python_script.out.log # 输出日志路径

• 启动Supervisor并加载配置：

sudo systemctl start supervisord
sudo supervisorctl reread  # 重新读取配置
sudo supervisorctl update  # 更新进程列表
sudo supervisorctl status  # 查看进程状态

通过supervisorctl命令可手动启动/停止进程，日志文件可用于排查脚本运行问题。

4. 使用Glances工具监控系统与Python进程
Glances是基于Python的跨平台监控工具，支持CPU、内存、磁盘、网络及Python进程的实时监控。示例步骤：

• 安装Glances：sudo yum install -y epel-release & & sudo yum install -y glances
• 启动Glances：
  • 终端模式：glances（按q退出）
  • Web模式：glances -w（访问http://服务器IP:61208）
    Glances会自动显示系统中运行的Python进程及其资源占用（CPU、内存、线程数等），支持排序和过滤。

5. 使用Prometheus+Grafana实现高级监控
Prometheus用于收集时序数据，Grafana用于数据可视化，适合大规模Python应用监控。示例步骤：

• 安装Prometheus：下载并配置prometheus.yml，添加Python应用的监控目标（如job_name: 'python_app', static_configs: [{ 'targets': ['localhost:5000']} ])。
• 在Python应用中集成prometheus_client库（pip install prometheus_client），暴露指标：

from prometheus_client import start_http_server, Gauge
import random
import time

# 定义指标
cpu_usage = Gauge('python_app_cpu_usage', 'Python应用CPU使用率')
memory_usage = Gauge('python_app_memory_usage', 'Python应用内存使用率')

# 模拟数据收集
start_http_server(5000)  # 启动HTTP服务器，暴露指标
while True:
    cpu_usage.set(random.uniform(10, 50))  # 模拟CPU使用率
    memory_usage.set(random.uniform(20, 60))  # 模拟内存使用率
    time.sleep(5)

• 安装Grafana并配置Dashboard，导入Prometheus数据源，创建面板展示CPU、内存等指标的趋势图。

6. 使用Py-spy进行性能分析
Py-spy是无侵入的Python性能分析工具，可生成火焰图，帮助定位Python代码的性能瓶颈。示例步骤：

• 安装Py-spy：pip install py-spy
• 生成火焰图：

py-spy record -o profile.svg --pid $(pgrep -f your_script.py)

生成的profile.svg文件可通过浏览器打开，显示函数调用的耗时占比，帮助优化慢函数。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！