使用 Python 脚本监控进程的 CPU 和内存使用
在日常开发和运维工作中，我们常常需要监控某个进程的资源使用情况，例如 CPU 和内存的占用。如果仅靠手动运行 top 或其他工具，不仅效率低下，还难以长时间记录数据。这篇文章指导如何编写一个高效的脚本，自动监控指定进程的资源使用情况，并将结果保存到日志中。
功能描述
这个脚本实现以下功能：
- 接收两个输入参数：
- 进程 ID (int)：要监控的目标进程的 ID。
- 日志文件路径 (str)：记录监控数据的日志文件路径。
- 每秒执行一次
top命令，获取目标进程的 CPU 和内存使用情况。 - 将结果以时间戳、CPU 使用百分比、内存使用百分比的格式写入指定日志文件中。
- 如果目标进程不存在，则自动停止监控并退出。
脚本实现
下面是完整的 Python 脚本代码：
import argparse
import subprocess
import time
import os
def monitor_process(pid: int, log_path: str):
"""Monitor the memory and CPU usage of a process and log it to a file."""
# Check if the process exists
if not os.path.exists(f"/proc/{pid}"):
print(f"Process with PID {pid} does not exist.")
return
try:
with open(log_path, 'a') as log_file:
log_file.write(f"{'Timestamp':<20} {'CPU(%)':<10} {'Memory(%)':<10}\n") # Add header to the log file
while True:
if not os.path.exists(f"/proc/{pid}"):
print(f"Process with PID {pid} has exited. Stopping monitoring.")
break
try:
# Execute `top` command and filter for the specific PID
result = subprocess.run(
["top", "-b", "-n", "1", "-p", str(pid)],
stdout=subprocess.PIPE,
stderr=subprocess.PIPE,
text=True
)
if result.returncode != 0:
print(f"Error executing top command: {result.stderr.strip()}")
break
# Parse the output for the process stats
for line in result.stdout.splitlines():
if line.strip().startswith(str(pid)):
columns = line.split()
if len(columns) > 9:
cpu = columns[8] # CPU usage
mem = columns[9] # Memory usage
timestamp = time.strftime("%Y-%m-%d %H:%M:%S")
log_file.write(f"{timestamp:<20} {cpu:<10} {mem:<10}\n")
log_file.flush()
print(f"Logged: {timestamp} - CPU: {cpu}% Memory: {mem}%")
break
except KeyboardInterrupt:
print("Monitoring stopped by user.")
break
time.sleep(1) # Wait for 1 second before the next iteration
except IOError as e:
print(f"Failed to write to log file {log_path}: {e}")
if __name__ == "__main__":
parser = argparse.ArgumentParser(description="Monitor process CPU and memory usage.")
parser.add_argument("pid", type=int, help="Process ID to monitor.")
parser.add_argument("log_path", type=str, help="Path to the log file.")
args = parser.parse_args()
monitor_process(args.pid, args.log_path)
代码说明
参数解析
脚本使用 argparse 模块解析两个参数：
pid：进程 ID。log_path：日志文件路径，用于保存监控结果。
进程存在性检查
脚本通过检查 /proc/{pid} 路径判断目标进程是否存在。如果进程不存在，脚本会打印提示并退出。
top 命令执行
使用 subprocess.run 调用 top 命令，以批处理模式（-b）获取指定进程（-p）的资源使用信息。
日志格式
日志文件的格式如下：
Timestamp CPU(%) Memory(%)
2024-12-08 10:00:00 1.5 0.2
2024-12-08 10:00:01 2.0 0.3
- Timestamp：时间戳，记录数据采集的时间。
- CPU(%)：CPU 使用百分比。
- Memory(%)：内存使用百分比。
自动退出机制
脚本在每次循环时检查 /proc/{pid} 是否存在，如果目标进程已退出，则停止监控并打印提示信息。
键盘中断处理
支持用户通过 Ctrl+C 中断脚本执行，并安全退出。
使用方法
- 将上述代码保存为
monitor_process.py。 - 在终端运行脚本，指定进程 ID 和日志文件路径。例如：
python monitor_process.py 12345 /path/to/logfile.log
- 脚本将每秒记录一次目标进程的 CPU 和内存使用情况，并将结果保存到指定日志文件中。
应用场景
- 性能调优：实时监控关键进程的资源使用情况，帮助发现性能瓶颈。
- 故障排查：记录进程资源历史，便于分析问题根源。
- 自动化监控：结合其他工具或脚本，实现全自动化的监控与报警。
注意事项
- 权限问题：确保脚本有权限访问目标进程及写入日志文件。
- 进程状态检查：目标进程必须存在，否则脚本将无法运行。
- 性能开销：
top命令会占用少量系统资源，在频繁调用时需评估其影响。