Python | 如何用Python实现多站点运维监控，提升业务价值？

来源：python运维技术

ID：python运维技术

在小型公司里如果产品线单一的话，比如就一个app,  一般1~2个运维就够用了。如果产品过于庞大，就需要多个运维人员。

但对于多产品线的公司来说，运维人员就要必须分多个人负责，因为超过200个站点让1个人维护，那工作量是巨大的，就单单给开发的沟通时间，估计就要占用一整天时间了。

目前我所在的公司站点非常多，为管理方便，之前我们这里是实行过一段叫站长制的方式，就是不同人承担不同的项目维护，每个人就是自己所负责项目的站长，这个站长制实行完后，就有个监控问题，之前只要站点有问题，是每个人都可以收到，但为了防止报警泛滥，所以就需要把监控改成故障站点只发给负责该站点的站长。

有了这个背景，我们今天就来实现这个需求，脚本基本实现首先要有一个能够报警的函数，还需要一个检查站点是否故障的函数，最后一个函数是如果站点恢复后，要重新加入要监控的列表中，到这基本差不多了，但如果站点太多，用循环去检查还是效率太低了点，所以我们考虑采用线程并发执行。

如果都想清楚了，就可以开始着手我们代码的编写了。

首先导入我们所需要的模块：

from threading import Thread
import requests
import time
import smtplib

然后定义要检查的站点列表和报警邮件发送人：

clients = {
   "http://www.mindg.cn": "xxx@xx.com",
   "http://www.google.com": "gg@gg.com",
   "http://www.baidu.com": "cc@cc.com"
}

接下来实现检查是否站点故障函数：

temp_dic = {}

def site_up():
   while True:
       for client, email in clients.items():
           try:
               r = requests.get(client)
               if r.status_code == 200:
                   print client, 'Site ok'
                   time.sleep(60)
               else:
                   print client, 'Site first registered as down - added to the "site down" monitoring'
                   temp_dic[client]=email
                   del clients[client]
           except requests.ConnectionError:
               print client, 'Site first registered as down - added to the "site down" monitoring'
               temp_dic[client]=email
               del clients[client]

这个函数就是用requests检查站点返回的状态码，如果是200就认为正常，否则就把该站点加到临时的一个字典中，然后从检查字典中删除该站点。

因为站点偶尔出现问题不代表是站点问题，也可能是网络抖动，所以重新检查站点是否故障要等待一个固定时间，实现如下：

def site_down():
   while True:
       time.sleep(900)
       for client, email in temp_dic.items():
           try:
               r = requests.get(client)
               if r.status_code == 200:
                   print client, 'Site is back up!!'
                   email_sender('Site back up!! ', email, client)
                   clients[client]=email
                   del temp_dic[client]
               else:
                   email_sender('Site down!! ', email, client)
                   print client, 'Site Currently down - email sent'
           except requests.ConnectionError:
               email_sender('Site down!! ', email, client)
               print client, 'Site Currently down - email sent'

这个函数就是从临时字典中取出第一次检查出有问题的站点，15分钟后再次检查，如果返回200，就发送邮件，并从临时字典中移除，重新加入监控列表中，如果仍然未恢复，就要发送报警邮件了。

最后，我们采用并发的方式执行函数：

t1 = Thread(target = site_up)
t2 = Thread(target = site_down)
t1.start()
t2.start()

如果到这里就算结束这篇文章， 大家拿着脚本肯定是不能运行的。

因为少代码，有兴趣的也可以sleep 2分钟，仔细再看看，是否发现漏掉了什么？是的，我还没给出发报警邮件的函数代码，不但没贴而且不妨告诉大家我是故意的，之所以没直接给呢

是因为现在报警方式太多了，我建议大家在这个脚本基础上进行修改实现自己想要的报警方式

就当是留个作业吧，毕竟多动手才能提高编程水平，其它不多说了