Python在Debian如何监控

在系统运维和性能调优领域，Python 生态里有一整套趁手的监控工具链，从最基础的资源采集到深度的代码级分析，再到第三方集成方案，基本覆盖了日常开发和线上排查的绝大多数场景。下面把这些核心能力拆开揉碎了聊一聊。

psutil：系统资源的“瑞士军刀”

psutil 是跨平台的 Python 库，能直接获取 CPU、内存、磁盘、网络以及进程信息，几乎所有 Python 监控脚本的起点都离不开它。安装就一行 pip install psutil，然后你就可以用 psutil.cpu_percent(interval=1) 拿到 CPU 使用率，用 psutil.virtual_memory().percent 看内存压力，用 psutil.disk_usage('/').percent 检查磁盘是否告急，甚至通过 psutil.process_iter(['pid', 'name']) 列出所有进程。简单、直接，不绕弯子。

代码性能分析与优化：找到真正的瓶颈

光知道系统资源不够，很多时候慢在代码本身。Python 内置了 cProfile，直接 import cProfile; cProfile.run("函数名()") 就能输出函数调用次数、总耗时和单次耗时，一眼看出到底哪个函数在拖后腿。但如果你觉得函数级粒度太粗，想要精确到每一行代码的执行时间，那就得上 line_profiler。安装后给目标函数加上 @profile 装饰器，运行 kernprof -l -v 脚本.py，输出结果会清楚告诉你哪一行是“慢动作”。另外，内存泄漏也是常见问题，tracemalloc 是 Python 内置的内存跟踪器，tracemalloc.start() 开始监控，tracemalloc.get_traced_memory() 随时查看当前内存占用，定位泄漏点非常方便。

第三方系统监控工具：开箱即用的可视化方案

如果不想从零造轮子，社区里已经有成熟的工具可以直接用。Glances 基于 psutil 封装，提供终端动态刷新和 Web 界面（glances -w），安装只要 sudo apt install glances 或者 pip install glances，CPU、内存、磁盘、网络一目了然。dstat 则是老牌的系统统计工具，能替代 vmstat、iostat 等命令，运行 dstat 就能看到实时变化，还支持模块化扩展。还有一个神器 NetData，安装后通过 http://IP:19999 访问 Web 界面，不仅实时监控各项指标，还自带告警和历史数据查询，部署方式也很简单，sudo apt install netdata 或者用 kickstart 脚本一键搞定。

日志监控与告警：从被动响应到主动发现

日志是系统运行状态的“黑匣子”，但等着人工翻日志太被动。可以用 Python 的 inotify_simple 库监控日志文件的变化，比如文件被修改时触发事件，然后读取新增内容。更完整的方案是结合 watchdog 监听文件变化，再配合 smtplib 发送邮件告警：写一个 LogFileHandler 类继承 FileSystemEventHandler，重写 on_modified 方法，在日志文件被修改时读取最后 10 行，如果发现“ERROR”关键字就立刻发邮件通知。这样就能把事故扼杀在摇篮里。

集成到现有监控系统

大部分团队已经用上了 Nagios、Zabbix、Prometheus 等成熟方案，Python 脚本完全可以作为插件嵌入进去。比如 Prometheus 通过 prometheus_client 库暴露自定义指标，Zabbix 则可以通过 Python 脚本采集数据后推送到 Zabbix Server。这样既保留了 Python 的灵活性，又能享受集中化监控的便利，算是两全其美的做法。