CentOS中Python性能监控方法

CentOS 中 Python 性能监控方法

一 系统级监控工具

• 使用系统自带与常用开源工具快速观测整体资源与进程行为，适合定位瓶颈的大方向与异常波动。
• 常用工具与用途一览：

• 安装与快速上手示例（以 CentOS 7/8 为例）：
  • 安装 Glances（EPEL 源）：sudo yum -y install epel-release & & sudo yum -y install glances
  • 启动：glances（终端）；glances -w（Web 界面，默认端口 61208）
  • dstat：pip install dstat；dstat -ta 1
  • nmon：下载二进制至 /usr/local/bin/nmon 并赋权；nmon -c 60 -s 10（采集 60 次、间隔 10 秒）

二 应用内与代码级监控

• 在 Python 进程内采集指标，便于与业务埋点结合、推送到时序库或做历史回放分析。
• 常用方案与示例：
  • psutil（系统资源）：获取 CPU、内存、磁盘、网络 等，适合嵌入业务监控与告警。
    • 示例：
      • import psutil
      • cpu = psutil.cpu_percent(interval=1)
      • mem = psutil.virtual_memory().percent
      • disk = psutil.disk_usage(‘/’).percent
      • net = psutil.net_io_counters()
  • Prometheus + Grafana（指标化与可视化）：
    • 安装 prometheus_client 并在应用中暴露 /metrics 端点，Prometheus 抓取，Grafana 展示。
    • 示例：
      • from prometheus_client import start_http_server, Counter
      • start_http_server(5000)
      • requests_total = Counter(‘requests_total’,‘Total HTTP requests’)
      • requests_total.inc()
  • PyMetrics（轻量指标与渲染）：
    • 适合快速做控制台/文本可视化与自定义渲染

三 性能剖析与瓶颈定位

• 当需要精确到函数/代码行级别的热点与内存问题时，使用剖析器与可视化工具。
• 工具与用法要点：
  • cProfile（标准库）：统计函数调用次数与耗时，适合整体热点定位。
    • 示例：python -m cProfile -o profile.prof app.py；后续用 pstats/snakeviz 分析
  • line_profiler：逐行耗时，定位具体代码行瓶颈。
    • 示例：@profile 装饰目标函数；kernprof -l -v app.py
  • memory_profiler：逐行内存分配，定位内存热点与泄漏线索。
    • 示例：@profile 装饰；python -m memory_profiler app.py
  • snakeviz：cProfile 结果的交互式可视化（Web）。
    • 示例：snakeviz profile.prof
  • vprof：结合 CPU/内存的可视化分析。
    • 示例：python -m vprof -c app.py
  • py-spy（采样分析器，无需修改代码）：对运行中的 Python 进程采样，生成 火焰图/SVG。
    • 示例：py-spy record -o profile.svg – your_script.py

四 落地实践与排障流程

• 建议按“由外到内、由粗到细”的顺序排查：
  1. 先用 top/htop 找到高 CPU/内存 占用的 Python 进程（必要时用 ps -ef | grep python 定位具体 PID）。
  2. 用 vmstat/iostat/netstat/ss 判断是否为 I/O、网络或系统资源 瓶颈（如 iowait 高、软中断高、连接数打满）。
  3. 用 dstat/nmon 做一段时间序列观测，辅助定位波动周期与关联资源。
  4. 在应用内用 psutil 采集关键指标（QPS、延迟、错误、队列长度等），并暴露 /metrics 接入 Prometheus/Grafana 做长期趋势与告警。
  5. 针对热点函数/接口，使用 cProfile 做整体剖析，再用 line_profiler 精确定位到行级瓶颈。
  6. 若怀疑内存问题，用 memory_profiler 逐行排查；对线上进程可用 py-spy 无侵入采样生成火焰图辅助分析。

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！