CentOS如何监控Python应用运行状态

在CentOS上想盯住Python应用的运行状态，方法其实不少，从命令行快速查看，到搭建完整的监控体系，都能满足不同场景的需求。下面逐一梳理，各位可以根据自己的实际情况来选择。

1. 使用systemd服务管理

假如你的Python应用是通过systemd管理的，那直接一条命令就能查状态——

sudo systemctl status your-python-app.service

输出里会显示进程是否在运行、最近日志、资源占用等关键信息，简单又直观。

2. 使用top或htop

这两个命令堪称系统进程的“实时监控器”，CPU、内存占用一目了然。

top

或者装个更友好的版本：

htop

用htop还能按F键排序、搜索进程，找你的Python应用非常方便。

3. 使用ps

想快速确认Python进程是否存活？ps配合grep是最经典的做法：

ps aux | grep your-python-app

输出里能看到PID、CPU/内存占用、运行时长，以及进程启动参数。

4. 使用netstat或ss

如果你的Python应用提供网络服务（比如Web API），那监控端口状态就很重要了。用netstat或ss都能查到：

netstat -tuln | grep your-python-app

或者

ss -tuln | grep your-python-app

注意ss通常比netstat更快，而且CentOS 7以上默认安装。

5. 使用lsof

想知道某个Python进程打开了哪些文件、占用了哪些端口？lsof是利器——

lsof -p 

先通过ps拿到PID，然后就能看到这个进程所有的文件句柄和网络连接，排查问题很有用。

6. 使用dstat

如果需要的是一套综合性能仪表盘，dstat可以一次性显示CPU、内存、网络、磁盘的实时数据，还能按进程排序I/O：

sudo dstat -cdngy --top-io --top-bio

这个工具适合快速定位资源瓶颈，而且输出格式清晰，容易读。

7. 使用Prometheus和Grafana

对于生产环境，或者需要长期趋势分析的情况，Prometheus + Grafana 是主流选择。先安装它们：

sudo yum install -y prometheus grafana

然后在/etc/prometheus/prometheus.yml里配置监控目标，比如你的Python应用暴露了/metrics接口：

scrape_configs:
  - job_name: 'python-app'
    static_configs:
      - targets: [':']

启动服务：

sudo systemctl start prometheus
sudo systemctl start grafana-server

最后在Grafana里添加Prometheus数据源，创建仪表盘——CPU、内存、请求数、延迟……所有你想看的数据都能可视化。

8. 使用logging模块

监控不只是看进程是否活着，日志里的异常信号同样重要。Python自带的logging模块可以帮上忙：

import logging
logging.basicConfig(filename='app.log', level=logging.INFO)
logging.info('Application started')

当然，日志量大了之后最好接入集中式日志系统（比如ELK、Graylog），方便搜索和告警。

9. 使用supervisor

需要自动管理进程的启动、重启和日志轮转？supervisor是经典方案。安装：

sudo yum install -y supervisor

创建配置文件/etc/supervisor/conf.d/your-python-app.conf：

[program:your-python-app]
command=/path/to/your/python-app
autostart=true
autorestart=true
stderr_logfile=/var/log/your-python-app.err.log
stdout_logfile=/var/log/your-python-app.out.log

启动并设置开机自启：

sudo systemctl start supervisord
sudo systemctl enable supervisord

之后，supervisorctl status就能看到所有进程状态，而且如果进程意外退出，它会自动拉起来。

以上九种方法，从轻量级命令行到企业级监控栈，覆盖了CentOS上监控Python应用的主流场景。选择时，重点考虑你的应用规模、运维复杂度以及是否需要历史趋势和告警。选择最适合自己的那一套，然后持续用起来就行了。