CentOS Python性能监控如何设置

CentOS 上搭建 Python 性能监控的实用方案

一 系统级监控工具

• 使用 Glances（基于 psutil）进行终端与 Web 一体化监控：安装 EPEL 后通过 YUM 安装，支持 CPU、内存、磁盘、网络等全栈指标，适合快速巡检与临时排障。
• 使用 dstat 进行多维度资源对比：可同时查看 CPU、内存、磁盘、网络，并支持插件扩展，适合定位 I/O 与网络瓶颈。
• 使用 nmon 进行长期采样与图形化分析：适合容量规划与趋势复盘，可将采集结果导出后用分析工具生成图表。

安装与常用命令示例

• 安装 Glances
  • sudo yum -y install epel-release
  • sudo yum -y install glances
  • 本地终端：glances；Web 界面：glances -w
• 安装 dstat
  • sudo yum -y install epel-release
  • sudo yum -y install dstat
  • 实时查看：dstat -ta 1
• 安装 nmon
  • 下载解压后将二进制放入 PATH（如 /usr/local/bin/nmon），赋权后运行
  • 实时监控：nmon -c -t -r 30 -s 10（示例参数：30 个刷新周期、每 10 秒一次）

二 应用内指标与可视化

• 使用 prometheus_client 暴露 Python 应用指标（如请求计数、延迟、异常等），以 /metrics 端点供 Prometheus 抓取，并在 Grafana 中做可视化与告警。
• 快速示例（Flask 应用内嵌指标服务）
  • pip install prometheus_client flask
  • 代码示例
    • from flask import Flask from prometheus_client import start_http_server, Counter, Histogram app = Flask(name) REQ_CNT = Counter(‘http_requests_total’, ‘Total HTTP requests’) REQ_LAT = Histogram(‘http_request_duration_seconds’, ‘HTTP request latency’) @app.route(‘/’) @REQ_LAT.time() def hello(): REQ_CNT.inc() return “Hello, Prometheus!” if name == ‘main’: start_http_server(5000) # 指标端口 app.run(host=‘0.0.0.0’, port=8000)
• 建议指标命名规范：应用名_指标名_单位（如 http_requests_total、http_request_duration_seconds），并添加有意义的 help 文本。

三 低开销采样与火焰图

• 使用 py-spy 对线上 Python 进程进行安全采样，无需修改代码或重启服务，适合定位 CPU 占用高的热点函数。
• 常用命令
  • 采样生成火焰图：py-spy record -o profile.svg – your_script.py
  • 附加到运行中的进程：py-spy record -p -o profile.svg
• 输出为 SVG 火焰图，可在浏览器中交互式查看调用栈与热点分布。

四 代码级剖析与内存热点

• 使用 cProfile 获取函数粒度的耗时与调用次数，适合定位性能瓶颈；配合 snakeviz 进行可视化分析。
  • python -m cProfile -o profile.out your_script.py
  • snakeviz profile.out
• 使用 memory_profiler 定位逐行内存分配与泄漏风险（需在命令行以 -m 方式运行脚本）。
  • pip install memory_profiler
  • python -m memory_profiler your_script.py
• 使用 line_profiler 获取逐行执行时间与次数，聚焦关键函数的瓶颈行。
  • pip install line_profiler
  • 在目标函数上加装饰器 @profile 后运行脚本。

五 快速落地与排障建议

• 基线采集：先用 Glances/dstat/nmon 建立 CPU、内存、磁盘 I/O、网络的基线曲线，记录峰值与异常时段。
• 应用埋点：在关键路径埋入 Counter/Histogram/Gauge，以 Prometheus + Grafana 构建实时看板与阈值告警（如 5xx 激增、P95 延迟异常）。
• 深度剖析：对热点进程用 py-spy 采样，对可疑函数用 cProfile/line_profiler/memory_profiler 逐级确认，避免盲目优化。
• 运行安全：生产环境优先选择低开销工具（如 py-spy、基于采样的指标），对需要装饰器或逐行监控的工具，建议在灰度或测试环境先行验证。

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！