当前位置：首页 > article >正文

Python 实时获取Linux服务器信息

article 2025/1/7 8:45:05

在进行服务器监控、运维管理时，实时获取服务器信息至关重要。特别是在 Linux 环境下，我们常常需要获取系统的运行状态、资源占用情况以及硬件信息。如果你是运维人员、开发者或是正在做自动化运维任务的人，那么如何高效地实时获取 Linux 服务器的信息就是你必须掌握的技能。你知道如何使用 Python 来获取这些信息吗？

在 Linux 服务器中，我们经常需要获取诸如 CPU 使用率、内存占用、磁盘空间等实时数据。如何使用 Python 高效地获取这些信息，避免繁琐的手动检查，是很多运维自动化脚本的核心。下面，我们就来看看 Python 是如何做到这一点的。

性能测试中需要关注Linux服务器哪些数据?

在进行 Linux 服务器的性能测试时，需要关注多个关键指标以确保系统能够高效、稳定地运行。以下是一些常见的性能测试指标及其重要性：

Python 提供了强大的库和工具，使得我们能够高效、准确地获取 Linux 服务器的信息

要实现实时获取 Linux 服务器的信息，Python 提供了一些优秀的库，例如 psutil、os 和 subprocess。通过这些库，我们可以方便地获取系统的 CPU、内存、磁盘、网络等资源的使用情况。以下是一些常见需求的实现方法。

使用 psutil 库获取系统信息
psutil 是一个跨平台的库，用于获取系统和进程的各种信息。通过它，我们可以获取 CPU、内存、磁盘、网络等资源的使用情况。

安装 psutil 库：

pip install psutil

获取 CPU 使用率：

import psutil 

# 获取CPU使用率，默认是获取每秒平均使用率 
cpu_usage = psutil.cpu_percent(interval=1) print(f"CPU Usage: {cpu_usage}%")

获取内存使用情况：

memory_info = psutil.virtual_memory() 
print(f"Memory Usage: {memory_info.percent}%")

获取磁盘空间使用情况：

disk_info = psutil.disk_usage('/') 
print(f"Disk Usage: {disk_info.percent}%")

获取网络接口的状态：

net_info = psutil.net_io_counters() 

print(f"Bytes Sent: {net_info.bytes_sent}, Bytes Received: {net_info.bytes_recv}")

1. CPU 使用率

用户时间 (User Time): 应用程序实际使用 CPU 的时间。

系统时间 (System Time): 内核和系统调用使用 CPU 的时间。

空闲时间 (Idle Time): CPU 空闲的时间。

等待 I/O 时间 (I/O Wait Time): CPU 等待 I/O 操作完成的时间。

2. 内存使用情况

总内存 (Total Memory): 系统总的物理内存。

已用内存 (Used Memory): 当前正在使用的内存。

可用内存 (Available Memory): 可供新进程使用的内存。

缓存 (Cache): 用于文件系统的缓存。

缓冲区 (Buffers): 用于块设备 I/O 的缓冲区。

交换空间 (Swap Space): 用于虚拟内存的磁盘空间。

交换使用 (Swap Usage): 当前正在使用的交换空间。

3. 磁盘 I/O

读取速率 (Read Rate): 每秒从磁盘读取的数据量。

写入速率 (Write Rate): 每秒写入磁盘的数据量。

IOPS (Input/Output Operations Per Second): 每秒的 I/O 操作次数。

等待队列长度 (Average Queue Length): 平均等待 I/O 操作的请求数。

4. 网络带宽

发送速率 (Send Rate): 每秒发送的数据量。

接收速率 (Receive Rate): 每秒接收的数据量。

网络错误 (Network Errors): 网络传输中的错误数。

丢包率 (Packet Loss): 数据包丢失的比例。

5. 进程信息

进程数 (Number of Processes): 系统中运行的进程数量。

僵尸进程 (Zombie Processes): 已经终止但其父进程尚未回收其资源的进程。

负载平均值 (Load Average): 过去 1 分钟、5 分钟和 15 分钟内的系统负载平均值。

6. 文件系统

挂载点 (Mount Points): 文件系统的挂载点。

使用率 (Usage): 每个挂载点的使用百分比。

剩余空间 (Free Space): 每个挂载点的剩余空间。

7. 系统日志

系统日志 (System Logs): 如 /var/log 目录下的日志文件，记录系统事件和错误信息。

8. 系统启动时间和响应时间

启动时间 (Boot Time): 系统启动所需的时间。

响应时间 (Response Time): 系统对请求的响应时间。

9. 上下文切换 (Context Switches)

上下文切换次数 (Context Switches): 每秒发生的上下文切换次数。

10. 中断 (Interrupts)

中断次数 (Interrupts): 每秒处理的硬件中断次数。

性能测试工具

为了收集这些数据，可以使用多种工具，包括但不限于：

top, htop: 实时查看系统资源使用情况。

vmstat, iostat, mpstat: 统计系统性能数据。

dstat: 多合一系统资源统计工具。

sar (System Activity Reporter): 收集、报告和保存系统活动信息。

nmon (Nigel's Monitor): 实时监控系统性能。

netstat, ss, iptraf, iftop: 网络流量监控。

tcpdump, Wireshark: 网络抓包分析。

iotop, iostat: 磁盘 I/O 监控。

sysdig, strace, ltrace: 系统调用跟踪。

示例命令

以下是一些常用的命令示例，可以帮助你获取上述指标：

# 查看 CPU 使用情况

top -b -n 1 | grep "Cpu(s)"

# 查看内存使用情况

free -h

# 查看磁盘 I/O

iostat -x 1 1

# 查看网络带宽

ifstat 1 1

# 查看进程信息

ps aux --sort=-%cpu

# 查看文件系统使用情况

df -h

# 查看系统日志

tail -f /var/log/syslog

# 查看上下文切换和中断

vmstat 1 1

以下代码作为辅助,大家如果有兴趣写平台的话,可以用到

python 每1秒获取一次mac电脑的cup、内存、磁盘,并每分钟记录一次数据到指定excel文件中

import psutil
import time
from openpyxl import Workbook
from openpyxl.utils import get_column_letter


# 初始化 Excel 工作簿
wb = Workbook()
ws = wb.active
ws.title = "System Monitor"
ws.append(["Timestamp", "CPU (%)", "Memory (%)", "Disk (%)"])
# 记录数据的时间间隔（秒）
record_interval = 60
data_points = []

def get_system_info():
    # 获取 CPU 使用率
    cpu_percent = psutil.cpu_percent(interval=1)
    # 获取内存使用情况
    memory_info = psutil.virtual_memory()
    memory_percent = memory_info.percent
    # 获取磁盘使用情况
    disk_info = psutil.disk_usage('/')
    disk_percent = disk_info.percent
    return cpu_percent, memory_percent, disk_percent

def record_data_to_excel(data_points):
    for data_point in data_points:
        ws.append(data_point)
    # 计算平均值
    if data_points:
        avg_cpu = sum(point[1] for point in data_points) / len(data_points)
        avg_memory = sum(point[2] for point in data_points) / len(data_points)
        avg_disk = sum(point[3] for point in data_points) / len(data_points)
        # 将平均值写入 Excel
        ws.append(["Average", avg_cpu, avg_memory, avg_disk])
    # 保存 Excel 文件
    wb.save("system_monitor.xlsx")

try:
    while True:
        # 获取当前时间戳
        timestamp = time.strftime("%Y-%m-%d %H:%M:%S")
        # 获取系统信息
        cpu_percent, memory_percent, disk_percent = get_system_info()
        # 打印当前系统信息
        print(f"Timestamp: {timestamp}, CPU: {cpu_percent}%, Memory: {memory_percent}%, Disk: {disk_percent}%")
        # 将数据点添加到列表中
        data_points.append([timestamp, cpu_percent, memory_percent, disk_percent])
        # 每分钟记录一次数据到 Excel 文件
        if len(data_points) >= record_interval:
            record_data_to_excel(data_points)
            data_points = []  # 清空数据点列表
        # 等待 1 秒
        time.sleep(1)
except KeyboardInterrupt:
    # 如果用户中断程序（例如按 Ctrl+C），保存剩余的数据点
    if data_points:
        record_data_to_excel(data_points)
    print("Monitoring stopped. Data saved to system_monitor.xlsx")

代码说明

初始化 Excel 工作簿：

创建一个新的 Excel 工作簿，并设置工作表名称为 "System Monitor"。

在第一行添加列标题。

定义 get_system_info 函数：

使用 psutil 库获取 CPU 使用率、内存使用率和磁盘使用率。

定义 record_data_to_excel 函数：

将数据点列表中的数据写入 Excel 文件。

计算 CPU、内存和磁盘使用率的平均值，并将这些平均值写入 Excel 文件。

保存 Excel 文件。

主循环：

每秒获取一次系统信息并打印。

将获取的数据添加到 data_points 列表中。

当 data_points 列表中的数据点数量达到 60 个时（即每分钟），调用 record_data_to_excel 函数将数据写入 Excel 文件，并清空 data_points 列表。

使用 time.sleep(1) 使程序暂停 1 秒，以实现每秒获取一次数据。

异常处理：

如果用户通过按 Ctrl+C 中断程序，保存剩余的数据点并退出程序。

运行脚本

将上述代码保存到一个 Python 文件中（例如 system_monitor.py），然后在 Linux 终端中运行它：

python3 system_monitor.py

这将开始每秒获取一次系统信息，并每分钟将数据记录到 system_monitor.xlsx 文件中。每分钟结束时，还会计算并记录 CPU、内存和磁盘使用率的平均值。如果需要停止监控，可以按 Ctrl+C。

请确保你有适当的权限来执行脚本，并且安装了所有必需的库。如果遇到任何问题，请告诉我！

以下为代码运行后生成的文件内容

随着企业对自动化运维和实时监控的需求日益增加，如何高效地获取和监控服务器信息成为了 DevOps 及运维工程师的日常工作。Python，作为一门简洁而功能强大的编程语言，已成为开发人员和运维人员自动化管理服务器的首选工具。通过使用 Python 脚本实时获取和分析 Linux 服务器的信息，企业能够更加高效地管理和优化基础设施。

通过 Python，我们能够快速且高效地实时获取 Linux 服务器的信息，从而进行资源监控、性能优化和故障排查。这不仅能大大提高运维效率，也能帮助开发人员在开发阶段及时发现潜在问题，避免后期生产环境中出现突发故障。