← 返回 Day 84 正文

Day 84 · 练习与清单

Day 084 — 监控告警系统 练习清单

✅ 今日学习目标

📝 基础练习

练习 1：系统指标采集

目标：使用 psutil 采集系统指标

要求： 1. 编写函数采集 CPU、内存、磁盘、网络四项指标 2. 将采集结果格式化输出 3. 计算并显示系统健康评分（0-100分）

提示：

python
def calculate_health_score(cpu, mem, disk):
    """
    健康评分规则：
    - CPU < 50%: 25分, 50-80%: 15分, >80%: 5分
    - 内存 < 60%: 25分, 60-80%: 15分, >80%: 5分
    - 磁盘 < 70%: 25分, 70-85%: 15分, >85%: 5分
    - 网络正常: 25分
    """
    pass

验证标准： - 运行后能正确采集所有指标 - 健康评分计算正确 - 输出格式清晰易读

练习 2：告警规则实现

目标：实现一个简单的告警规则类

要求： 1. 创建 SimpleAlertRule 类，支持以下属性： - name: 规则名称 - metric: 指标名称 - threshold: 阈值 - operator: 比较运算符（>, <, >=, <=, ==） 2. 实现 check(value) 方法，返回是否触发告警 3. 测试不同场景

验证标准：

python
rule = SimpleAlertRule("CPU高", "cpu", 90, ">")
assert rule.check(95) == True
assert rule.check(85) == False

练习 3：告警通知

目标：实现多种通知渠道

要求： 1. 创建 Notifier 基类 2. 实现 ConsoleNotifier（控制台输出） 3. 实现 FileNotifier（写入日志文件） 4. 实现 EmailNotifier（模拟邮件发送）

验证标准： - 三种通知器都能正常工作 - 日志文件格式正确 - 支持动态添加/移除通知器

🚀 进阶练习

练习 4：告警去重与聚合

目标：实现告警去重机制

要求： 1. 实现 AlertDeduplicator 类 2. 支持配置去重时间窗口（默认5分钟） 3. 相同规则在窗口内只触发一次 4. 记录去重统计信息

验证标准：

python
dedup = AlertDeduplicator(window_minutes=5)
assert dedup.should_alert("CPU高") == True
assert dedup.should_alert("CPU高") == False  # 5分钟内重复
# 等待5分钟后
assert dedup.should_alert("CPU高") == True

练习 5：趋势检测

目标：实现指标趋势告警

要求： 1. 监控指标的变化率 2. 当指标在指定时间内增长超过阈值时触发告警 3. 例如：内存使用率在1小时内增长超过20%

提示：

python
class TrendDetector:
    def __init__(self, metric, window_minutes, increase_percent):
        self.history = []
    
    def record(self, value):
        """记录当前值"""
        pass
    
    def check(self):
        """检查趋势"""
        # 计算窗口内变化率
        pass

练习 6：巡检报告生成

目标：生成完整的巡检报告

要求： 1. 从数据库查询历史指标 2. 计算各项指标的统计值（平均、最大、最小） 3. 统计告警次数和类型 4. 生成格式化的报告

验证标准： - 报告包含所有关键指标 - 统计数据准确 - 格式清晰，适合人类阅读

🎯 挑战练习

练习 7：分布式监控设计

目标：设计支持多服务器的监控系统

思考问题： 1. 如何收集多台服务器的指标？ 2. 如何处理网络延迟和数据丢失？ 3. 如何实现监控数据的集中存储和查询？ 4. 如何设计高可用的监控架构？

输出： - 画出系统架构图 - 写出关键模块的设计文档 - 说明技术选型和理由

练习 8：Web 监控面板

目标：使用 Flask 创建简单的 Web 监控面板

要求： 1. 显示当前系统状态（CPU、内存、磁盘） 2. 显示历史趋势图表 3. 显示告警列表 4. 支持配置告警规则

技术栈： - Flask：Web 框架 - Chart.js：图表库 - SQLite：数据存储

📋 自我检查清单

完成所有练习后，检查以下内容：

💡 常见问题

Q1: psutil.cpu_percent(interval=1) 为什么需要等待？

A: cpu_percent 需要两次采样才能计算使用率。第一次调用返回 0，第二次调用返回相对于第一次的增长量。interval=1 表示等待1秒后再采样。

Q2: 如何避免监控本身消耗过多资源？

A: - 降低采集频率（如每60秒采集一次） - 避免在生产环境使用 interval 参数（会阻塞） - 使用异步采集

Q3: 如何处理监控服务本身崩溃？

A: - 使用 systemd 管理监控服务，自动重启 - 实现健康检查机制 - 记录崩溃日志

✅ 完成所有基础练习后，你已经掌握了监控告警系统的核心知识！

🚀 挑战练习是可选的，适合想深入学习的同学。