/load_analysis

Load Analysis Script

Primary LanguagePythonGNU General Public License v3.0GPL-3.0

Load Analyzer

一个增强的Linux系统负载分析工具，用于诊断系统性能问题。

功能特性

  • 全面的系统指标采集：CPU、内存、磁盘I/O、网络连接等
  • 智能分析：自动识别性能瓶颈和异常
  • 多格式输出：文本、JSON、CSV、HTML、Markdown
  • 实时监控：支持连续监控模式
  • 可配置阈值：支持自定义告警阈值
  • 进程级分析：识别高资源消耗的进程
  • 彩色输出：易于阅读的终端输出

安装

系统要求

  • Python 3.8+
  • Linux系统
  • psutil库

安装方法

# 从源码安装
git clone <repository-url>
cd load_analyzer
pip install -e .

# 或者直接安装依赖
pip install psutil PyYAML rich

使用方法

基本用法

# 单次分析
load-analyzer

# 多次采样
load-analyzer -n 5 -i 2  # 5次采样，间隔2秒

# 指定输出格式
load-analyzer -f json -o report.json
load-analyzer -f html -o report.html

# 连续监控模式
load-analyzer --monitor

高级用法

# 使用配置文件
load-analyzer -c config.yaml

# 覆盖阈值设置
load-analyzer --cpu-threshold 90 --memory-threshold 85

# 创建默认配置文件
load-analyzer --create-config my_config.yaml

# 安静模式（仅显示问题）
load-analyzer --quiet

# 详细模式
load-analyzer --verbose

配置文件

创建配置文件以自定义分析参数：

# 采样配置
sample_interval: 1
sample_count: 1
output_format: "text"
enable_colors: true

# 阈值设置
load_threshold_multiplier: 1.5
cpu_threshold: 80.0
memory_threshold: 80.0
swap_threshold: 50.0
iowait_threshold: 30.0
tcp_connections_threshold: 1000

# 进程分析
top_processes_count: 10

# 高级阈值
context_switches_threshold: 10000
interrupts_threshold: 5000
disk_io_read_threshold: 104857600   # 100MB/s
disk_io_write_threshold: 104857600  # 100MB/s

输出示例

文本输出

============================================================
         SYSTEM LOAD ANALYSIS REPORT
============================================================
Timestamp: 2025-07-11T10:30:00.123456

Load Status: HIGH

SYSTEM OVERVIEW
  CPU Cores: 8
  Load Averages: 12.50 / 8.30 / 6.20
  CPU Usage: 85.2%
  Memory Usage: 78.5%
  I/O Wait: 15.3%

🚨 CRITICAL ISSUES
  • High load average: 12.50 (threshold: 12.00)

⚠️  HIGH PRIORITY ISSUES
  • High CPU usage: 85.2% (threshold: 80.0%)

RECOMMENDATIONS
  1. Consider CPU scaling or process optimization
  2. Investigate CPU, I/O, or process issues

JSON输出

{
  "metrics": {
    "timestamp": "2025-07-11T10:30:00.123456",
    "load": {
      "load1": 12.5,
      "load5": 8.3,
      "load15": 6.2,
      "cpu_count": 8
    },
    "cpu": {
      "avg_usage": 85.2,
      "iowait_percent": 15.3
    }
  },
  "analysis": {
    "load_status": "high",
    "primary_issues": [
      {
        "type": "cpu",
        "severity": "high",
        "message": "High CPU usage: 85.2%",
        "recommendation": "Consider CPU scaling"
      }
    ]
  }
}

项目结构

load_analyzer/
├── __init__.py
├── cli.py                 # 命令行接口
├── config/                # 配置管理
│   ├── __init__.py
│   ├── manager.py
│   └── default.yaml
├── collector/             # 数据采集
│   ├── __init__.py
│   ├── data_collector.py
│   └── models.py
├── analyzer/              # 分析逻辑
│   ├── __init__.py
│   ├── analyzer.py
│   └── models.py
├── reporter/              # 报告生成
│   ├── __init__.py
│   └── reporters.py
└── tests/                 # 测试文件
    ├── __init__.py
    ├── test_collector.py
    ├── test_analyzer.py
    └── test_reporter.py

API参考

DataCollector

负责收集系统指标：

from load_analyzer.collector import DataCollector
from load_analyzer.config import Config

config = Config()
collector = DataCollector(config)
metrics = collector.collect_all_metrics()

Analyzer

分析系统指标：

from load_analyzer.analyzer import Analyzer

analyzer = Analyzer(config)
analysis = analyzer.analyze(metrics)

Reporter

生成报告：

from load_analyzer.reporter import Reporter

reporter = Reporter(config)
report = reporter.generate_report(metrics, analysis)

开发

运行测试

# 安装开发依赖
pip install -e .[dev]

# 运行测试
pytest

# 运行测试并查看覆盖率
pytest --cov=load_analyzer

代码格式化

# 格式化代码
black load_analyzer/

# 检查代码风格
flake8 load_analyzer/

# 类型检查
mypy load_analyzer/

故障排除

权限问题

某些系统指标需要特殊权限：

# 以root身份运行以获取完整信息
sudo load-analyzer

# 或者将用户添加到相关组
sudo usermod -a -G proc $USER

性能问题

如果分析工具本身影响系统性能：

# 使用更长的采样间隔
load-analyzer -i 5

# 减少采样次数
load-analyzer -n 1

# 使用安静模式
load-analyzer --quiet

许可证

MIT License

贡献

欢迎提交问题报告和功能请求！

  1. Fork 项目
  2. 创建功能分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建Pull Request

更新日志

v1.0.0 (2025-07-11)

  • 初始版本发布
  • 完整的系统指标采集
  • 智能分析和建议
  • 多格式输出支持
  • 命令行界面