专栏简介： 本专栏将从单机巡检起步，逐步演进到多机批量巡检、异常告警推送、可视化Dashboard，最终构建一套完整的企业级自动化运维平台。每一篇都是生产环境实战沉淀，拒绝拒绝Hello World式教学。

📌 本篇导读

作为专栏的第一篇，我们将聚焦于单机巡检V1版本的实现。通过本篇的学习，你将掌握：

1. 如何使用 psutil 库采集服务器的 CPU、内存、磁盘等核心指标。
2. 如何设计高内聚、低耦合的模块化项目结构。
3. 如何实现基于阈值的异常检测逻辑。
4. 如何自动生成格式化的 HTML 巡检报告。

一、 项目架构设计

在编写代码之前，良好的项目结构是企业级开发的基础。我们采用模块化设计，将数据采集、异常分析、报告生成等功能解耦，方便后续的维护和扩展。

#
#
#作者：饭要加加加
如需获取项目代码压缩包请关注同名公众号：饭要加加加 私信获取
#
#

server-inspection/
│
├── main.py                 # 程序入口（调度中心）
│
├── config/
│   └── server.yaml         # 服务器配置（预留）
│
├── collectors/             # 指标采集层
│   ├── cpu.py              # CPU采集
│   ├── memory.py           # 内存采集
│   └── disk.py             # 磁盘采集
│
├── ssh/
│   └── client.py           # SSH连接模块（后续多机巡检使用）
│
├── analyzer/
│   └── check.py            # 异常判断逻辑
│
├── report/
│   └── template.html       # 报告模板（预留）
│
├── notify/
│   └── wechat.py           # 消息通知（预留）
│
└── logs/
    └── inspection.log      # 运行日志

💡 设计思考：为什么一开始就要把目录分得这么细？
在实际企业项目中，“高内聚、低耦合” 是核心原则。把采集、分析、通知分开，意味着未来如果我们需要把“企业微信通知”换成“钉钉通知”，或者把“本地采集”换成“SSH远程采集”，只需要修改对应模块的代码，而不会影响主流程 main.py 的逻辑。

---

二、环境准备与项目初始化

1. 创建项目与虚拟环境

为了保证环境的纯净，避免不同项目之间的依赖冲突，我们强烈建议使用 Python 虚拟环境。

# 创建项目根目录并进入
mkdir server-inspection
cd server-inspection

# 安装Python（如果系统尚未安装）
yum -y install python

# 创建并激活虚拟环境
python3 -m venv venv
source venv/bin/activate

📌 Tip：激活虚拟环境后，你的命令行提示符前面会出现 (venv) 字样，此时使用 pip 安装的包都会保存在该虚拟环境内，不会污染系统的全局 Python 环境。

2. 安装第三方依赖

我们在项目根目录创建 requirements.txt 文件并添加以下内容：

psutil
pyyaml
jinja2
requests
paramiko

执行安装：

pip install -r requirements.txt
pip list   # 验证安装结果

依赖库说明：

• psutil：跨平台的系统和进程监控库，是我们采集指标的核心。
• pyyaml：用于解析 YAML 配置文件。
• jinja2：强大的模板引擎，后续用于生成精美的 HTML 报告。
• requests：用于发送 HTTP 请求（如调用微信告警 API）。
• paramiko：用于实现 SSH 远程连接（第二篇多机巡检的核心）。

3. 初始化项目目录结构

# 创建各个功能模块目录
mkdir config collectors analyzer report notify logs

# 创建主入口文件
touch main.py

# 创建配置文件
touch config/server.yaml

# 创建采集模块文件
touch collectors/cpu.py
touch collectors/memory.py
touch collectors/disk.py

# 创建分析模块文件
touch analyzer/check.py

# 创建报告模块文件
touch report/report.py

# 创建通知模块文件
touch notify/wechat.py

💡 为什么要加 __init__.py？ 它是Python包的标识文件，有了它才能使用 from collectors.cpu import ... 这样的跨模块导入。

三、 实现指标采集模块 (Collectors)

数据采集是巡检系统的第一步。我们将使用 psutil 库来获取系统的底层运行状态。

3.1 CPU 采集

编写 collectors/cpu.py：

import psutil

def get_cpu_usage():
    cpu = psutil.cpu_percent(interval=5)
    return cpu

if __name__ == "__main__":
    print(get_cpu_usage())

🔍 代码解析：
psutil.cpu_percent(interval=5) 中的 interval=5 非常关键。它表示阻塞 5 秒钟来计算这段时间内的 CPU 平均使用率。如果不设置 interval，返回的将是自上一次调用以来的瞬时值，往往不够准确。

3.2 内存采集

编写 collectors/memory.py：

import psutil

def get_memory_usage():

    memory = psutil.virtual_memory()

    return {
        "total": round(memory.total/1024/1024/1024,2),
        "used": round(memory.used/1024/1024/1024,2),
        "percent": memory.percent
    }

if __name__=="__main__":
    print(get_memory_usage())

🔍 代码解析：
psutil.virtual_memory() 返回的是一个包含丰富内存信息的命名元组。这里我们通过除以 1024**3 将字节（Bytes）转换为更易读的 GB 单位，并使用 round(..., 2) 保留两位小数。最终返回一个字典，方便后续统一处理。

3.3 磁盘采集

编写 collectors/disk.py：

import psutil

def get_disk_usage():

    disk = psutil.disk_usage("/")
    return {
        "total":
        round(disk.total/1024/1024/1024,2),

        "used":
        round(disk.used/1024/1024/1024,2),

        "percent":
        disk.percent
    }

if __name__=="__main__":
    print(get_disk_usage())

🔍 代码解析：
psutil.disk_usage("/") 用于获取根目录 / 所在磁盘分区的使用情况。在 Linux 系统中，根目录通常是系统盘。后续在 V2 版本中，我们可以将其优化为遍历所有挂载点，以监控数据盘。

3.4 整合采集数据

现在我们已经有了三个独立的采集模块，接下来在 main.py 中将它们串联起来，把采集到的数据统一存入一个字典中。

修改 main.py：

from collectors.cpu import get_cpu_usage
from collectors.memory import get_memory_usage
from collectors.disk import get_disk_usage

def main():
    data={}

    data["cpu"] = get_cpu_usage()
    data["memory"] = get_memory_usage()
    data["disk"] = get_disk_usage()

    print(data)
    
if __name__=="__main__":
    main()

💡 设计亮点：
将所有的指标数据收敛到一个 data 字典中，是一种非常好的做法。这样无论后续增加多少个采集项（如网络IO、进程数等），我们只需要往 data 字典里追加键值对即可，下游的分析模块和报告模块只需要接收这一个 data 参数。

四、 异常检测与逻辑串联 (Analyzer)

4.1 增加异常检测

编写 analyzer/check.py：

def check(data):

    alarms=[]

    if data["cpu"]>80:
        alarms.append(
        "CPU使用率过高"
        )

    if data["memory"]["percent"]>85:
        alarms.append(
        "内存使用率过高"
        )

    if data["disk"]["percent"]>90:
        alarms.append(
        "磁盘空间不足"
        )

    return alarms

🔍 代码解析：
这里我们写了三个基础阈值：CPU > 80%、内存 > 85%、磁盘 > 90%。当触发阈值时，将告警信息追加到 alarms 列表中。如果列表为空，则说明服务器状态健康。

4.2 整合主流程 main.py

将异常检测模块接入主流程，看看我们的巡检系统是否能正确发现问题。运行 python main.py，你将看到控制台打印出采集到的数据字典，以及检测出的异常列表。至此，我们的巡检系统已经具备了 “感知” 和 “思考” 的能力！

更新 main.py：

from collectors.cpu import get_cpu_usage
from collectors.memory import get_memory_usage
from collectors.disk import get_disk_usage
from analyzer.check import check #引入check模块下check函数

def main():

    data={}

    data["cpu"] = get_cpu_usage()
    data["memory"] = get_memory_usage()
    data["disk"] = get_disk_usage()

    print(data)
    alarm=check(data) #执行check函数
    print("异常:")
    print(alarm)

if __name__=="__main__":
    main()

五、 生成巡检报告 (Report)

作为企业级运维工具，仅仅在控制台打印结果是不够的。我们需要将巡检结果持久化，生成一份直观、易读的报告文件，方便存档或发送给团队查阅。

5.1 编写报告生成逻辑

编写 report/report.py。这里我们使用 Python 的 f-string 格式化字符串，生成简单的报告

from datetime import datetime

def create_report(data, alarms):

    content=f"""

服务器巡检报告

时间:
{datetime.now()}

CPU:
{data['cpu']}%

内存:
{data['memory']}

磁盘:
{data['disk']}

异常:
{alarms}

"""
    with open("report.html","w") as f:
        f.write(content)

我们选择HTML 具有极强的扩展性。虽然当前 V1 版本只是简单的文本拼接，但在后续版本中，我们可以引入 CSS 样式让报告变得非常精美，甚至可以使用 jinja2 模板引擎渲染复杂的表格和图表

5.2 最终版 main.py 脚本

最后，我们将报告生成模块接入主流程，完成整个单机巡检 V1 版本的闭环。

最终版 main.py：

from collectors.cpu import get_cpu_usage
from collectors.memory import get_memory_usage
from collectors.disk import get_disk_usage
from analyzer.check import check
from report.report import create_report #引入report模块下create_report函数

def main():

    data={}

    data["cpu"] = get_cpu_usage()
    data["memory"] = get_memory_usage()
    data["disk"] = get_disk_usage()
    print(data)

    alarm=check(data)
    print("异常:")
    print(alarm)

    create_report(data,alarm)  #执行函数生成巡检文件

if __name__=="__main__":

    main()

执行 python main.py 后，项目根目录下会生成一个 report.html 文件。目前不具备web页面访问，因为没有添加html相关标签格式，后续项目升级会逐步实现。

5.3添加定时任务

在巡检服务器上添加定时任务，比如设置每天早上九点巡检

crontab -e 
0 9 * * * cd /root/server-inspection && python main.py

六、 本篇总结与下篇预告

✅ 本篇收获

在本文中，我们成功从零搭建了一个单机服务器巡检系统 V1 版本。我们实现了：

1. 模块化开发：建立了 collectors、analyzer、report 三层架构，代码结构清晰。
2. 指标采集：熟练运用 psutil 获取 CPU、内存、磁盘的核心运行数据。
3. 阈值告警：实现了基础的异常判断逻辑，能够自动发现潜在风险。
4. 报告输出：将巡检结果自动化输出为 HTML 文件。

⚠️ V1 版本的局限性

虽然 V1 版本已经跑通了核心流程，但距离真正的“企业级”还有一段距离：

只能巡检本机：生产环境有几十台服务器，不可能每台都去部署这套代码。

🚀 下篇预告：多机巡检与配置化

在下一篇文章中，我们将对系统进行大升级，迈入 V2 版本：

1. 引入 Paramiko：实现 SSH 远程免密登录，在一台控制机上采集所有目标服务器的数据。
2. YAML 配置驱动：将服务器 IP 列表、账号密码、告警阈值全部剥离到 server.yaml 中。

🌟 创作不易，如果这篇文章对你有帮助，欢迎点赞 👍、收藏 ⭐、关注 🔔 三连支持！你的支持是我持续更新的最大动力。有任何问题或建议，欢迎在评论区留言交流，我会一一回复！