Docker 中怎么使用 Python 脚本实时获取 docker stats 数据

夜芳姑娘_2215

夜芳姑娘_2215

2026-11-18

407人浏览

原创

在 docker 中实时获取 docker stats 数据,最可靠的方式是使用 python 的 docker sdk 调用 client.stats() 方法。该方法会返回一个生成器,通过迭代它即可逐条接收容器的 cpu、内存和网络 i/o 等实时指标。若需同时监控多个容器,可遍历容器列表并分别调用该接口,从而避免解析命令行输出的繁琐与不稳定。

Docker 中怎么使用 Python 脚本实时获取 docker stats 数据

如何配置参数以控制刷新频率和输出内容

要控制数据获取的频率和内容,需在调用 Client.stats() 时传入 stream 和 decode 参数。stream=True 是必须的,否则 API 只会返回初始快照而非持续流;decode=True 则让 SDK 自动将 JSON 响应解码为 Python 字典,方便直接访问字段。默认情况下,Docker Daemon 会以每秒一次的频率推送数据,你可以通过设置环境变量或修改 Daemon 配置来调整全局刷新率,但在 Python 脚本层面,主要通过控制迭代循环的速度来实现“伪”频率调节。

Docker 中怎么使用 Python 脚本实时获取 docker stats 数据

import docker

# 创建客户端连接
client = docker.from_env()

# 获取所有运行中的容器
containers = client.containers.list()

for container in containers:
    # 调用 stats 方法,开启流式传输并自动解码
    stats_stream = container.stats(stream=True, decode=True)
    
    try:
        while True:
            # 从生成器中获取最新一帧数据
            stats_data = next(stats_stream)
            
            # 提取关键指标
            cpu_percent = stats_data.get('cpu_stats', {}).get('cpu_usage', {}).get('total_usage', 0)
            system_cpu = stats_data.get('cpu_stats', {}).get('system_cpu_usage', 0)
            mem_usage = stats_data.get('memory_stats', {}).get('usage', 0)
            mem_limit = stats_data.get('memory_stats', {}).get('limit', 0)
            
            print(f"Container: {container.name} | CPU: {cpu_percent} | Mem: {mem_usage}/{mem_limit}")
            
            # 模拟每秒刷新,实际频率取决于 daemon 推送间隔
            import time
            time.sleep(1)
    except GeneratorExit:
        pass
    except Exception as e:
        print(f"Error monitoring {container.name}: {e}")

上述代码展示了完整的监控逻辑。首先通过 client.containers.list() 获取目标容器,然后对每个容器启动 stats 流。在循环中,next(stats_stream) 会阻塞直到收到新数据。提取出的 cpu_stats 和 memory_stats 包含了详细的原始值,开发者可根据需要进行归一化或计算百分比。注意处理 GeneratorExit 异常,以便在容器停止或脚本退出时优雅地关闭资源。

如何处理多容器并发监控时的数据冲突与资源占用

当同时监控多个容器时,直接串行调用 container.stats() 会导致数据更新不同步,且单个容器的网络阻塞可能影响其他容器的监控。为解决此问题,应使用多线程或异步 IO 为每个容器分配独立的监控任务。每个线程独立维护自己的 stats 生成器,确保数据流的隔离性。此外,需注意 Docker Daemon 的资源限制,过多并发的 stats 请求可能导致 Daemon 负载升高,建议通过队列缓冲数据或限制监控容器的数量。

Camoufox Open Source Anti-Detect Browser for Python Automation
Camoufox Open Source Anti-Detect Browser for Python Automation

Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。

下载

Docker 中怎么使用 Python 脚本实时获取 docker stats 数据

import docker
import threading
import queue
import time

# 定义一个安全的数据存储结构
data_store = {}
lock = threading.Lock()

def monitor_container(container_name, stats_stream, result_queue):
    try:
        while True:
            stats_data = next(stats_stream)
            # 构造简洁的监控结果
            result = {
                'name': container_name,
                'cpu': stats_data.get('cpu_stats', {}).get('cpu_usage', {}).get('total_usage', 0),
                'mem': stats_data.get('memory_stats', {}).get('usage', 0),
                'timestamp': time.time()
            }
            result_queue.put(result)
    except Exception as e:
        print(f"Thread for {container_name} failed: {e}")

# 主程序
client = docker.from_env()
containers = client.containers.list()
result_queue = queue.Queue(maxsize=100)  # 缓冲队列,防止内存溢出

threads = []
for container in containers:
    # 为每个容器启动独立的统计流
    stream = container.stats(stream=True, decode=True)
    t = threading.Thread(target=monitor_container, args=(container.name, stream, result_queue))
    t.daemon = True
    t.start()
    threads.append(t)

# 主线程消费数据
try:
    while True:
        if not result_queue.empty():
            data = result_queue.get_nowait()
            with lock:
                data_store[data['name']] = data
            print(f"Updated: {data['name']} at {data['timestamp']}")
        time.sleep(0.5)
except KeyboardInterrupt:
    print("Stopping...")

该并发模型通过 threading 模块实现并行监控。每个容器拥有独立的线程和 stats 流,避免了串行调用的延迟问题。数据通过 queue.Queue 传递给主线程进行统一处理,这种生产者-消费者模式能有效解耦数据采集与业务逻辑。使用 maxsize 限制队列长度,防止因数据处理过慢导致内存堆积。在实际生产中,可根据监控粒度调整 time.sleep 的间隔,以及队列的大小,以平衡实时性与系统资源消耗。

基于程序中某个输入、条件或结果的具体问题

在实时监控过程中,如果容器被删除或重启,container.stats() 生成的迭代器会抛出异常或停止产生新数据。这是因为底层的 Docker Socket 连接已随容器生命周期结束而断开。此时,脚本需要捕获此类异常,并重新查询容器状态。若容器已不存在,应将其从监控列表中移除;若容器已重启,可能需要重新获取新的容器 ID 并建立新的监控流。这一机制确保了监控系统的鲁棒性,避免因个别容器故障导致整个监控进程崩溃。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python docker

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33717

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程