1. 使用psutil库监控系统资源
psutil是跨平台的Python库，可实时获取CPU、内存、磁盘、网络等系统资源使用情况，适用于CentOS环境下监控Python进程及周边资源。示例代码：
import psutil
# 获取CPU使用率（间隔1秒）
cpu_percent = psutil.cpu_percent(interval=1)
print(f"CPU使用率: {cpu_percent}%")
# 获取内存信息（总内存、已用、可用、使用率）
memory = psutil.virtual_memory()
print(f"总内存: {memory.total / (1024**3):.2f}GB, 已用: {memory.used / (1024**3):.2f}GB, 使用率: {memory.percent}%")
# 获取磁盘使用情况（根分区）
disk = psutil.disk_usage('/')
print(f"磁盘总空间: {disk.total / (1024**3):.2f}GB, 已用: {disk.used / (1024**3):.2f}GB, 使用率: {disk.percent}%")
# 获取网络IO（发送/接收字节数）
net_io = psutil.net_io_counters()
print(f"发送字节数: {net_io.bytes_sent / (1024**2):.2f}MB, 接收字节数: {net_io.bytes_recv / (1024**2):.2f}MB")
通过循环调用上述函数，可实现定时监控；结合matplotlib库还能绘制资源使用趋势图。
2. 构建Web监控面板（Flask+psutil）
使用Flask框架将监控数据可视化，通过Web界面实时查看。示例步骤：
pip install flask psutilapp.py）：from flask import Flask, jsonify, render_template
import psutil
app = Flask(__name__)
@app.route('/')
def index():
return render_template('index.html') # 创建templates/index.html展示数据
@app.route('/api/resource')
def resource():
cpu = psutil.cpu_percent(interval=1)
memory = psutil.virtual_memory().percent
return jsonify({"cpu": cpu, "memory": memory})
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000)
templates/index.html）：<!DOCTYPE html>
<html>
<body>
<h2>CPU使用率: <span id="cpu">-</span>%</h2>
<h2>内存使用率: <span id="memory">-</span>%</h2>
<script>
setInterval(async () => {
const res = await fetch('/api/resource');
const data = await res.json();
document.getElementById('cpu').textContent = data.cpu;
document.getElementById('memory').textContent = data.memory;
}, 1000);
</script>
</body>
</html>
运行python app.py后，访问http://服务器IP:5000即可查看实时资源使用情况。
3. 利用Supervisor管理Python进程
Supervisor是进程管理工具，可确保Python脚本持续运行，并在崩溃时自动重启。示例配置：
sudo yum install -y supervisor/etc/supervisor/conf.d/python_script.conf）：[program:my_python_script]
command=/usr/bin/python3 /path/to/your_script.py # 替换为实际脚本路径
directory=/path/to/your_script_directory # 脚本工作目录
autostart=true # 开机自启
autorestart=true # 崩溃自动重启
stderr_logfile=/var/log/my_python_script.err.log # 错误日志路径
stdout_logfile=/var/log/my_python_script.out.log # 输出日志路径
sudo systemctl start supervisord
sudo supervisorctl reread # 重新读取配置
sudo supervisorctl update # 更新进程列表
sudo supervisorctl status # 查看进程状态
通过supervisorctl命令可手动启动/停止进程，日志文件可用于排查脚本运行问题。
4. 使用Glances工具监控系统与Python进程
Glances是基于Python的跨平台监控工具，支持CPU、内存、磁盘、网络及Python进程的实时监控。示例步骤：
sudo yum install -y epel-release && sudo yum install -y glancesglances（按q退出）glances -w（访问http://服务器IP:61208）5. 使用Prometheus+Grafana实现高级监控
Prometheus用于收集时序数据，Grafana用于数据可视化，适合大规模Python应用监控。示例步骤：
prometheus.yml，添加Python应用的监控目标（如job_name: 'python_app', static_configs: [{'targets': ['localhost:5000']}])。prometheus_client库（pip install prometheus_client），暴露指标：from prometheus_client import start_http_server, Gauge
import random
import time
# 定义指标
cpu_usage = Gauge('python_app_cpu_usage', 'Python应用CPU使用率')
memory_usage = Gauge('python_app_memory_usage', 'Python应用内存使用率')
# 模拟数据收集
start_http_server(5000) # 启动HTTP服务器，暴露指标
while True:
cpu_usage.set(random.uniform(10, 50)) # 模拟CPU使用率
memory_usage.set(random.uniform(20, 60)) # 模拟内存使用率
time.sleep(5)
6. 使用Py-spy进行性能分析
Py-spy是无侵入的Python性能分析工具，可生成火焰图，帮助定位Python代码的性能瓶颈。示例步骤：
pip install py-spypy-spy record -o profile.svg --pid $(pgrep -f your_script.py)
生成的profile.svg文件可通过浏览器打开，显示函数调用的耗时占比，帮助优化慢函数。
