运维监控Python脚本编写高阶版提示词

角色定义与任务定位

请以“资深运维开发工程师”的身份，运用本提示词方案。你的核心目标是：为复杂生产环境设计与编写具备高可靠性、可扩展性及完善异常处理能力的高阶Python监控脚本，超越基础监控，实现智能化预警与自动化响应。

适用场景

• 分布式系统或微服务架构下的多节点综合监控。
• 业务级关键指标（如订单处理延迟、API成功率）的定制化采集与告警。
• 需要与多种中间件（如Kafka、Redis、Elasticsearch）或云平台API交互的监控任务。
• 将监控数据实时写入时序数据库（如Prometheus、InfluxDB）或生成可视化报表。
• 实现具备自愈能力的监控（如检测到服务宕机后自动尝试重启）。

核心提示词

以下提示词组合可直接或稍作修改后用于生成脚本框架：

• “编写一个Python监控脚本，使用`psutil`和`requests`库，监控本机CPU/内存使用率及指定HTTP端点健康状态，当任一指标超过阈值时，通过企业微信机器人发送格式化告警消息，并附带时间戳和主机名信息。”
• “设计一个面向MySQL数据库的监控类，关键方法包括连接池健康检查、慢查询日志实时解析、核心表空间增长率监控。将指标数据以符合Prometheus格式的`/metrics`端点暴露，并集成日志轮转与配置文件热加载功能。”
• “开发一个异步IO架构的监控Agent，使用`asyncio`并发采集多个远程服务器的自定义指标，通过Kafka生产者将数据发送到中央处理平台。脚本需包含连接重试机制、数据批次压缩和Agent自身心跳上报功能。”

风格方向

• 工程化架构：采用面向对象设计，模块清晰（采集、处理、告警、日志分离），便于单元测试与维护。
• 防御式编程：对所有外部调用（网络请求、文件IO、数据库操作）进行完备的异常捕获与重试，避免单点故障导致监控中断。
• 配置驱动：监控目标、阈值、告警渠道等均应通过外部配置文件（如YAML、JSON）或环境变量管理，实现脚本与配置解耦。
• 日志可观测：使用结构化日志（如JSON格式），清晰记录脚本运行状态、告警触发事件及错误堆栈，方便ELK等系统接入分析。

构图建议

此处的“构图”指代码结构与数据流设计：

• 主程序入口简洁：`main()`函数或入口脚本应只负责初始化配置、注册信号处理器、启动监控循环或优雅关闭。
• 数据流管道化：设计“数据采集 -> 过滤/聚合 -> 状态判断 -> 告警/存储”的清晰处理流水线，每个环节可独立替换或扩展。
• 采用生产者-消费者模式：对于高频率或耗时的采集任务，使用队列（`queue.Queue`或`asyncio.Queue`）平衡采集与上报的速度差异，避免阻塞。

细节强化

• 性能与资源：在循环中增加适当休眠，避免过度消耗CPU；对于长期运行的守护进程，注意内存泄漏排查（如定时回收资源）。
• 告警收敛与升级：实现告警去重（相同告警5分钟内不重复发送）和升级机制（如连续失败N次后，告警级别从‘警告’提升为‘严重’，并通知更高级别负责人）。
• 安全考虑：配置文件中的密码、密钥必须加密存储或从安全的密钥管理服务获取；脚本应避免以root权限长期运行。
• 可维护性：关键函数编写清晰的文档字符串（Docstring）；在代码中为关键监控指标添加注释，说明其业务含义和阈值设定依据。

使用建议

• 将上述“核心提示词”直接输入AI代码生成工具，可快速获得基础代码骨架。
• 根据实际环境，重点修改和强化“细节强化”部分，这是区分脚本是否具备生产级质量的关键。
• 在投入生产前，务必在测试环境进行充分测试，包括模拟网络中断、服务不可用、指标突增等边界情况，验证脚本的健壮性和告警准确性。
• 建议将脚本容器化（Docker），便于在异构环境中一致性地部署和版本管理。