Python资源监控脚本编写教程

本文手把手教你用Python和psutil打造一个轻量、跨平台、零依赖复杂框架的系统资源监控脚本：通过模块化函数精准采集CPU、内存、磁盘和网络使用率，结合连续超阈值判断与简易计数器机制提升告警准确性，利用time.sleep实现稳定定时轮询，并自动记录带时间戳的告警日志；无需安装额外调度工具，一行命令即可后台常驻运行，适合快速部署于服务器、开发机甚至边缘设备，真正实现“写完即用、小而可靠”的运维自动化实践。

用Python写一个自动监控系统资源使用率的脚本，核心是定期采集 CPU、内存、磁盘和网络等指标，判断是否超阈值，并记录或告警。不依赖复杂框架，用标准库 + psutil 就能快速落地。

安装并验证基础依赖

psutil 是跨平台系统监控利器，支持 Linux/Windows/macOS，先装好：

• pip install psutil
• 运行 python -c "import psutil; print(psutil.cpu_percent())" 确认能正常获取数据

分模块采集关键资源指标

每类资源用独立函数封装，返回字典格式便于后续处理：

• CPU 使用率：调用 psutil.cpu_percent(interval=1)（设 1 秒采样间隔，避免瞬时抖动）
• 内存使用率：psutil.virtual_memory().percent（直接得百分比）
• 根目录磁盘使用率：psutil.disk_usage('/').percent（Linux/macOS）或 psutil.disk_usage('C:\\').percent（Windows）
• 网络收发速率：用 psutil.net_io_counters() 记录前后两次差值，单位转为 KB/s

设置阈值与触发逻辑

把“什么算异常”明确写死或配置化，例如：

• CPU > 90% 持续 3 次采样 → 记录告警
• 内存 > 95% → 发邮件或写日志
• 磁盘 > 90% → 同时检查 /var/log 或 C:\Temp 是否有大文件

建议用简单计数器（如 cpu_alarm_count = 0）做连续超限判断，比单次阈值更稳。

定时执行与结果输出

不用上 APScheduler 这类重型工具，用 time.sleep(10) 配合 while 循环就能满足分钟级监控：

• 每次采集后打印简明状态，如 [2024-06-15 14:22] CPU: 82.3% | Mem: 76.1%
• 异常时写入本地日志文件（with open("alert.log", "a") as f），含时间戳和详情
• 需要实时通知？可加几行 SMTP 代码发邮件，或调用企业微信/钉钉 Webhook

基本上就这些。脚本写完可丢进后台常驻运行（nohup python monitor.py &），再配合 logrotate 做日志轮转，一个轻量但可用的监控小工具就跑起来了。

今天关于《Python资源监控脚本编写教程》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！