国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

python10min手寫一個服務器內(nèi)存監(jiān)控系統(tǒng)

OBKoro1 / 1367人閱讀

簡易的內(nèi)存監(jiān)控系統(tǒng)

本文需要有一定的python和前端基礎(chǔ),如果沒基礎(chǔ)的,請關(guān)注我后續(xù)的基礎(chǔ)教程系列博客

文章源地址,還可以看到具體的代碼,喜歡請加個星星

騰訊視頻鏈接

錄制中間網(wǎng)出問題了,重啟了一下,所以有兩部分

視頻1

視頻2

本文的目的在于,盡可能用簡單的代碼,讓大家了解內(nèi)存監(jiān)控的原理
主題思路

獲取內(nèi)存信息

存儲信息

展現(xiàn)

后續(xù)擴展

加主機名,monitor部署在多臺機器,不直接插數(shù)據(jù)庫

通過http請求的方式,一臺機器起flask專門存數(shù)據(jù)monitor

思路圖

第一步,我們需要獲取內(nèi)存信息

其實所有的監(jiān)控項,包括內(nèi)存數(shù)據(jù),都是從文件中讀取的,大家執(zhí)行以下 cat /proc/meminfo就可以看到關(guān)于內(nèi)存的信息,我們關(guān)注的是前四行,總內(nèi)存,空閑內(nèi)存,緩沖和緩存大小

計算內(nèi)存占用量公式:

(總內(nèi)存-空閑內(nèi)存-緩沖-緩存)/1024Mb

代碼呼之欲出 monitor.py

用with打開文件,可以自動關(guān)閉,比直接open優(yōu)雅那么一丟丟

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()

執(zhí)行文件 python monitor.py,每一秒打印一條內(nèi)存信息

[woniu@teach memory]$ python mointor.py 
2920
2919
2919
2919
2919

我們可以寫個很搓的測試代碼,占用一點內(nèi)存,看看數(shù)據(jù)會不會變
執(zhí)行下面代碼,能看到內(nèi)存使用量明顯多了幾M

# test.py

s = "akdsakjhdjkashdjkhasjkdhasjkdhkjashdaskjhfoopnnm,ioqouiew"*100000

for i in s:
    for j in s:
        s.count(j)                 

獲取內(nèi)存數(shù)據(jù)done!

第二步存儲數(shù)據(jù)庫 我們選用mysql

新建表格,我們需要兩個字段,內(nèi)存和時間 sql呼之欲出,簡單粗暴

create memory(memory int,time int)

我們的 monitor.py就不能只打印內(nèi)存信息了,要存儲數(shù)據(jù)庫啦,引入mysql模塊,代碼如下

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
    #print "ok"
while True:
    time.sleep(1)
    getMem()

比之前的多了拼接sql和執(zhí)行的步驟,具體過程見視頻,大家到數(shù)據(jù)庫里執(zhí)行一下下面的sql,就能看到我們辛辛苦苦獲取的內(nèi)存數(shù)據(jù)啦

    select * from memory

我們的數(shù)據(jù)庫里數(shù)據(jù)越來越多,怎么展示呢

我們需要flask
我們看下文件結(jié)構(gòu)

.
├── flask_web.py web后端代碼
├── mointor.py 監(jiān)控數(shù)據(jù)獲取
├── static 靜態(tài)文件,第三方圖表庫
│?? ├── exporting.js
│?? ├── highstock.js
│?? └── jquery.js
├── templates
│?? └── index.html 展示前端頁面
└── test.py 占用內(nèi)存的測試代碼

flask_web就是我們的web服務代碼,template下面的html,就是前端展示的文件,static下面是第三方庫

flask_web的代碼如下

提供兩個路由

根目錄渲染文件index.html

/data路由去數(shù)據(jù)庫插數(shù)據(jù),返回json,供畫圖使用

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
highstock的demo頁面,copy過來,具體過程見視頻



51reboot



hello world

具體觀察數(shù)據(jù)結(jié)構(gòu)的過程,見視頻和demo鏈接,我們做的 就是把數(shù)據(jù)庫里的數(shù)據(jù),拼接成前端畫圖需要的數(shù)據(jù),展現(xiàn)出來

這時候前端就能看到圖表啦

我們并不僅限于此,如果想實時的看到內(nèi)存,應該怎么搞呢

查詢數(shù)據(jù)時候增加一個時間戳當限制條件,再次查詢時,只返回兩次查詢之間的增量數(shù)據(jù)

前端動態(tài)添加增量結(jié)點數(shù)據(jù)到圖表中

代碼呼之欲出

python

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秒查一次增量數(shù)據(jù)

    $.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!兩個文件都搞定,double kill!
效果

最終代碼直接下載那個木看也行

監(jiān)控文件monitor.py

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():
    f = open("/proc/meminfo")
    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
    #print "ok"
while True:
    time.sleep(1)
    getMem()

flask

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")

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)

if __name__=="__main__":
    app.run(host="0.0.0.0",port=9092,debug=True)

前端



51reboot




hello world

代碼沒有特別注意細節(jié),希望大家喜歡。


歡迎大家關(guān)注個人公共號,高品質(zhì)運維開發(fā)

文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址:http://m.specialneedsforspecialkids.com/yun/37648.html

相關(guān)文章

  • python10min手寫一個務器內(nèi)存監(jiān)控系統(tǒng)

    簡易的內(nèi)存監(jiān)控系統(tǒng) 本文需要有一定的python和前端基礎(chǔ),如果沒基礎(chǔ)的,請關(guān)注我后續(xù)的基礎(chǔ)教程系列博客 文章源地址,還可以看到具體的代碼,喜歡請加個星星 騰訊視頻鏈接 錄制中間網(wǎng)出問題了,重啟了一下,所以有兩部分 視頻1 視頻2 本文的目的在于,盡可能用簡單的代碼,讓大家了解內(nèi)存監(jiān)控的原理主題思路 獲取內(nèi)存信息 存儲信息 展現(xiàn) 后續(xù)擴展 加主機名,monitor部署在多臺機器,不直接插...

    sunsmell 評論0 收藏0
  • 【機器學習實戰(zhàn) Task1】 (KNN)k近鄰算法的應用

    摘要:背景近鄰算法的概述近鄰算法的簡介近鄰算法是屬于一個非常有效且易于掌握的機器學習算法,簡單的說就是采用測量不同特征值之間距離的方法對數(shù)據(jù)進行分類的一個算法。完美的分類器的錯誤率為,而最差的分類器的錯誤率則為。 1 背景 1.1 k近鄰算法的概述 (1)k近鄰算法的簡介 k-近鄰算法是屬于一個非...

    toddmark 評論0 收藏0
  • Android移動客戶端性能測試淺談——電量

    摘要:性能測試除了需要監(jiān)控內(nèi)存占用流量等,還需要獲取的電量數(shù)據(jù),測試在可接受范圍內(nèi),避免出現(xiàn)過度消耗電量的現(xiàn)象。這一欄顯示了不同的充電方式對電量使用的影響。 本文由作者張迎貞授權(quán)網(wǎng)易云社區(qū)發(fā)布。 APP性能測試除了需要監(jiān)控PCU、內(nèi)存占用、流量等,還需要獲取APP的電量數(shù)據(jù),測試在可接受范圍內(nèi),避免APP出現(xiàn)過度消耗電量的現(xiàn)象。手機有很多硬件模塊:CPU,藍牙,GPS,顯示屏,Wifi,射頻...

    Airy 評論0 收藏0
  • Python數(shù)據(jù)挖掘與機器學習技術(shù)入門實戰(zhàn)

    摘要:在本次課程中,著重講解的是傳統(tǒng)的機器學習技術(shù)及各種算法。回歸對連續(xù)型數(shù)據(jù)進行預測趨勢預測等除了分類之外,數(shù)據(jù)挖掘技術(shù)和機器學習技術(shù)還有一個非常經(jīng)典的場景回歸。 摘要: 什么是數(shù)據(jù)挖掘?什么是機器學習?又如何進行Python數(shù)據(jù)預處理?本文將帶領(lǐng)大家一同了解數(shù)據(jù)挖掘和機器學習技術(shù),通過淘寶商品案例進行數(shù)據(jù)預處理實戰(zhàn),通過鳶尾花案例介紹各種分類算法。 課程主講簡介:韋瑋,企業(yè)家,資深I(lǐng)T領(lǐng)...

    ephererid 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<