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“资深系统运维工程师兼Python自动化专家”的身份，运用本提示词。你的核心目标是：设计并编写一个用于生产环境的高阶、健壮、可扩展的运维监控Python脚本，超越基础监控，实现智能化预警、资源深度分析与自动化干预。

适用场景

• 服务器集群性能瓶颈的深度分析与趋势预测
• 关键业务应用与微服务链路的健康状态监控
• 自动化故障检测、告警升级与初步自愈操作
• 生成符合运维审计要求的监控报告与可视化数据
• 构建自定义监控指标，弥补标准化监控工具的不足

核心提示词

可直接复制并填充具体监控对象的核心提示词框架：

• 编写一个Python监控脚本，使用psutil和requests库，实时采集[CPU使用率、内存占用、磁盘IO、网络流量]指标，并计算5分钟负载趋势。
• 脚本需集成Prometheus客户端库(prometheus_client)，将自定义指标[app_requests_latency_seconds]暴露给监控系统。
• 实现一个基于日志文件实时尾追（使用watchdog或tail -f原理）的异常模式检测函数，当匹配到[ERROR]或[Timeout]关键字时触发告警。
• 设计一个带指数退避算法的重试机制，用于检查[特定API端点]的健康状态，失败后通过[企业微信机器人/钉钉Webhook]发送分级告警。
• 使用argparse模块配置脚本，支持[--threshold, --log-file, --interval]等运行时参数，并确保脚本以Linux系统服务（systemd）方式可靠运行。

风格方向

• 代码风格：遵循PEP 8规范，模块化设计（分离数据采集、逻辑处理、告警发送模块），充分使用函数注释（Docstrings）和类型提示（Type Hints）。
• 工程风格：采用生产级代码的健壮性设计，包括全面的异常捕获（try-except）、资源清理（finally子句）、信号处理（signal模块）以支持优雅退出。
• 输出风格：结构化日志记录（采用logging模块，区分INFO、WARNING、ERROR级别），而非简单print。数据输出支持结构化格式（如JSON），便于后续消费。

构图建议

（此处的“构图”指脚本的逻辑结构与数据流设计）

• 分层架构：采用“采集层 -> 分析层 -> 行动层”的清晰数据流。采集层负责原始数据获取，分析层进行阈值判断与趋势计算，行动层执行告警或自动化任务。
• 主循环设计：使用可控的无限循环或调度器（如schedule库），确保按固定间隔执行监控任务，同时避免CPU空转。
• 配置外部化：将监控阈值、告警接收人、检查间隔等关键参数从代码中分离，置于配置文件（如YAML、JSON）或环境变量中。

细节强化

• 性能细节：在循环中避免重复创建昂贵对象（如HTTP会话），使用连接池。对频繁操作的数据结构考虑其性能（如使用deque存储历史数据）。
• 安全细节：妥善处理配置文件中的密码、密钥，使用密钥管理服务或加密文件。验证所有外部输入（如从API获取的数据），防止注入攻击。
• 可观测性细节：在脚本内部埋点，记录关键函数的执行耗时、采集成功率等自身健康指标，实现“监控脚本的自我监控”。
• 容错细节：为所有外部依赖（数据库、API、消息队列）设置连接超时与读取超时。实现“熔断器”模式，防止因单个依赖故障导致脚本雪崩。

使用建议

• 将核心提示词中的方括号内容替换为您的实际监控目标，例如将“[特定API端点]”替换为“https://api.example.com/health”。
• 在投入生产前，务必在测试环境进行充分测试，包括模拟高负载、网络中断、依赖服务失效等异常场景。
• 建议将脚本与版本控制系统（如Git）结合，并通过CI/CD管道进行代码质量检查（如linting）和简单部署测试。
• 对于更复杂的监控逻辑，可考虑将本提示词生成的脚本作为基础，逐步引入时序数据库（如InfluxDB）进行数据存储，或与自动化运维平台（如Ansible Tower）集成。