Python服务器巡检核心是“可执行、可感知、可追溯”：用subprocess/paramiko采集CPU、内存、进程、端口等指标，分级告警并静默去重，JSON+CSV+SQLite留存日志，测试48小时后上线。
用 Python 做服务器状态巡检与告警，核心是“可执行、可感知、可追溯”——脚本得跑得稳，指标得看得清，异常得及时触达。
一、明确要监控的关键指标
别一上来就写代码，先理清哪些状态真正影响业务：
-
CPU 使用率（持续 >85% 需关注）
-
内存剩余量（尤其关注可用内存
-
磁盘使用率（根分区 / 或数据目录，>90% 触发预警）
-
关键进程存活（如 nginx、mysql、redis 进程是否存在）
-
端口连通性（如 22、80、3306 是否能 telnet 通）
-
服务响应时间（HTTP 接口返回码、耗时，可选）
二、用轻量方案采集数据
避免引入复杂依赖，优先用系统命令 + Python 解析：
- 用 subprocess.run() 调用 top -bn1、free -m、df -h、ps aux、lsof -i :端口号
- 正则提取关键数值，比如 re.search(r'(\d+)%\s+/dev/sda1', df_output)
- 对远程服务器，可用 paramiko 执行命令（不依赖 agent），或统一走 SSH 密钥免密登录
- 本地脚本建议每 5 分钟 cron 执行一次；多台服务器可用并发线程/asyncio 加速轮询
三、设计分级告警逻辑
不是所有异常都要发消息，分清“提示”、“警告”、“严重”：
-
提示级：磁盘 85%，发企业微信/钉钉群（不 @ 人）
-
警告级：CPU 连续 3 次 >90%，邮件 + 群消息 + @值班人
-
严重级：MySQL 进程消失 + 3306 端口不通，立即电话/短信（集成 Twilio 或国内短信网关）
- 加个“静默期”机制：同一问题 1 小时内只告警 1 次，避免刷屏
四、结果留存与简易可视化
巡检不能只管“报”，还要留痕、可查：
- 每次运行生成 JSON 日志，含时间、主机名、各项指标值、是否告警，存到本地 /var/log/server-check/
- 用 csv 写入历史记录，方便 Excel 拉趋势图；或用 sqlite 存储，加个简单 Flask 页面查最近 7 天状态
- 关键指标超阈值时，在日志中标记 [ALERT]，grep 一眼定位问题时段
基本上就这些。不复杂但容易忽略的是：阈值要随业务调、告警渠道要真实可用、日志权限要设好。脚本写完，务必在测试机上跑满 48 小时再上线。
