服务器状态监控脚本源码免费下载，一键部署教程及多平台支持

admin
行业动态
2025-04-15
3026

该源码实现服务器运行状态实时监控，支持检测CPU、内存、磁盘及网络使用率等核心指标，提供异常阈值警报与邮件/短信通知功能，采用模块化设计，兼容主流操作系统，可通过配置文件扩展监控项，帮助管理员快速掌握服务器健康状态，预防潜在故障风险。

服务器状态监控系统的核心目标是实时获取硬件资源使用情况，并通过可视化界面直观展示数据，以下实现方案采用Python技术栈，符合现代Web开发规范，兼顾安全性与可扩展性,并通过结构化数据优化SEO效果。

实现方案架构

数据采集层：使用psutil库每秒采集系统指标
数据存储层：SQLite数据库实现轻量级存储
服务接口层：Flask框架提供RESTful API
可视化层：Chart.js构建交互式仪表盘
安全防护：JWT认证+请求频率限制

# 核心监控代码（app.py）
from flask import Flask, jsonify, render_template
import psutil
import sqlite3
from datetime import datetime
from apscheduler.schedulers.background import BackgroundScheduler
app = Flask(__name__)
def create_table():
    conn = sqlite3.connect('metrics.db')
    c = conn.cursor()
    c.execute('''CREATE TABLE IF NOT EXISTS server_metrics
                 (timestamp DATETIME, cpu REAL, memory REAL, 
                  disk REAL, network_sent REAL, network_recv REAL)''')
    conn.commit()
    conn.close()
def collect_metrics():
    cpu = psutil.cpu_percent()
    memory = psutil.virtual_memory().percent
    disk = psutil.disk_usage('/').percent
    net = psutil.net_io_counters()
    conn = sqlite3.connect('metrics.db')
    c = conn.cursor()
    c.execute('''INSERT INTO server_metrics VALUES 
              (?,?,?,?,?,?)''', (datetime.now(), cpu, memory, disk, 
                               net.bytes_sent, net.bytes_recv))
    conn.commit()
    conn.close()
@app.route('/api/metrics')
def get_metrics():
    conn = sqlite3.connect('metrics.db')
    c = conn.cursor()
    c.execute('''SELECT * FROM server_metrics 
              ORDER BY timestamp DESC LIMIT 60''')
    data = [{
        "timestamp": row[0],
        "cpu": row[1],
        "memory": row[2],
        "disk": row[3],
        "network": {
            "sent": row[4],
            "recv": row[5]
        }
    } for row in c.fetchall()]
    conn.close()
    return jsonify(data)
@app.route('/status')
def dashboard():
    return render_template('dashboard.html')
if __name__ == '__main__':
    create_table()
    scheduler = BackgroundScheduler()
    scheduler.add_job(collect_metrics, 'interval', seconds=10)
    scheduler.start()
    app.run(host='0.0.0.0', port=5000)

前端可视化实现（dashboard.html）

服务器状态监控脚本源码免费下载，一键部署教程及多平台支持第1张

<div class="metrics-container">
  <canvas id="cpuChart"></canvas>
  <canvas id="memoryChart"></canvas>
</div>
<script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
<script>
fetch('/api/metrics')
  .then(response => response.json())
  .then(data => {
    const labels = data.map(d => new Date(d.timestamp).toLocaleTimeString());
    new Chart(document.getElementById('cpuChart'), {
      type: 'line',
      data: {
        labels: labels,
        datasets: [{
          label: 'CPU使用率 (%)',
          data: data.map(d => d.cpu),
          borderColor: '#4CAF50'
        }]
      }
    });
    new Chart(document.getElementById('memoryChart'), {
      type: 'line',
      data: {
        labels: labels,
        datasets: [{
          label: '内存使用率 (%)',
          data: data.map(d => d.memory),
          borderColor: '#2196F3'
        }]
      }
    });
  });
</script>

E-A-T优化措施