WEBKT

告别盲人摸象：用 Flask 快速打造服务器监控可视化面板

19 0 0 0

运维兄弟们，是不是还在用 top、free 这些命令吭哧吭哧地盯着服务器？数据是有了，但不够直观，排查问题效率太低！今天，咱们就撸起袖子，用 Python Flask 框架，快速打造一个属于自己的服务器监控可视化面板，让服务器状态一目了然！

一、明确需求：我们要监控哪些指标？

在开始之前，先别急着敲代码。 咱们得先明确一下，到底要监控哪些指标？这些指标对咱们的日常运维工作最有帮助？

  • CPU 使用率： 看看 CPU 是不是被哪个进程给占满了，是不是需要优化代码或者升级配置了。
  • 内存使用率： 内存够不够用，是不是有内存泄漏，是不是该加内存条了。
  • 磁盘使用率： 磁盘空间还剩多少，是不是该清理一下日志文件或者扩容磁盘了。
  • 网络流量： 看看网络带宽是不是被打满了，是不是有恶意流量攻击。
  • 进程状态： 关键进程是不是都在正常运行，有没有挂掉需要重启的。
  • 服务器负载： 了解服务器的整体压力情况，判断是否需要进行负载均衡。

这些只是最基础的，实际工作中，你可能还需要监控数据库连接数、Redis 缓存命中率等等。总之，根据你的实际需求来确定监控指标。

二、技术选型：为什么选择 Flask？

监控面板的技术方案有很多，为什么我推荐 Flask 呢？

  • 轻量级： Flask 非常轻量级，学习曲线平缓，容易上手。对于快速搭建原型系统非常有利。
  • 灵活： Flask 提供了足够的灵活性，可以根据自己的需求进行定制，不会被框架束缚。
  • Python 生态： Python 拥有丰富的第三方库，可以方便地获取服务器的各种监控数据，比如 psutil、netifaces 等。
  • 易于部署： Flask 应用部署起来也很方便，可以使用 Gunicorn、uWSGI 等 WSGI 服务器。

当然，如果你对 Django 更熟悉，或者需要更强大的功能，也可以选择 Django。但对于快速搭建一个简单的监控面板来说，Flask 绝对是首选。

三、环境搭建：撸起袖子，开始干！

  1. 安装 Python 和 pip： 确保你的服务器上已经安装了 Python 和 pip。如果没有，请自行安装，这个就不赘述了。

  2. 创建项目目录： 在你喜欢的位置创建一个项目目录，比如 server_monitor。

  3. 创建虚拟环境： 强烈建议使用虚拟环境，避免不同项目之间的依赖冲突。在项目目录下执行以下命令：

    		python3 -m venv venv
    		source venv/bin/activate

  4. 安装 Flask 和其他依赖：

    pip install Flask psutil netifaces
    • Flask：Web 框架。
    • psutil：用于获取系统信息的库。
    • netifaces：用于获取网络接口信息的库。

四、代码实现：核心功能模块

接下来，就是最核心的部分了：编写代码！

  1. 创建 Flask 应用：app.py

    		from flask import Flask, render_template
    		import psutil
    		import netifaces
    		 
    		app = Flask(__name__)
    		 
    		@app.route('/')
    		def index():
    		    # 获取 CPU 使用率
    		    cpu_usage = psutil.cpu_percent(interval=1)
    		 
    		    # 获取内存使用率
    		    memory = psutil.virtual_memory()
    		    memory_usage = memory.percent
    		    memory_total = memory.total / (1024 * 1024)  # MB
    		    memory_used = memory.used / (1024 * 1024)  # MB
    		 
    		    # 获取磁盘使用率
    		    disk = psutil.disk_usage('/')
    		    disk_usage = disk.percent
    		    disk_total = disk.total / (1024 * 1024 * 1024)  # GB
    		    disk_used = disk.used / (1024 * 1024 * 1024)  # GB
    		 
    		    # 获取网络流量
    		    net_io = psutil.net_io_counters()
    		    bytes_sent = net_io.bytes_sent / (1024 * 1024)  # MB
    		    bytes_recv = net_io.bytes_recv / (1024 * 1024)  # MB
    		 
    		    # 获取服务器负载
    		    load_average = psutil.getloadavg()
    		 
    		    # 获取进程列表（只显示前 10 个）
    		    processes = []
    		    for proc in psutil.process_iter(['pid', 'name', 'cpu_percent', 'memory_percent']):
    		        try:
    		            processes.append(proc.info)
    		        except (psutil.NoSuchProcess, psutil.AccessDenied, psutil.ZombieProcess):
    		            pass
    		    processes = sorted(processes, key=lambda p: p['cpu_percent'], reverse=True)[:10]
    		 
    		    return render_template('index.html',
    		                           cpu_usage=cpu_usage,
    		                           memory_usage=memory_usage,
    		                           memory_total=memory_total,
    		                           memory_used=memory_used,
    		                           disk_usage=disk_usage,
    		                           disk_total=disk_total,
    		                           disk_used=disk_used,
    		                           bytes_sent=bytes_sent,
    		                           bytes_recv=bytes_recv,
    		                           load_average=load_average,
    		                           processes=processes)
    		 
    		if __name__ == '__main__':
    		    app.run(debug=True, host='0.0.0.0')

    代码解释：

    • 导入 Flask、render_template、psutil 和 netifaces 库。
    • 创建 Flask 应用实例 app。
    • 定义路由 /，对应 index 函数。
    • 在 index 函数中，使用 psutil 和 netifaces 获取 CPU 使用率、内存使用率、磁盘使用率、网络流量等信息。
    • 使用 render_template 函数渲染 index.html 模板，并将获取到的数据传递给模板。
    • 最后，运行 Flask 应用，debug=True 开启调试模式，host='0.0.0.0' 允许外部访问。

  2. 创建 HTML 模板：templates/index.html

    在项目目录下创建一个 templates 目录，并在其中创建 index.html 文件。

    		<!DOCTYPE html>
    		<html lang="en">
    		<head>
    		    <meta charset="UTF-8">
    		    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    		    <title>服务器监控面板</title>
    		    <style>
    		        body {
    		            font-family: sans-serif;
    		        }
    		        .container {
    		            width: 80%;
    		            margin: 0 auto;
    		        }
    		        .metric {
    		            margin-bottom: 20px;
    		            border: 1px solid #ccc;
    		            padding: 10px;
    		        }
    		        .metric h2 {
    		            margin-top: 0;
    		        }
    		        .process-table {
    		            width: 100%;
    		            border-collapse: collapse;
    		        }
    		        .process-table th, .process-table td {
    		            border: 1px solid #ccc;
    		            padding: 8px;
    		            text-align: left;
    		        }
    		    </style>
    		</head>
    		<body>
    		    <div class="container">
    		        <h1>服务器监控面板</h1>
    		 
    		        <div class="metric">
    		            <h2>CPU 使用率</h2>
    		            <p>{{ cpu_usage }}%</p>
    		        </div>
    		 
    		        <div class="metric">
    		            <h2>内存使用率</h2>
    		            <p>{{ memory_usage }}% ({{ memory_used:.2f }}MB / {{ memory_total:.2f }}MB)</p>
    		        </div>
    		 
    		        <div class="metric">
    		            <h2>磁盘使用率</h2>
    		            <p>{{ disk_usage }}% ({{ disk_used:.2f }}GB / {{ disk_total:.2f }}GB)</p>
    		        </div>
    		 
    		        <div class="metric">
    		            <h2>网络流量</h2>
    		            <p>发送: {{ bytes_sent:.2f }}MB, 接收: {{ bytes_recv:.2f }}MB</p>
    		        </div>
    		 
    		        <div class="metric">
    		            <h2>服务器负载</h2>
    		            <p>1分钟: {{ load_average[0]:.2f }}, 5分钟: {{ load_average[1]:.2f }}, 15分钟: {{ load_average[2]:.2f }}</p>
    		        </div>
    		 
    		        <div class="metric">
    		            <h2>进程列表 (CPU 占用前 10)</h2>
    		            <table class="process-table">
    		                <thead>
    		                    <tr>
    		                        <th>PID</th>
    		                        <th>进程名</th>
    		                        <th>CPU 使用率</th>
    		                        <th>内存使用率</th>
    		                    </tr>
    		                </thead>
    		                <tbody>
    		                    {% for process in processes %}
    		                    <tr>
    		                        <td>{{ process.pid }}</td>
    		                        <td>{{ process.name }}</td>
    		                        <td>{{ process.cpu_percent }}%</td>
    		                        <td>{{ process.memory_percent }}%</td>
    		                    </tr>
    		                    {% endfor %}
    		                </tbody>
    		            </table>
    		        </div>
    		    </div>
    		</body>
    		</html>

    代码解释：

    • 使用 HTML 和 CSS 定义了页面的结构和样式。
    • 使用 Flask 的模板语法 {{ ... }} 将 Python 代码中的数据渲染到页面上。
    • 使用 {% for ... in ... %} 循环遍历进程列表，并将每个进程的信息显示在表格中。

  3. 运行 Flask 应用：

    在项目目录下执行以下命令：

    python app.py

    然后在浏览器中访问 http://服务器IP:5000，就可以看到服务器监控面板了！

五、进阶功能：让监控面板更强大

上面的代码只是一个最简单的原型，还有很多可以改进和扩展的地方。

  1. 使用图表展示数据：

    使用 ECharts、Chart.js 等图表库，可以将 CPU 使用率、内存使用率等数据以图表的形式展示出来，更加直观。

  2. 添加历史数据查询功能：

    将监控数据存储到数据库中，比如 MySQL、InfluxDB 等，然后提供一个界面，可以查询历史数据。

  3. 添加报警功能：

    当某个指标超过阈值时，发送邮件、短信等报警通知，及时发现问题。

  4. 使用 Celery 实现异步任务：

    有些监控任务可能比较耗时，可以使用 Celery 将这些任务放到后台异步执行，避免阻塞 Web 应用。

  5. 美化界面：

    使用 Bootstrap、Vue.js 等前端框架，可以美化界面，提升用户体验。

六、总结：运维不再是苦力活

通过本文，我们学习了如何使用 Flask 快速打造一个服务器监控可视化面板。虽然这只是一个简单的示例，但它已经能够帮助我们更好地了解服务器的状态，提高运维效率。希望大家能够在此基础上，不断学习和探索，打造出更加强大的监控系统，让运维工作不再是苦力活！记住，技术是为了解放生产力，而不是让我们成为技术的奴隶！

监控小能手 Flask服务器监控运维

评论点评

打赏赞助
sponsor

感谢您的支持让我们更好的前行

分享

QRcode

https://www.webkt.com/article/9991