第二天 流程控制（if/for/while） - 列表/元组/字典操作

前言

在IT运维和系统管理领域，资源监控是至关重要的基础技能。本教程将带领Python初学者，通过编写一个实用的系统资源监控脚本，掌握Python基础语法中的流程控制、数据结构操作等核心知识。即使您完全没有编程经验，只要跟着本文一步步实践，也能在2小时内完成第一个Python实战项目！

一、Python基础快速入门

1.1 流程控制语句

流程控制是编程中的决策系统，掌握它们就能让程序具备"思考能力"。

1.1.1 if条件判断

# 监控CPU使用率告警示例
cpu_usage = 85

if cpu_usage > 90:
    print("警告：CPU使用率过高！")
elif cpu_usage > 80:
    print("注意：CPU使用率偏高")
else:
    print("CPU使用率正常")

1.1.2 for循环

# 模拟监控数据采集（5次采样）
for i in range(1, 6):
    print(f"正在进行第 {i} 次资源采集...")
    # 这里可以添加实际的采集代码

1.1.3 while循环

# 持续监控直到手动停止
import time

monitor = True
while monitor:
    print("正在监控系统资源...")
    time.sleep(5)  # 每5秒采集一次

1.2 核心数据结构操作

1.2.1 列表（List）—— 监控数据存储利器

# 创建存储CPU使用率的列表
cpu_history = []

# 添加监控数据
for _ in range(5):
    cpu_history.append(psutil.cpu_percent())

# 分析数据
print("平均CPU使用率:", sum(cpu_history)/len(cpu_history))

1.2.2 元组（Tuple）—— 不可变数据集

# 定义监控阈值常量
THRESHOLDS = (90, 80, 70)  # (危险值, 警告值, 注意值)

# 访问元素
print("内存危险阈值:", THRESHOLDS[0])

1.2.3 字典（Dict）—— 结构化监控数据

# 创建监控数据字典
system_status = {
    "cpu": {
        "usage": 35.6,
        "temp": 45
    },
    "memory": {
        "total": 16,
        "used": 12.3
    }
}

# 更新数据
system_status["cpu"]["usage"] = psutil.cpu_percent()

# 遍历字典
for category, metrics in system_status.items():
    print(f"{category}监控指标:")
    for k, v in metrics.items():
        print(f"  {k}: {v}")

二、实战：系统资源监控脚本开发

2.1 环境准备

安装所需库：

pip install psutil  # 跨平台系统监控库

2.2 基础版本实现

步骤1：获取系统信息

import psutil
import time

def get_system_info():
    """获取系统资源信息"""
    return {
        "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
        "cpu_usage": psutil.cpu_percent(interval=1),
        "memory_usage": psutil.virtual_memory().percent,
        "disk_usage": psutil.disk_usage("/").percent,
        "network_io": psutil.net_io_counters()
    }

步骤2：数据处理模块

def process_data(data, history):
    """处理并存储监控数据"""
    # 添加最新数据到历史记录（限制保留最近10条）
    history.append(data)
    if len(history) > 10:
        history.pop(0)
    
    # 生成统计信息
    stats = {
        "max_cpu": max([d["cpu_usage"] for d in history]),
        "avg_memory": sum([d["memory_usage"] for d in history])/len(history)
    }
    return stats

步骤3：监控报警逻辑

def check_alert(data):
    """资源使用报警检查"""
    alerts = []
    
    if data["cpu_usage"] > 90:
        alerts.append("CPU使用超过90%！")
    if data["memory_usage"] > 85:
        alerts.append("内存使用超过85%！")
    
    return alerts

2.3 完整脚本集成

import psutil
import time
from collections import deque

class SystemMonitor:
    def __init__(self):
        self.history = deque(maxlen=60)  # 保存最近60次记录
        self.alert_count = 0
    
    def start_monitoring(self, interval=5):
        """启动监控"""
        try:
            while True:
                # 采集数据
                data = self.collect_data()
                
                # 处理数据
                stats = self.process_data(data)
                
                # 检查报警
                alerts = self.check_alerts(data)
                
                # 显示信息
                self.display_status(data, stats, alerts)
                
                time.sleep(interval)
                
        except KeyboardInterrupt:
            print("\n监控已停止")
    
    def collect_data(self):
        """收集系统数据"""
        return {
            "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
            "cpu_usage": psutil.cpu_percent(interval=1),
            "memory_usage": psutil.virtual_memory().percent,
            "disk_usage": psutil.disk_usage("/").percent,
            "network_sent": psutil.net_io_counters().bytes_sent,
            "network_recv": psutil.net_io_counters().bytes_recv
        }
    
    def process_data(self, data):
        """处理监控数据"""
        self.history.append(data)
        
        # 计算统计指标
        return {
            "avg_cpu": sum(d["cpu_usage"] for d in self.history)/len(self.history),
            "max_memory": max(d["memory_usage"] for d in self.history),
            "disk_trend": self.history[-1]["disk_usage"] - self.history[0]["disk_usage"]
        }
    
    def check_alerts(self, data):
        """检查系统警报"""
        alerts = []
        if data["cpu_usage"] > 90:
            alerts.append("CPU使用超过90%！")
        if data["memory_usage"] > 85:
            alerts.append("内存使用超过85%！")
        if data["disk_usage"] > 95:
            alerts.append("磁盘使用超过95%！")
        return alerts
    
    def display_status(self, data, stats, alerts):
        """显示监控信息"""
        print("\n" + "="*40)
        print(f"系统状态报告 ({data['timestamp']})")
        print("-"*40)
        print(f"CPU使用率: {data['cpu_usage']}% (平均: {stats['avg_cpu']:.1f}%)")
        print(f"内存使用率: {data['memory_usage']}% (最高: {stats['max_memory']}%)")
        print(f"磁盘使用率: {data['disk_usage']}% (趋势: {stats['disk_trend']:+}%)")
        print(f"网络流量: 发送 {data['network_sent']//1024}KB / 接收 {data['network_recv']//1024}KB")
        
        if alerts:
            print("\n!! 警报 !!")
            for alert in alerts:
                print(f"• {alert}")
            self.alert_count += 1

if __name__ == "__main__":
    monitor = SystemMonitor()
    monitor.start_monitoring()

三、脚本功能扩展建议

1. 数据持久化：使用CSV模块保存监控记录

import csv

def save_to_csv(data):
    with open("system_log.csv", "a") as f:
        writer = csv.writer(f)
        writer.writerow([
            data["timestamp"],
            data["cpu_usage"],
            data["memory_usage"],
            data["disk_usage"]
        ])

2. 可视化展示：使用Matplotlib生成图表

import matplotlib.pyplot as plt

def plot_cpu_usage(history):
    timestamps = [d["timestamp"] for d in history]
    cpu_values = [d["cpu_usage"] for d in history]
    
    plt.plot(timestamps, cpu_values)
    plt.title("CPU使用率趋势图")
    plt.xticks(rotation=45)
    plt.show()

3. 邮件报警功能：使用smtplib发送报警邮件

import smtplib
from email.mime.text import MIMEText

def send_alert_email(message):
    msg = MIMEText(message)
    msg["Subject"] = "系统资源警报"
    msg["From"] = "monitor@example.com"
    msg["To"] = "admin@example.com"
    
    with smtplib.SMTP("smtp.example.com") as server:
        server.send_message(msg)

四、学习路线建议

1. 巩固基础：

   • 多练习列表推导式等Python特性
   • 掌握with语句处理文件操作
   • 学习使用datetime模块处理时间

2. 项目扩展：

   • 添加Web界面展示监控数据（Flask/Django）
   • 实现多服务器监控功能
   • 开发自动化清理磁盘脚本

3. 深入学习：

   • 了解多线程/异步编程提升脚本效率
   • 学习使用Pandas进行数据分析
   • 探索Docker容器监控方案

五、总结

通过本教程，我们完成了：
✅ 掌握Python流程控制语句
✅ 熟练操作列表、元组、字典
✅ 开发完整的系统监控脚本
✅ 学习数据处理和异常处理技巧

这个项目不仅巩固了Python基础知识，更展示了如何将编程技能应用到实际工作中。建议读者尝试扩展脚本功能，例如添加可视化图表或短信报警功能，这将大大提升项目的实用价值。

学习资源推荐：

• 官方psutil文档：https://psutil.readthedocs.io/
• Python标准库教程：https://docs.python.org/3/library/
• 自动化运维实战案例：https://github.com/geekcomputers/Python

欢迎在评论区分享你的改进版本！下期我们将探讨如何为这个监控脚本添加Web可视化界面，敬请期待！