目前整個流程是：

server01
↓
Prometheus
↓
Grafana
↓
Alert Rule
↓
Discord

當 CPU 持續超過設定的門檻時，我們已經可以收到：

[FIRING]

Server01 High CPU

但收到通知之後，真正的維運工作才剛開始。

因為接下來通常還是要登入 Server，確認：

CPU 現在多少？
Memory 有沒有一起升高？
Disk 是否正常？
哪個 Process 正在吃 CPU？

所以今天想先解決這件事情。

既然這些資訊每次都要查，那能不能讓 Python 先幫我收集？

今天要做到什麼？

先不接 AI，也先不修改 Grafana。

今天只完成這個流程：

server01
↓
Python
↓
收集系統資訊
↓
CPU
Memory
Disk
Process
↓
輸出故障資訊

等這支程式可以正常工作之後，後面再想辦法讓 Grafana 告警自動觸發它。

Step 1：準備 Python 環境

先登入 server01：

ssh username@192.168.1.101

確認 Python：

python3 --version

接著準備虛擬環境：

sudo apt update
sudo apt install python3-venv -y

建立專案：

mkdir ~/aiops
cd ~/aiops

建立 Python Virtual Environment：

python3 -m venv venv

啟用：

source venv/bin/activate

接著安裝今天會使用的套件：

pip install psutil

psutil 可以讓 Python 取得系統的 CPU、Memory、Disk 和 Process 資訊。

Step 2：先取得基本主機資訊

建立：

nano collect_info.py

先從最基本的資訊開始：

import socket
import psutil
from datetime import datetime

hostname = socket.gethostname()

cpu = psutil.cpu_percent(interval=1)
memory = psutil.virtual_memory()
disk = psutil.disk_usage("/")

print("=== System Information ===")
print(f"Time: {datetime.now()}")
print(f"Hostname: {hostname}")
print(f"CPU Usage: {cpu}%")
print(f"Memory Usage: {memory.percent}%")
print(f"Disk Usage: {disk.percent}%")

執行：

python collect_info.py

應該會看到類似：

=== System Information ===

Time: 2026-09-04 09:30:20
Hostname: server01
CPU Usage: 32.5%
Memory Usage: 48.2%
Disk Usage: 36.1%

到這裡，我們已經不用分別輸入好幾個 Linux 指令。

Python 已經可以一次把基本資訊整理出來。

Step 3：找出 CPU 使用率較高的 Process

如果今天收到的是：

High CPU

只知道 CPU 95% 還是不夠。

下一個問題一定是：

到底是哪個 Process 在使用 CPU？

所以繼續修改程式。

import socket
import time
import psutil
from datetime import datetime

hostname = socket.gethostname()

cpu = psutil.cpu_percent(interval=1)
memory = psutil.virtual_memory()
disk = psutil.disk_usage("/")

先記錄 Process

processes = []

for process in psutil.process_iter(["pid", "name"]):
try:
process.cpu_percent(None)
processes.append(process)
except (psutil.NoSuchProcess, psutil.AccessDenied):
pass

等待一秒後再次取得 CPU 使用率

time.sleep(1)

process_list = []

for process in processes:
try:
process_list.append({
"pid": process.pid,
"name": process.name(),
"cpu": process.cpu_percent(None),
"memory": round(process.memory_percent(), 2)
})
except (psutil.NoSuchProcess, psutil.AccessDenied):
pass

CPU 使用率由高到低排序

process_list = sorted(
process_list,
key=lambda x: x["cpu"],
reverse=True
)[:5]

print("=== System Information ===")
print(f"Time: {datetime.now()}")
print(f"Hostname: {hostname}")
print(f"CPU Usage: {cpu}%")
print(f"Memory Usage: {memory.percent}%")
print(f"Disk Usage: {disk.percent}%")

print("\n=== Top CPU Processes ===")

for process in process_list:
print(
f'PID: {process["pid"]} '
f'Name: {process["name"]} '
f'CPU: {process["cpu"]}% '
f'Memory: {process["memory"]}%'
)

再次執行：

python collect_info.py

這次除了系統資訊之外，還會看到：

=== Top CPU Processes ===

PID: 1352 Name: python3 CPU: 42.0% Memory: 3.2%
PID: 921 Name: nginx CPU: 15.3% Memory: 1.5%
PID: 754 Name: sshd CPU: 2.1% Memory: 0.8%

這就開始比較像真正排查問題時需要的資訊了。

Step 4：把結果留下來

如果只顯示在 Terminal，程式結束之後就不太方便後續處理。

所以我希望順便把資料存成 JSON。

加入：

import json

接著整理資料：

report = {
"time": datetime.now().isoformat(),
"hostname": hostname,
"cpu": cpu,
"memory": memory.percent,
"disk": disk.percent,
"top_processes": process_list
}

最後寫入檔案：

with open("incident.json", "w") as file:
json.dump(report, file, indent=4)

執行：

python collect_info.py

目錄裡就會多出：

incident.json

打開：

cat incident.json

可能會看到：

{
"time": "2026-09-04T09:35:12",
"hostname": "server01",
"cpu": 92.4,
"memory": 58.3,
"disk": 36.1,
"top_processes": [
{
"pid": 1352,
"name": "python3",
"cpu": 45.2,
"memory": 3.2
}
]
}

這個 JSON 其實很重要。

因為後面不論是：

存進 Database
↓
送給 API
↓
傳給 AI

都可以直接使用這份資料。

為什麼先整理成 JSON？

如果只是讓 AI 直接去看整台 Server，我覺得範圍太大。

我比較希望流程是：

Server
↓
Python 收集資料
↓
整理成固定格式
↓
再交給下一個系統

這樣後面的程式不用自己猜：

哪一行是 CPU？

哪一行是 Memory？

而是直接取得：

{
"cpu": 92.4,
"memory": 58.3,
"disk": 36.1
}

資料會比較容易處理。

現在和以前有什麼不同？

原本收到 High CPU Alert 之後，可能要自己輸入：

top

再查：

free -h

再看：

df -h

然後自己把資訊拼起來。

現在變成：

python collect_info.py

一次得到：

Hostname
CPU
Memory
Disk
Top CPU Processes

目前看起來只少打幾個指令。

但這一步的真正目的，是為後面的：

自動觸發

做準備。

Day 8 完成

今天我們第一次加入自己寫的程式。

目前完成：

✓ 建立 Python 環境
✓ 使用 psutil 取得系統資訊
✓ 收集 CPU
✓ 收集 Memory
✓ 收集 Disk
✓ 找出高 CPU Process
✓ 將結果儲存成 JSON

目前架構也開始多出自己的程式：

server01
│
├── Node Exporter
│ ↓
│ Prometheus
│ ↓
│ Grafana
│
└── Python Collector
↓
incident.json

但現在還有一個很明顯的問題。

這支程式目前還需要自己手動執行：

python collect_info.py

這跟我們要做的「自動化維運」還差一步。