CentOS Python资源如何监控

在CentOS环境下，Python应用的资源监控是个老生常谈却又绕不开的话题。无论是排查性能瓶颈，还是保障服务稳定性，手里有几套趁手的监控方案总没错。下面整理了几种从轻量到企业级的监控手段，覆盖了系统资源、进程管理、可视化面板和性能分析，大家可以根据实际场景按需选用。

1. 使用psutil库监控系统资源

psutil是Python生态里最经典的跨平台资源库，CPU、内存、磁盘、网络，一个库全搞定。在CentOS上用它监控Python进程和周边系统资源，基本是开箱即用。

来看一个实际例子：

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")

循环调用这几个函数，就能实现定时监控。如果配合matplotlib库，还能把资源变化趋势画成折线图，直观程度直接拉满。

2. 构建Web监控面板（Flask+psutil）

光有命令行输出不够过瘾？用Flask搭一个简单的Web面板，实时数据直接展示在浏览器上。步骤也不复杂：

• 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）：

CPU使用率: -%
内存使用率: -%

运行python app.py后，访问http://服务器IP:5000，CPU和内存使用率就会每秒自动刷新。对于轻量级场景，这个方案够用了。

3. 利用Supervisor管理Python进程

脚本跑着跑着挂了怎么办？Supervisor就是干这个的——保证Python脚本持续运行，崩了自动重启，还能管理日志。配置起来也很清晰：

• 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

之后用supervisorctl命令就能手动启停进程，日志文件也方便排查运行问题。

4. 使用Glances工具监控系统与Python进程

如果不想写代码，Glances是个不错的选择。它本身就是Python写的跨平台监控工具，支持终端模式和Web模式，对Python进程的CPU、内存、线程数一目了然。

• 安装Glances：sudo yum install -y epel-release && sudo yum install -y glances
• 启动方式：
  • 终端模式：直接运行glances，按q退出
  • Web模式：glances -w，然后访问http://服务器IP:61208

Glances会自动显示所有运行中的Python进程及其资源占用，还支持排序和过滤，日常快速巡检非常方便。

5. 使用Prometheus+Grafana实现高级监控

对于大规模Python应用，时序监控是标配。Prometheus负责收集数据，Grafana负责可视化。集成方式也很成熟：

• 安装Prometheus，配置prometheus.yml，添加Python应用的监控目标，例如：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。这套方案适合需要长期存储、告警和复杂聚合的场景。

6. 使用Py-spy进行性能分析

当Python应用出现性能问题时，Py-spy是个无侵入的利器。它不需要修改代码，就能生成火焰图，精确看到哪些函数耗时最多。

• 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文件用浏览器打开，函数调用关系和时间占比一目了然，定位瓶颈非常高效。

以上就是CentOS下Python资源监控的几种主流方案，从轻量级脚本到企业级监控栈都有覆盖。实际项目中可以根据团队规模、运维成本和实时性要求灵活组合——比如用psutil做本地快照，用Prometheus+Grafana做全局大盘，再用Py-spy做定点性能剖析。工具不在多，用对就行。