Python凭借其丰富的库和简洁的语法，成为编写服务器监控脚本的理想选择，通过Python脚本，我们可以实时或定期服务器的各项关键指标，如CPU使用率、内存占用、磁盘空间、网络流量以及服务运行状态等，及时发现潜在问题并发出告警,下面将详细介绍如何使用Python构建一个功能完善的服务器监控脚本。

我们需要明确脚本需要监控的核心指标，对于大多数Linux服务器而言，CPU、内存、磁盘和网络是最基础且重要的监控对象,我们可以利用Python的内置库以及第三方库来获取这些信息。

获取CPU使用率，可以通过psutil库。psutil是一个跨平台的库，用于获取系统信息和进程管理，非常适合系统监控。psutil.cpu_percent(interval=1)可以获取CPU在过去1秒内的平均使用率，psutil.cpu_count()可以获取CPU的逻辑核心数，对于更详细的CPU信息，如每个核心的使用率，可以使用psutil.cpu_percent(percpu=True)。

内存监控方面，同样可以使用psutil。psutil.virtual_memory()返回一个包含内存使用情况的命名元组，包括总内存、已用内存、空闲内存、缓冲区/缓存以及使用率百分比，通过计算已用内存占总内存的比例,可以直观地了解内存的紧张程度。

import psutil
mem = psutil.virtual_memory()
memory_usage = mem.percent

磁盘监控主要关注磁盘空间的使用情况和I/O性能。psutil.disk_usage('/')可以获取根分区的磁盘使用情况，包括总空间、已用空间和可用空间，以及使用率，对于磁盘I/O，psutil.disk_io_counters()可以获取磁盘的读写字节数、读写次数、读写时间等，通过计算一段时间内的差值可以得到磁盘I/O速率。

网络监控则关注网络接口的流量和连接状态。psutil.net_io_counters(pernic=True)可以获取每个网络接口的发送和接收字节数、数据包数量等，同样，通过计算时间差可以得到网络接口的带宽使用情况。psutil.net_connections()可以获取当前系统的网络连接信息,用于检查是否有异常连接。

除了这些基础指标，服务可用性监控也是重要的一环，我们需要确保关键服务（如Nginx、MySQL、Redis等）正在运行，可以通过psutil.process_iter(['name'])遍历当前运行的进程，检查目标服务的进程是否存在，或者，更可靠的方式是使用系统的systemctl命令（对于使用systemd的系统），通过subprocess模块执行systemctl is-active <service_name>命令,并根据返回结果判断服务状态。

编写监控脚本时，通常会采用模块化的设计，将获取各项指标的功能封装成独立的函数，然后在主函数中依次调用这些函数，收集数据，为了便于后续处理和告警,可以将收集到的数据存储在字典或列表中。

告警机制是监控脚本的核心价值所在，当某个指标超过预设的阈值时，脚本需要能够及时发出告警，告警的方式可以多样化，例如发送邮件、短信、调用Webhook接口（如钉钉、企业微信机器人）或在日志中记录错误信息，以邮件告警为例，可以使用Python的smtplib和email库来实现，需要配置SMTP服务器地址、端口、用户名、密码以及收件人邮箱，当触发告警条件时，构建告警邮件内容,通过SMTP服务器发送。

为了使监控脚本能够持续运行，通常会将其设置为定时任务，在Linux系统中，可以使用cron来定期执行脚本，设置每5分钟执行一次监控脚本，将Python脚本路径添加到crontab中，如*/5 * * * * /usr/bin/python3 /path/to/monitor_script.py。

为了更直观地展示监控数据，可以将数据记录到日志文件中，或者使用数据库（如SQLite、MySQL）进行存储，并结合可视化工具（如Grafana、Matplotlib）生成图表，对于需要长期趋势分析的场景，数据库存储是更好的选择，使用SQLite，可以创建一个表来存储时间戳、CPU使用率、内存使用率等字段,定期将监控数据插入表中。

下面是一个简单的监控脚本框架示例，展示了如何获取CPU、内存使用率并实现简单的日志记录：

import psutil
import time
import logging
# 配置日志
logging.basicConfig(filename='server_monitor.log', level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
def get_cpu_usage():
    return psutil.cpu_percent(interval=1)
def get_memory_usage():
    return psutil.virtual_memory().percent
def monitor_server():
    cpu_usage = get_cpu_usage()
    memory_usage = get_memory_usage()
    logging.info(f"CPU Usage: {cpu_usage}%")
    logging.info(f"Memory Usage: {memory_usage}%")
    # 示例告警阈值
    if cpu_usage > 80:
        logging.warning(f"High CPU Usage: {cpu_usage}%")
    if memory_usage > 85:
        logging.warning(f"High Memory Usage: {memory_usage}%")
if __name__ == "__main__":
    while True:
        monitor_server()
        time.sleep(300)  # 每5分钟监控一次

这个脚本会每5分钟记录一次CPU和内存使用率，并在超过阈值时发出警告日志，实际应用中,可以在此基础上扩展更多监控项和更复杂的告警逻辑。

对于更专业的监控需求，可以考虑使用现有的监控框架，如Prometheus结合Python Prometheus Client，或者Zabbix、Nagios等开源监控系统的API进行集成，这些系统提供了更强大的数据收集、存储、告警和可视化能力。

为了更清晰地展示监控脚本可能涉及的功能模块，下表列出了常见监控项、获取方法及潜在告警场景：

在实际部署监控脚本时，还需要考虑脚本的健壮性，例如添加异常处理机制，避免因某个指标获取失败导致整个脚本崩溃，为了避免告警风暴，可以引入告警抑制机制,例如同一个告警在一段时间内只发送一次。

使用Python编写服务器监控脚本，可以灵活地定制监控内容和告警策略，有效提升服务器运维的效率和可靠性，通过结合psutil等强大的库，并结合定时任务、日志记录、告警通知等功能,可以构建一个满足特定需求的监控系统。

相关问答FAQs：

1. 问：除了psutil，还有哪些Python库可以用于服务器监控？ 答：除了psutil，还有其他一些优秀的Python库可用于服务器监控。py-cpuinfo可以获取更详细的CPU信息（如型号、架构等）；GPUtil专门用于监控NVIDIA GPU的使用情况和温度；对于特定服务的监控，可以使用相应的库，如pymysql或redis-py来监控MySQL和Redis服务的连接数和性能指标；对于日志监控，可以使用loguru等库来解析和分析日志文件，如果需要与专业监控系统集成，可以使用prometheus_client将监控数据暴露给Prometheus，或使用pyzabbix与Zabbix交互。

2. 问：如何让Python监控脚本在服务器后台持续运行，并且能在崩溃后自动重启？ 答：要让Python脚本在后台持续运行并具备自动重启能力,可以采用以下几种方法：

   • 使用nohup或screen/tmux：在命令行前加上nohup，并将输出重定向到日志文件，如nohup python3 monitor_script.py > monitor.log 2>&1 &，这样即使用户退出终端，脚本也会继续运行。screen或tmux则提供了更强大的会话管理功能,可以随时重新连接到会话查看脚本运行状态。
   • 使用进程管理工具：对于生产环境，推荐使用专业的进程管理工具，如supervisord或systemd。supervisord可以监控进程的运行状态，在进程意外退出时自动重启，并管理多个进程，配置supervisord非常简单，只需编写一个配置文件，定义程序的启动命令、目录、日志路径以及自动重启策略等。systemd则是现代Linux系统推荐的服务管理方式，可以通过创建一个.service文件，将Python脚本作为系统服务来运行，并设置Restart=always来实现自动重启。