本文的目的在于，尽可能用简单的代码，让大家了解内存监控的原理，及思想。更容易去理解Nagios、Zabbix、Ganglia监控原理，文章最后还有视频教程链接哦，从零敲出来的全过程
思路分为下面几块：
1.获取内存监控信息
2.存储监控信息
3.数据展现
4.后续扩展
1.加主机名，monitor部署在多台机器，不直接插入数据库
2. 增加CPU，Disk监控
3. 通过HTTP请求的方式，启用一个单独的Flask专门存储monitor数据
第一步：获取内存信息
我们通过读取 /proc/meminfo获取监控数据MemTotal、MemFree、Buffers、Cached，咱们常用free -m 其实也是读取的/pro/meminfo的数据,顺便说一下
对于操作系统来说，Buffers、Cached是已经被使用的
MemFree=total-used
对于应用程序来说
MemFree=buffers+cached+free
监控物理内存使用
内存使用=MemTotal-MemFree-Buffers-Cached
开撸：monitor.py获取监控数据
def getMem(): with open(‘/proc/meminfo‘) as f: total = int(f.readline().split()[1]) free = int(f.readline().split()[1]) buffers = int(f.readline().split()[1]) cache = int(f.readline().split()[1]) mem_use = total-free-buffers-cache print mem_use/1024 while True: time.sleep(1) getMem()
测试：每秒打印一条数据
[[email protected] memory]$ python mointor.py 2920 2919 2919 2919 2919
希望内存多变好一些，写了一个很挫的测试代码
# test.py s = ‘www.51reboot.com‘*1000000 for i in s: for j in s: s.count(j)
执行python test.py，会发现内存占用多了几M，说明咱们的代码是OK的
第二步：存储监控信息（我们用MySQL）
我们需要两个字段，内存和时间 sql呼之欲出，简单粗暴
create database memory； create memory(memory int,time int)
接下来我们把monitor.py的数据存储到数据库中，这用到了Python MySQLdb模块
import time import MySQLdb as mysql db = mysql.connect(user="reboot",passwd="reboot123",db="memory",host="localhost") db.autocommit(True) cur = db.cursor() def getMem(): with open(‘/proc/meminfo‘) as f: total = int(f.readline().split()[1]) free = int(f.readline().split()[1]) buffers = int(f.readline().split()[1]) cache = int(f.readline().split()[1]) mem_use = total-free-buffers-cache t = int(time.time()) sql = ‘insert into memory (memory,time) value (%s,%s)‘%(mem_use/1024,t) cur.execute(sql) print mem_use/1024 while True: time.sleep(1) getMem()
暂时告一段落
第三步：数据展现（Flask框架）
代码结构
├── flask_web.py web后端代码 ├── mointor.py 监控数据获取 ├── static 静态文件，第三方图表库 │ ├── exporting.js │ ├── highstock.js │ └── jquery.js ├── templates │ └── index.html 展示前端页面 └── test.py 占用内存的测试代码
from flask import Flask,render_template,request import MySQLdb as mysql con = mysql.connect(user=‘reboot‘,passwd=‘reboot123‘,host=‘localhost‘,db=‘memory‘) con.autocommit(True) cur = con.cursor() app = Flask(__name__) import json @app.route(‘/‘) def index(): return render_template(‘index.html‘) @app.route(‘/data‘) def data(): sql = ‘select * from memory‘ cur.execute(sql) arr = [] for i in cur.fetchall(): arr.append([i[1]*1000,i[0]]) return json.dumps(arr) if __name__==‘__main__‘: app.run(host=‘0.0.0.0‘,port=9092,debug=True)
前端index.html
<div id="container" style="height: 400px; min-width: 310px"></div>
<script>
$(function () {
// 使用当前时区，否则东八区会差八个小时
Highcharts.setOptions({
global: {
useUTC: false
}
});
$.getJSON(‘/data‘, function (data) {
// Create the chart
$(‘#container‘).highcharts(‘StockChart‘, {
rangeSelector : {
selected : 1
},
title : {
text : ‘内存数据‘
},
series : [{
name : ‘本机内存‘,
data : data,
tooltip: {
valueDecimals: 2
}
}]
});
});
});
</script>
执行python flask_web.py，浏览器看数据www.51reboot.com:9092，出图了
我们并不仅限于此，如果想实时的看到内存，应该怎么搞
1.查询数据时候增加一个时间戳当限制条件，只返回两次查询之间的增量数据
2.前端动态添加增量结点数据到图表中
修改flask_web.py
tmp_time = 0 @app.route(‘/data‘) def data(): global tmp_time if tmp_time>0: sql = ‘select * from memory where time>%s‘ % (tmp_time/1000) else: sql = ‘select * from memory‘ cur.execute(sql) arr = [] for i in cur.fetchall(): arr.append([i[1]*1000,i[0]]) if len(arr)>0: tmp_time = arr[-1][0] return json.dumps(arr)
前端,3秒查一次增量数据,根据自己需求调整，修改index.html
$.getJSON(‘/data‘, function (data) {
// Create the chart
$(‘#container‘).highcharts(‘StockChart‘, {
chart:{
events:{
load:function(){
var series = this.series[0]
setInterval(function(){
$.getJSON(‘/data‘,function(res){
$.each(res,function(i,v){
series.addPoint(v)
})
})
},3000)
}
}
},
rangeSelector : {
selected : 1
},
title : {
text : ‘AAPL Stock Price‘
},
series : [{
name : ‘AAPL‘,
data : data,
tooltip: {
valueDecimals: 2
}
}]
});
});
done！两个文件都搞定，double kill！ 效果
后边改了这么多，大家可能糊涂了，现在给出完整代码：
完整代码大家可以从Github下载
https://github.com/shengxinjing/my_blog/issues/1
视频下载地址：http://pan.baidu.com/s/1i4acpP7
Python学习交流群：238757010
原文地址：https://www.cnblogs.com/reboot51/p/8675667.html