psutil: Das Herzstück für Python-basierte Systemüberwachung

Seminarziel

Am Ende des Seminars verstehen die Teilnehmenden, wie sie mithilfe von psutil grundlegende System- und Prozessinformationen auslesen und für einfache Monitoring-Aufgaben nutzen können. Sie sind in der Lage, Skripte zu erstellen, die Ressourcen in Echtzeit auswerten und bei Bedarf Meldungen ausgeben.

Inhalt

• Was ist psutil?
  • Umfassendes System-Monitoring : Auslesen von CPU-, RAM-, Netzwerk- und I/O-Statistiken.
  • Prozessverwaltung : Zugriff auf Prozessinformationen (PID, CPU-Auslastung, Speicherbedarf) sowie Starten, Stoppen und Steuern von Prozessen.
  • Cross-Plattform-Unterstützung : Funktioniert auf gängigen Betriebssystemen wie Windows, Linux und macOS.
  • Einfache Integration : Leichtes Zusammenspiel mit anderen Python-Bibliotheken und Skripten durch eine einheitliche API.
• Einsatzmöglichkeiten
  • Server-Monitoring : Überwachung von Auslastung und Ressourcenengpässen in Echtzeit.
  • Automatisierte Prozesssteuerung : Neustart von Diensten bei Abstürzen oder Überschreiten bestimmter Grenzwerte.
  • Performance-Optimierung : Identifikation von Flaschenhälsen, z. B. durch übermäßige CPU- oder Speicherlast.
  • DevOps-Szenarien : Einbindung in CI/CD-Pipelines und Container-Umgebungen (Docker, Kubernetes).
• Vergleich mit ähnlichen Systemen
  • psutil vs. Glances
  • Glances bietet eine umfassende Echtzeit-Übersicht aller wichtigen Systemmetriken über eine Benutzeroberfläche. psutil hingegen ist eine reine Programmbibliothek, die gezielt in eigene Skripte und Automatisierungen eingebunden werden kann.
  • psutil vs. htop
  • htop ist ein interaktives Konsolen-Tool zur Prozessanzeige und Ressourcenüberwachung. psutil liefert ähnliche Informationen, jedoch ohne grafisches Interface. Dafür ist psutil flexibler bei der automatisierten Weiterverarbeitung und Steuerung.
  • Wann psutil die beste Wahl ist
  • Immer dann, wenn eine skript- bzw. codebasierte Lösung benötigt wird, um System- und Prozessinformationen automatisiert auszuwerten und zu steuern.
• Grundlagen der Nutzung von psutil
  • Installation
  • Einrichten der Entwicklungsumgebung (z. B. venv, pip) und Installation über pip install psutil.
  • Erste Schritte
  • Import der Bibliothek, Auslesen grundlegender Informationen (CPU-Anzahl, RAM-Statistiken, Prozessliste).
  • Best Practices
  • Strukturierung von Überwachungsskripten, Umgang mit Ausnahmen (z. B. fehlende Berechtigungen), Logging.
• Praxisübung 1: Erstellung eines Basismonitoring-Skripts
• Ziel der Übung
• Ein einfaches Skript, das CPU-, RAM- und Netzwerk-Auslastung zyklisch abfragt und ausgibt.
• Projektbeschreibung
  • Einbindung von psutil zur Erfassung von Systemdaten.
  • Anzeige der Statistiken in der Konsole oder als Logdatei.
  • Optionaler Alarm bei Überschreiten vordefinierter Grenzwerte (z. B. CPU > 80 %).
• Tools
• Python, psutil, Entwicklungsumgebung (z. B. VS Code).
• Ergebnisse
• Ein funktionierendes Basismonitoring, das in regelmäßigen Abständen wichtige Systemkennzahlen ausgibt.
• Integration von psutil in Systemadministration
  • Automatisierte Wartungsaufgaben
  • Skripte, die Prozesse prüfen und bei Bedarf neu starten oder stoppen.
  • Benachrichtigungen
  • E-Mail-/Messenger-Alerts bei kritischen Werten (z. B. hohe Speicherauslastung).
  • Verbindung zu anderen Tools
  • Weiterleitung von Daten an Monitoring-Lösungen wie Prometheus, Elastic Stack oder Grafana.
• Erweiterte Prozess- und Ressourcenverwaltung
  • Detaillierte Prozessinformationen
  • Zugriff auf offene Dateien, Netzwerkverbindungen und Thread-Details.
  • Prozesssteuerung
  • Ändern von Prioritäten, CPU-Affinität oder Umgebungsvariablen.
  • Ressourcenkontrolle
  • Aufspüren von Speicherlecks, übermäßiger CPU-Belastung oder ungewöhnlichem I/O-Verhalten.
• Praxisübung 2: Erstellung eines Skripts zur Prozesssteuerung
• Ziel der Übung
• Ein Skript, das gezielt ressourcenintensive Prozesse identifiziert und steuert (z. B. Priorität herabsetzen oder Prozess beenden).
• Projektbeschreibung
  • Suchen und Filtern bestimmter Prozesse (z. B. nach Namen oder CPU-Auslastung).
  • Vergleich der Ergebnisse mit festgelegten Grenzwerten.
  • Einleiten automatischer Aktionen (z. B. Kill-Befehl, Neustart, Meldung an Administratoren).
• Tools
• Python, psutil, Logging-Framework.
• Ergebnisse
• Ein automatisiertes Verwaltungsskript, das kritische Prozesse erkennt und selbstständig reguliert.
• Multiplattform-Optimierung und Veröffentlichung
  • Plattformunterschiede
  • psutil-Funktionen, die unter Windows, Linux und macOS unterschiedlich umgesetzt sind.
  • Deploy-Strategien
  • Verteilung und Einsatz der Skripte in Unternehmensumgebungen (z. B. Cron-Jobs, Systemd-Dienste, Task Scheduler).
  • Versionskontrolle
  • Verwaltung, Test und Aktualisierung der Skripte (Git, CI/CD-Pipelines).
• Praxisübung 3: Erweiterung eines Monitoring-Skripts
• Ziel der Übung
• Ein fortgeschrittenes Skript, das verschiedene Systemmetriken kombiniert und eine benutzerdefinierte Zusammenfassung erstellt.
• Projektbeschreibung
  • Integration von CPU-, RAM-, Netzwerk- und Prozessdaten in einem einzigen Monitoring-Tool.
  • Optional: Generierung einer Web- oder GUI-Ausgabe für komfortable Visualisierung.
  • Alarmierung via E-Mail oder Chat-Anwendung, sobald Schwellwerte überschritten werden.
• Tools
• Python, psutil, ggf. Flask/GUI-Framework, E-Mail-/Messenger-API.
• Ergebnisse
• Ein modular aufgebautes Skript, das umfassende System- und Prozessdaten sammelt und interaktiv bereitstellt.
• Integration in Unternehmensprozesse
  • Effizienzsteigerung
  • Entlastung der Administratoren durch automatisierte Skripte, die Engpässe erkennen und Gegenmaßnahmen ergreifen.
  • Wartung
  • Regelmäßige Prüfungen sichern einen stabilen Betrieb und minimieren Ausfallzeiten.
  • Skalierung
  • Einsätze in größeren Umgebungen, z. B. mit verteilten Skripten oder Container-Orchestrierung (Kubernetes).
• Zukunftsperspektiven und Trends
  • Neue psutil-Versionen
  • Erweiterte Funktionen, bessere Windows-Unterstützung, verbesserte Performance.
  • Erweiterung durch KI-Modelle
  • Vorhersage von Lastspitzen und automatisches Ressourcenmanagement.
  • Integration in Cloud-Umgebungen
  • Zusammenspiel mit Monitoring-Lösungen in AWS, Azure und GCP.