# 高级用法 **适用场景**: 掌握基础监控后，学习远程监控、数据导出、告警配置、API 集成等高级功能 --- ## 一、客户端-服务端模式（远程监控） ### 为什么使用服务端模式？ - 在一台机器上集中查看多台服务器的资源状态 - 通过 SSH 安全隧道传输监控数据 - 适合运维团队监控生产服务器集群 ### 启动服务端 **AI执行说明**: AI 可以在远程服务器上启动服务端 ```bash # 在被监控的服务器上启动服务端（默认端口 61209） glances -s # 指定监听地址和端口 glances -s --bind 0.0.0.0 --port 61209 # 设置访问密码（推荐在生产环境使用） glances -s --password # 后台运行（使用 nohup 或 systemd） nohup glances -s & ``` ### 连接到服务端 **AI执行说明**: AI 可以建立客户端连接并解读远程系统状态 ```bash # 连接到远程服务端（XML-RPC 协议） glances -c 192.168.1.100 # 指定端口连接 glances -c 192.168.1.100 --port 61209 # 使用密码连接 glances -c 192.168.1.100 --password # 通过 SSH 隧道安全连接（推荐生产环境） ssh -f -L 61209:localhost:61209 user@remote-server -N glances -c localhost --port 61209 ``` --- ## 二、REST API 模式 ### 启动 API 服务 Glances 内置了 REST API，支持通过 HTTP 获取实时系统数据。 **AI执行说明**: AI 可以启动 API 服务并帮助查询数据 ```bash # 启动 Web 服务器（同时提供 Web UI 和 REST API） glances -w # 仅启动 API（禁用 Web UI，减少资源占用） glances -w --disable-webui # 指定端口和绑定地址 glances -w --bind 0.0.0.0 --port 61208 ``` ### 常用 API 端点 ```bash # 获取所有插件列表 curl http://localhost:61208/api/3/pluginslist # 获取 CPU 信息 curl http://localhost:61208/api/3/cpu # 获取内存信息 curl http://localhost:61208/api/3/mem # 获取系统负载 curl http://localhost:61208/api/3/load # 获取磁盘 I/O curl http://localhost:61208/api/3/diskio # 获取网络接口信息 curl http://localhost:61208/api/3/network # 获取进程列表（TOP 进程） curl http://localhost:61208/api/3/processlist # 获取 Docker 容器状态 curl http://localhost:61208/api/3/docker # 获取所有数据（完整快照） curl http://localhost:61208/api/3/all # 获取特定字段的值 curl "http://localhost:61208/api/3/cpu/total" ``` **期望输出示例**（CPU 信息）: ```json { "total": 23.4, "user": 18.2, "system": 3.1, "idle": 76.6, "nice": 0.0, "iowait": 1.8, "irq": 0.2, "softirq": 0.1 } ``` --- ## 三、配置告警阈值 ### 创建自定义配置文件 **AI执行说明**: AI 可以根据你的需求生成配置文件 ```bash # 创建配置目录（如不存在） mkdir -p ~/.config/glances # 创建配置文件 cat > ~/.config/glances/glances.conf << 'EOF' [global] # 刷新间隔（秒） refresh=2 # 进程列表最大显示数量 process_max=50 [cpu] # CPU 告警阈值（百分比） careful=60 warning=80 critical=95 [mem] # 内存告警阈值（百分比） careful=60 warning=80 critical=90 [memswap] # Swap 告警阈值（百分比） careful=40 warning=60 critical=80 [load] # 负载告警阈值（CPU 核数的倍数） careful=0.7 warning=1.0 critical=5.0 [network] # 网络带宽告警（单位: bit/s） # 对特定网卡设置阈值 [network_eth0] rx_careful=10000000 rx_warning=100000000 rx_critical=1000000000 tx_careful=10000000 tx_warning=100000000 tx_critical=1000000000 [fs] # 磁盘使用率告警（百分比） careful=60 warning=80 critical=90 [diskio] # 磁盘 I/O 告警（字节/秒） # hide=sda1,sdb [docker] # Docker 监控配置 max_name_size=20 EOF ``` ### 使用自定义配置启动 ```bash # 使用默认配置路径（~/.config/glances/glances.conf） glances # 指定配置文件路径 glances --config /path/to/my-glances.conf ``` --- ## 四、数据导出 ### 导出到 CSV 文件 **AI执行说明**: AI 可以配置数据导出，用于离线分析 ```bash # 持续导出到 CSV 文件（每次刷新追加一行） glances --export csv --export-csv-file /tmp/glances_metrics.csv # 仅导出特定指标 glances --export csv --export-csv-file /tmp/cpu_mem.csv \ --stdout cpu.total,mem.percent # 静默模式导出（无界面，后台记录） glances -q --export csv --export-csv-file /var/log/glances/metrics.csv ``` ### 导出到 InfluxDB ```bash # 安装 InfluxDB 客户端 pip3 install influxdb # InfluxDB v1 pip3 install influxdb-client # InfluxDB v2 # 配置 InfluxDB 导出（在 glances.conf 中添加） cat >> ~/.config/glances/glances.conf << 'EOF' [influxdb] host=localhost port=8086 user=root password=root db=glances prefix=localhost # 每 N 次刷新导出一次（减少写入频率） interval=1 [influxdb2] host=localhost port=8086 org=myorg bucket=glances token=mytoken interval=1 EOF # 启动并导出到 InfluxDB v1 glances --export influxdb # 启动并导出到 InfluxDB v2 glances --export influxdb2 ``` ### 导出到 Prometheus ```bash # 安装 Prometheus 客户端 pip3 install prometheus_client # 配置 Prometheus 导出 cat >> ~/.config/glances/glances.conf << 'EOF' [prometheus] host=localhost port=9091 prefix=glances labels=localhost interval=1 EOF # 启动并暴露 Prometheus 指标端点 glances --export prometheus # 访问: http://localhost:9091/metrics ``` ### 导出到 Elasticsearch ```bash pip3 install elasticsearch cat >> ~/.config/glances/glances.conf << 'EOF' [elasticsearch] host=localhost port=9200 index=glances interval=1 EOF glances --export elasticsearch ``` --- ## 五、Docker 容器监控 ### 监控 Docker 容器 **AI执行说明**: AI 可以帮助配置 Docker 监控 ```bash # 确保 Docker SDK 已安装 pip3 install docker # 启动 Glances（会自动检测 Docker） glances # 在界面中按 D 键切换 Docker 容器列表显示 # Docker 模式下运行 Glances 监控宿主机（含容器） docker run -d --restart="always" \ --name=glances \ -p 61208-61209:61208-61209 \ -e GLANCES_OPT="-w" \ -v /var/run/docker.sock:/var/run/docker.sock:ro \ --pid host \ nicolargo/glances:latest ``` --- ## 六、以 systemd 服务运行 ### 创建 systemd 服务 ```bash # 创建服务文件 sudo tee /etc/systemd/system/glances.service << 'EOF' [Unit] Description=Glances system monitor After=network.target [Service] ExecStart=/usr/local/bin/glances -w --disable-webui Restart=on-failure RestartSec=10s User=nobody [Install] WantedBy=multi-user.target EOF # 重新加载 systemd 配置 sudo systemctl daemon-reload # 启用并启动服务 sudo systemctl enable glances sudo systemctl start glances # 查看服务状态 sudo systemctl status glances # 查看服务日志 sudo journalctl -u glances -f ``` --- ## 七、使用 Python API 集成 ### 在 Python 脚本中使用 Glances **AI执行说明**: AI 可以帮助编写 Glances API 集成脚本 ```python # 通过 REST API 获取数据（无需额外安装） import requests import json BASE_URL = "http://localhost:61208/api/3" def get_cpu(): """获取 CPU 使用率""" resp = requests.get(f"{BASE_URL}/cpu") return resp.json() def get_mem(): """获取内存使用率""" resp = requests.get(f"{BASE_URL}/mem") return resp.json() def get_top_processes(n=5): """获取资源占用最高的 N 个进程""" resp = requests.get(f"{BASE_URL}/processlist") processes = resp.json() # 按 CPU 使用率排序 return sorted(processes, key=lambda p: p.get('cpu_percent', 0), reverse=True)[:n] if __name__ == "__main__": cpu = get_cpu() mem = get_mem() print(f"CPU: {cpu['total']:.1f}%") print(f"Memory: {mem['percent']:.1f}%") print("\nTop 5 Processes (by CPU):") for proc in get_top_processes(): print(f" {proc['name']:20s} CPU: {proc['cpu_percent']:.1f}% MEM: {proc['memory_percent']:.1f}%") ``` --- ## 八、告警通知配置 ### 配置邮件告警 ```bash cat >> ~/.config/glances/glances.conf << 'EOF' [alert] # 启用告警通知 # 注意：需要安装 SNMP 或配置外部脚本 [smtp] host=smtp.example.com port=587 user=your@email.com password=your_password to=admin@example.com EOF ``` ### 使用 Glances 告警脚本 ```bash # 通过 API 轮询并在超阈值时发出通知（自定义脚本） cat > /usr/local/bin/glances-alert.sh << 'EOF' #!/bin/bash CPU=$(curl -s http://localhost:61208/api/3/cpu/total) if (( $(echo "$CPU > 90" | bc -l) )); then echo "ALERT: CPU usage is ${CPU}%" | mail -s "Server Alert" admin@example.com fi EOF chmod +x /usr/local/bin/glances-alert.sh # 通过 cron 每分钟检查一次 echo "* * * * * /usr/local/bin/glances-alert.sh" | crontab - ``` --- ## 九、常用参数速查表 | 参数 | 说明 | 示例 | |------|------|------| | `-w` | 启动 Web 服务器模式 | `glances -w` | | `-s` | 启动服务端模式 | `glances -s` | | `-c` | 连接到服务端 | `glances -c 192.168.1.1` | | `-t N` | 刷新间隔（秒） | `glances -t 5` | | `-q` | 静默模式（无界面） | `glances -q` | | `--export` | 启用数据导出 | `glances --export csv` | | `--stdout` | 输出到标准输出 | `glances --stdout cpu.total` | | `--count N` | 刷新 N 次后退出 | `glances --count 10` | | `--config` | 指定配置文件 | `glances --config /path/to/conf` | | `--disable-plugin` | 禁用指定插件 | `glances --disable-plugin docker` | | `--process-filter` | 进程名过滤（正则） | `glances --process-filter nginx` | | `--list-plugins` | 列出所有插件 | `glances --list-plugins` | | `--bind` | 绑定地址 | `glances -w --bind 0.0.0.0` | | `--port` | 监听端口 | `glances -w --port 8080` | | `--username` | 启用用户名认证 | `glances -w --username` | | `--password` | 启用密码认证 | `glances -w --password` | | `--disable-webui` | 仅 API，禁用 Web UI | `glances -w --disable-webui` | --- ## 完成确认 ### 检查清单 - [ ] 学会启动服务端和客户端模式监控远程主机 - [ ] 成功调用 REST API 获取系统指标 - [ ] 配置了自定义告警阈值 - [ ] 掌握数据导出（CSV / InfluxDB / Prometheus） - [ ] （可选）配置了 systemd 服务实现开机自启 ### 下一步 如遇到问题，查看 [常见问题](../troubleshooting.md)