Glances 备忘清单

这是开始使用 Glances 系统监控工具的快速参考备忘单，可以帮助用户监视系统的各种性能指标

入门

功能特点

跨平台支持

  • Glances 支持多种操作系统，包括 Linux、Windows、macOS 和 FreeBSD。

多种输出方式

  • 命令行界面（CLI）：通过终端查看系统监控数据。
  • Web 界面：通过浏览器访问并查看系统性能指标。
  • API 输出：可以将数据通过 REST API 或者 MQTT 传输到其他系统或服务。

详细的系统监控

  • CPU：实时显示 CPU 的使用率、每个核心的负载情况。
  • 内存：显示总内存、已用内存、缓存和交换分区的使用情况。
  • 磁盘 I/O：显示磁盘的读写速度和 I/O 操作数。
  • 网络带宽：显示网络接口的上传和下载速度。
  • 文件系统：显示各个挂载点的使用情况。
  • 传感器：显示系统温度、风扇速度等传感器数据（需要支持的硬件和驱动）。

扩展功能

  • 插件系统：支持通过插件扩展功能，可以自定义监控指标。
  • 导出数据：支持将监控数据导出为 CSV、JSON 等格式。
  • 报警系统：可以设置报警，当某些指标超过设定阈值时触发通知。

安装

通过 pip 安装

pip install glances

通过包管理器安装

Debian/Ubuntu:

sudo apt-get install glances

Fedora:

sudo dnf install glances

macOS (使用 Homebrew):

brew install glances

配置文件

Glances 的配置文件位于 ~/.config/glances/glances.conf。通过编辑这个文件，可以自定义 Glances 的显示和行为。

例子配置文件

[global]
refresh=2      # 设置刷新间隔（以秒为单位）
[cpu]
enable=true    # 显示 CPU 负载平均值
[mem]
enable=true    # 显示内存使用情况
[disk]
enable=true    # 显示磁盘 I/O 信息
[network]
enable=true    # 显示网络带宽使用情况

Web 访问

# 使用 Glances 的 API：
glances -w
# 访问 API：
curl http://<your_ip>:61208/api/3/all

使用 Docker 部署 Glances：

docker run --rm \
   -v /var/run/docker.sock:/var/run/docker.sock:ro \
   -v /glances/conf:/glances/conf:ro \
   -v /glances/data:/glances/data:rw \
   -p 61208-61209:61208-61209 \
   --name glances nicolargo/glances

使用方法

启动命令行界面

glances

启动 Web 界面

glances -w

启动后，通过浏览器访问 http://<your_ip>:61208 查看系统监控数据。

启动以特定模式输出

glances --export json  # JSON 输出
glances --export csv   # CSV 输出

命令行选项

命令行选项

:-:-
-h, --help显示此帮助信息并退出
-V, --version显示程序版本号并退出
-d, --debug启用调试模式
-C CONF_FILE, --config CONF_FILE配置文件的路径
--modules-list显示模块（插件和导出）列表并退出
--stdout PLUGINS_STATS显示插件统计信息到标准输出（用逗号分隔的插件/插件属性列表）

禁用启用选项

:-:-
--disable-plugin PLUGIN禁用插件（用逗号分隔的列表）
--enable-plugin PLUGIN启用插件（用逗号分隔的列表）
--disable-process禁用进程模块（减少Glances的CPU消耗）
--disable-webui禁用Web界面（仅响应RESTful API）
--enable-history启用历史模式
--disable-bold禁用终端中的粗体模式
--disable-bg禁用终端中的背景颜色
--enable-process-extended启用顶级进程的扩展统计
--disable-check-update禁用在线Glances版本检查
--disable-autodiscover禁用自动发现功能
--light, --enable-lightCurses UI的轻量模式（仅启用顶部菜单）
-q, --quiet不显示 curses 界面

SNMP

:-:-
--snmp-community SNMP_COMMUNITYSNMP社区
--snmp-port SNMP_PORTSNMP端口
--snmp-version SNMP_VERSIONSNMP版本（1, 2c 或 3）
--snmp-user SNMP_USERSNMP用户名（仅适用于SNMPv3）
--snmp-auth SNMP_AUTHSNMP认证密钥（仅适用于SNMPv3）
--snmp-force强制SNMP模式

命令行选项

:-:-
--export EXPORT启用导出模块（用逗号分隔的列表）
--export-csv-file EXPORT_CSV_FILECSV导出文件路径
--export-json-file EXPORT_JSON_FILEJSON导出文件路径

命令行选项

:-:-
-0, --disable-irix任务的CPU使用率将按CPU总数进行划分
-1, --percpu以每个CPU模式启动Glances
-2, --disable-left-sidebar禁用网络、磁盘I/O、文件系统和传感器模块
-3, --disable-quicklook禁用快速查看模块
-4, --full-quicklook仅启用快速查看和负载模块
-5, --disable-top禁用顶部菜单（快速查看、CPU、内存、交换区和负载）
-6, --meangpu以平均GPU模式启动Glances

命令行选项

:-:-
-c CLIENT, --client CLIENT通过IPv4/IPv6地址、主机名或主机名:端口连接到Glances服务器
-s, --server以服务器模式运行Glances
--browser启动客户端浏览器（服务器列表）
-p PORT, --port PORT定义客户端/服务器TCP端口 [默认：61209]
-B BIND_ADDRESS, --bind BIND_ADDRESS将服务器绑定到给定的IPv4/IPv6地址或主机名
--username定义客户端/服务器用户名
--password定义客户端/服务器密码

命令行选项

:-:-
-t TIME, --time TIME设置刷新时间（秒）[默认：3秒]
-w, --webserver以Web服务器模式运行Glances（需要bottle库）
--cached-time CACHED_TIME设置服务器缓存时间 [默认：1秒]
--open-web-browser尝试在默认的 Web 浏览器中打开Web界面
-f PROCESS_FILTER, --process-filter PROCESS_FILTER设置进程过滤模式（正则表达式）
--process-short-name强制使用进程名称的短名称
--hide-kernel-threads在进程列表中隐藏内核线程（Windows不可用）

命令行选项

:-:-
-b, --byte以每秒字节数显示网络速率
--diskio-show-ramfs在 DiskIO 插件中显示RAM文件系统
--diskio-iops在 DiskIO 插件中显示每秒I/O操作数
--fahrenheit以华氏度显示温度（默认是摄氏度）
--fs-free-space显示文件系统的可用空间而非已用空间
--theme-white优化显示颜色以适应白色背景

键盘快捷键

快捷键

快捷键功能
ENTER设置进程过滤器
a自动排序进程列表
A启用/禁用应用程序监控进程
b在网络I/O中切换比特/秒或字节/秒
B查看每秒磁盘I/O计数器
c按CPU使用率排序进程
C启用/禁用云统计
d显示/隐藏磁盘I/O统计
D启用/禁用Docker统计
e启用/禁用顶级扩展统计
E清除当前进程过滤器
f显示/隐藏文件系统和文件夹监控统计
F在文件系统使用和可用空间之间切换
g为当前历史生成图表
G启用/禁用GPU统计
h显示/隐藏帮助屏幕
i按I/O速率排序进程
I显示/隐藏IP模块
+增加选定进程的nice值/降低优先级(需要权限)- 仅在独立模式下
-减少选定进程的nice值/提高优先级(需要权限)- 仅在独立模式下
k终止选定进程(需要权限)- 仅在独立模式下

快捷键

快捷键功能
K显示/隐藏TCP连接
l显示/隐藏日志消息
m按内存使用率排序进程
M重置进程摘要的最小/最大值
n显示/隐藏网络统计
N显示/隐藏当前时间
p按名称排序进程
P启用/禁用端口统计
q|ESC|CTRL-C退出当前Glances会话
Q显示/隐藏IRQ模块
r重置历史记录
R显示/隐藏RAID插件
s显示/隐藏传感器统计
S启用/禁用微小曲线图
t按CPU时间排序进程（TIME+）
T以组合方式查看网络I/O
u按用户排序进程
U查看累积网络I/O
w删除已完成的警告日志消息
W显示/隐藏Wifi模块
x删除已完成的警告和严重日志消息
z显示/隐藏进程统计

快捷键

快捷键功能
0启用/禁用Irix/Solaris模式。任务的CPU使用率将按CPU总数进行划分
1在全局CPU和每个CPU统计之间切换
2启用/禁用左侧边栏
3启用/禁用快速查看模块
4启用/禁用除快速查看和负载模块外的所有模块
5启用/禁用顶部菜单（快速查看、CPU、内存、交换区和负载）
6启用/禁用平均GPU模式
9在黑白主题之间切换UI主题
/在进程命令行或命令名称之间切换
F5刷新curses用户界面的统计数据
LEFT向左导航进程排序
RIGHT向右导航进程排序
UP在进程列表中向上
DOWN在进程列表中向下。在Glances客户端浏览器中（通过--browser命令行参数访问）：
ENTER运行选定的服务器
UP在服务器列表中向上
DOWN在服务器列表中向下
q|ESC退出Glances

配置

位置

您可以将自己的 glances.conf 文件放在以下位置：

:------
Linux, SunOS~/.config/glances/, /etc/glances/, /usr/share/docs/glances/
*BSD~/.config/glances/, /usr/local/etc/glances/, /usr/share/docs/glances/
macOS~/Library/Application Support/glances/, /usr/local/etc/glances/, /usr/share/docs/glances/
Windows%APPDATA%\glances\glances.conf
  • 在 Windows XP 上，%APPDATA% 为：C:\Documents and Settings\<USERNAME>\Application Data
  • 在 Windows Vista 及更高版本上：C:\Users\<用户名>\AppData\Roaming

语法

[global]
# 刷新率（默认为至少 2 秒）
# 可以通过 -t <sec> 选项覆盖
# 也可以在每个插件部分覆盖它
refresh=2
# Glances 是否应该检查 PyPI 上是否有更新的版本？
check_update=false
# 历史大小（最大值数）
# 默认值为28800：1天，每3秒1分
history_size=28800

CPU 插件的示例

[cpu]
disable=False
refresh=3
user_careful=50
user_warning=70
user_critical=90
iowait_careful=50
iowait_warning=70
iowait_critical=90
system_careful=50
system_warning=70
system_critical=90
steal_careful=50
steal_warning=70
steal_critical=90

InfluxDB 导出模块

[influxdb]
# 配置 --export influxdb 选项
# https://influxdb.com/
host=localhost
port=8086
user=root
password=root
db=glances
prefix=localhost
#tags=foo:bar,spam:eggs

Nginx AMP

[amp_nginx]
# 应启用 Nginx 状态页面 
# https://easyengine.io/tutorials/nginx/status-page/

enable=true
regex=\/usr\/sbin\/nginx
refresh=60
one_line=false
status_url=http://localhost/nginx_status

导出统计服务

CSV

$ glances --export csv \
   --export-csv-file /tmp/glances.csv \
   --quiet

可以将统计数据导出到 CSV 文件

JSON

$ glances --export json \
   --export-json-file /tmp/glances.json

可以将统计信息导出到 JSON 文件

Cassandra

您可以将统计数据导出到 Cassandra 或 Scylla 服务器

[cassandra]
host=localhost
port=9042
protocol_version=3
keyspace=glances
replication_factor=2
table=localhost

并运行 Glances：

$ glances --export cassandra

数据模型如下：

CREATE TABLE <table> (plugin text, time timeuuid, stat map<text,float>, PRIMARY KEY (plugin, time))

Graph

[graph]
# --export graph 选项的配置
# 设置创建图形（.svg 文件）的路径
# 可以通过 --graph-path 命令行选项覆盖
path=/tmp
# 可以通过设置自动生成图表
# generate_every 为一个非零值，对应于之间的秒数
# 两代。将其设置为 0 以禁用图形自动生成。
generate_every=60
# 请参阅 Pygal lib 文档中的以下配置键定义
# http://pygal.org/en/stable/documentation/index.html
width=800
height=600
style=DarkStyle

并运行 Glances：

$ glances --export graph \
      --export-graph-path /tmp

CouchDB

您可以将统计数据导出到 CouchDB 服务器

[mongodb]
host=localhost
port=27017
db=glances
user=root
password=example

并运行 Glances：

$ glances --export mongodb

InfluxDB

您可以将统计数据导出到 InfluxDB 服务器（时间序列服务器）

测量字段标签
cpuuser system iowait…hostname
networkread_bytes write_bytes time_since_update…hostname disk_name
diskiorx tx time_since_update…hostname interface_name
dockercpu_percent memory_usage…hostname name
gpuproc mem temperature…hostname gpu_id

InfluxDB （最高版本 1.7.x）

[influxdb]
host=localhost
port=8086
protocol=http
user=root
password=root
db=glances
# 所有测量名称都会添加前缀
# Ex: prefix=foo
#     => foo.cpu
#     => foo.mem
# 您还可以使用动态值
#prefix=foo
# 将为所有测量添加以下标签
# 您还可以使用动态值
# 注意：主机名始终作为标签添加
#tags=foo:bar,spam:eggs,domain:`domainname`

并运行 Glances：

$ glances --export influxdb

InfluxDB v2（来自 InfluxDB v1.8.x/Flux 和 InfluxDB v2.x）

[influxdb2]
host=localhost
port=8086
protocol=http
org=nicolargo
bucket=glances
token=EjFUTWe8U-MIseEAkaVIgVnej_TrUpDy==
# 设置两个导出之间的间隔（以秒为单位）
# 如果时间间隔设置为 0，
# 则使用 Glances 刷新时间（默认行为）
#interval=0
# 将为所有测量名称添加前缀
# Ex: prefix=foo
#     => foo.cpu
#     => foo.mem
# 您还可以使用动态值
#prefix=foo
# 将为所有测量添加以下标签
# 您还可以使用动态值.
# 注意：主机名始终作为标签添加
#tags=foo:bar,spam:eggs,domain:`domainname`

并运行 Glances：

$ glances --export influxdb2

Elasticsearch

可以将统计数据导出到 Elasticsearch 服务器

[elasticsearch]
host=localhost
port=9200
index=glances

并运行 Glances：

$ glances --export elasticsearch

MQTT

您可以将统计信息导出到 MQTT 服务器

[mqtt]
host=localhost
port=883
tls=true
user=glances
password=glances
topic=glances
topic_structure=per-metric

并运行 Glances：

$ glances --export mqtt

MongoDB

[couchdb]
host=localhost
port=
user=root
password=example
db=glances

并运行 Glances：

$ glances --export couchdb

OpenTSDB

[opentsdb]
host=localhost
port=4242
prefix=glances
tags=foo:bar,spam:eggs

并运行 Glances：

$ glances --export opentsdb

Kafka

您可以将统计信息导出到 Kafka 服务器

[kafka]
host=localhost
port=9092
topic=glances
#compression=gzip
# Tags will be added for all events
#tags=foo:bar,spam:eggs
# You can also use dynamic values
#tags=hostname:`hostname -f`

并运行 Glances：

$ glances --export kafka

内存插件的记录示例：

ConsumerRecord(topic=u'glances', partition=0, offset=1305, timestamp=1490460592248, timestamp_type=0, key='mem', value=u'{"available": 2094710784, "used": 5777428480, "cached": 2513543168, "mem_careful": 50.0, "percent": 73.4, "free": 2094710784, "mem_critical": 90.0, "inactive": 2361626624, "shared": 475504640, "history_size": 28800.0, "mem_warning": 70.0, "total": 7872139264, "active": 4834361344, "buffers": 160112640}', checksum=214895201, serialized_key_size=3, serialized_value_size=303)

使用 Kafka Glances 插件的 Python 代码示例：

from kafka import KafkaConsumer
import json

consumer = KafkaConsumer('glances', value_deserializer=json.loads)
for s in consumer:
  print(s)

Prometheus

[prometheus]
host=localhost
port=9091
prefix=glances
labels=src:glances

并运行 Glances：

$ glances --export prometheus

RabbitMQ

[rabbitmq]
host=localhost
port=5672
user=glances
password=glances
queue=glances_queue
#protocol=amqps

并运行 Glances：

$ glances --export rabbitmq

RESTful

[restful]
# --export-restful 选项的配置
# 例如，导出到 http://localhost:6789/
host=localhost
port=6789
protocol=http
path=/

URL语法

http://localhost:6789/
|      |         |   |
|      |         |   path
|      |         port
|      host
protocol

并运行 Glances

$ glances --export restful

ZeroMQ

[zeromq]
host=127.0.0.1
port=5678
prefix=G

并运行 Glances

$ glances --export zeromq

以下是订阅 Glances 统计数据的简单 Python 客户端：

import json
import zmq

context = zmq.Context()

subscriber = context.socket(zmq.SUB)
subscriber.setsockopt(zmq.SUBSCRIBE, 'G')
subscriber.connect("tcp://127.0.0.1:5678")

while True:
    _, plugin, data_raw = subscriber.recv_multipart()
    data = json.loads(data_raw)
    print('{} => {}'.format(plugin, data))

subscriber.close()
context.term()

Riemann

[riemann]
host=localhost
port=5555

并运行 Glances

$ glances --export riemann

StatsD

[statsd]
host=localhost
port=8125
prefix=glances

并运行 Glances

$ glances --export statsd

另见