Python监控服务器性能并写入MySQL数据库：实战指南

ABS_Plastic
229 阅读3分钟

在现代IT运维中，实时监控服务器性能是保障系统稳定运行的关键环节。Python凭借其简洁的语法和丰富的库支持，成为了快速开发此类监控工具的理想选择。同时，MySQL作为关系型数据库的代表，广泛应用于数据存储与分析。本文将详细介绍如何使用Python监控服务器性能指标，并将监测结果自动写入MySQL数据库中，以供后续分析和报警使用。

一、技术概览

本方案将涵盖以下几个关键技术点：

  • 服务器性能监控：利用Python的psutil库获取CPU、内存、磁盘和网络等关键性能指标。
  • MySQL数据库操作：使用pymysql库连接MySQL数据库，实现数据的插入操作。
  • 定时任务执行：借助schedule库实现监控任务的定期执行。
  • 异常处理与日志记录：确保程序稳定运行，同时记录重要日志信息。

二、环境准备

确保你的环境中已安装Python、MySQL，并安装必要的Python库：

pip install psutil pymysql schedule

三、监控脚本开发

3.1 连接MySQL数据库

首先，创建一个MySQL数据库和表用于存储监控数据。假设数据库名为​​server_monitor​​，表名为​​performance_data​​，包含以下字段：id（主键，自增）、timestamp（时间戳）、cpu_usage（CPU使用率）、memory_usage（内存使用率）、disk_usage（磁盘使用率）、network_sent（网络发送量）、network_recv（网络接收量）。

然后，编写Python脚本连接数据库：

import pymysql

def create_conn():
    conn = pymysql.connect(host='localhost', user='your_user', password='your_password', db='server_monitor')
    return conn
3.2 获取服务器性能指标

利用psutil库获取服务器性能数据：

import psutil
import time

def get_performance_data():
    cpu_percent = psutil.cpu_percent(interval=1)
    memory = psutil.virtual_memory()
    disk = psutil.disk_usage('/')
    net_io_counters = psutil.net_io_counters()

    mem_percent = memory.percent
    disk_percent = disk.percent
    network_sent = net_io_counters.bytes_sent
    network_recv = net_io_counters.bytes_recv

    return {
        'cpu_usage': cpu_percent,
        'memory_usage': mem_percent,
        'disk_usage': disk_percent,
        'network_sent': network_sent,
        'network_recv': network_recv,
        'timestamp': int(time.time())
    }
3.3 写入数据到MySQL

定义函数将性能数据插入数据库：

def insert_data_to_mysql(data, conn):
    cursor = conn.cursor()
    sql = """
    INSERT INTO performance_data (
        timestamp, 
        cpu_usage, 
        memory_usage, 
        disk_usage, 
        network_sent, 
        network_recv
    ) VALUES (%s, %s, %s, %s, %s, %s)
    """
    cursor.execute(sql, (data['timestamp'], data['cpu_usage'], data['memory_usage'],
                        data['disk_usage'], data['network_sent'], data['network_recv']))
    conn.commit()
    cursor.close()
3.4 定时执行监控任务

使用schedule库设置定时任务，每5分钟执行一次性能监控并写入数据库：

import schedule
import time

def job():
    conn = create_conn()
    data = get_performance_data()
    insert_data_to_mysql(data, conn)
    conn.close()
    print(f"Data inserted at {time.ctime()}")

schedule.every(5).minutes.do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

四、异常处理与日志记录

为了增强程序的健壮性，需要加入异常处理逻辑，并记录日志信息。可以使用Python的logging模块来实现：

import logging

logging.basicConfig(filename='monitor.log', level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

def job_with_logging():
    try:
        # 原job函数内容
    except Exception as e:
        logging.error("Error occurred: " + str(e))

五、总结

通过上述步骤，我们成功搭建了一个使用Python监控服务器性能并将数据持久化到MySQL数据库的系统。此系统不仅能够实时跟踪服务器状态，还便于长期数据分析与预警机制的建立。进一步优化可考虑增加邮件或短信报警功能，以及对监控频率、数据保留策略等进行灵活配置，以满足不同场景的需求。随着技术的发展，还可以探索集成更高级的监控解决方案，如Prometheus+Grafana，实现可视化监控与告警，全面提升运维效率。

avatar
文章
阅读
粉丝