Flask速成项目：Flask实现计算机资源的实时监控

很多人都说使用Python开发WEB应用非常方便，那么对于WEB新手来说，到底有多方便呢？本文即将展示给你Python的魔法。本文将通过一个实例：Flask实现计算机资源的实时监控，迅速带你入门Flask开发。先说一下我的水平，博主的专业并不是做WEB开发的，对于WEB方面，只会写爬虫，因此，只能看懂html，略看得懂css与js，我估计有很多像我一样的小伙伴，因此，如果你的WEB掌握的水平在我之上或与我相当，那么，这篇文章将是你迅速入门Flask的终极教程。

先放上一张成果图：访问，浏览器能够实时显示我的电脑的两个CPU的使用情况，这里特地采用两种显示方式，方便大家学习代码。

flask介绍

Flask is a microframework for Python based on Werkzeug, Jinja 2 and good intentions. And before you ask: It’s BSD licensed! 搞科研或者搞技术，还是直接看英文吧，英文是你走向NB的基础。

flask安装

可以参考我之前的文章：

另外，需要安装psutil，flask_socketio包，可直接使用pip安装

构建flask项目结构

boss@boss-N501JW:~/Desktop/projects/CPU_memory$ tree
.
|-- app.py
`-- templates
    `-- index.html

1 directory, 2 files

非常形象的解释下flask完成的任务 浏览器向服务器发送请求，服务器将html源代码发送给浏览器，浏览器将html解析成可视化的东西展示给用户。也就是说，用户接收到的总是一个html文件，那flask在整个过程中完成了什么任务呢？请把Flask想象成一个火腿肠加工厂，将肉输送给火腿肠加工厂，火腿肠加工厂生产出火腿肠。同样，将用户请求，例如访问https://xujh.top这一请求发送给flask，flask能够生产出html。将请求发送给flask是通过flask中的路由来实现的，flask是通过直接返回或返回模板来生成html的。

对于上述项目结构的构成，app.py中实现了路由及启动功能，templates文件夹中是模板文件，（这里插一句:我曾经看到很多人，在读某个用flask做的WEB项目的源码，一打开templates文件夹中，发现了很多css，js，html文件，一打开这些文件，发现几百上前行，一下子头都大了，立马放弃了读代码，哈哈哈哈），其实，对于像我一样专业不是做前端的小伙伴，完全可以不用担心，这些文件其实可以一行都不写，例如可以用Bootstrap框架来做前端，使用Bootstrap要写代码？兄弟，你不会用可视化编辑工具嘛！！！ 等以后我们做大项目，我们主要写的也就是除了templates文件夹中以外的文件。前端不会别担心，我也不会。

对于这篇文章所要实现的目标，我们做一个小结：

执行app.py，计算机启动flask自带的服务器，开始允许WEB访问
用户使用浏览器访问网址
flask接受到用户的请求后，app.py进行逻辑上的处理，将index.html传送给浏览器。

源码分析

app.py

源代码的分析在注释中，大家一定能看懂！

# -*- coding:utf-8 -*-
'''
CPU_and_MEM_Monitor
思路：后端后台线程一旦产生数据，即刻推送至前端。
好处：不需要前端ajax定时查询，节省服务器资源。
'''

import psutil #这个库可以用来获取系统的资源数据，详细可以看文档
import time

from threading import Lock

from flask import Flask, render_template, session, request
from flask_socketio import SocketIO, emit

# Set this variable to "threading", "eventlet" or "gevent" to test the
# different async modes, or leave it set to None for the application to choose
# the best option based on installed packages.
async_mode = None

app = Flask(__name__)
app.config['SECRET_KEY'] = 'secret!'
socketio = SocketIO(app, async_mode=async_mode)


thread = None
thread_lock = Lock()



# 后台线程 产生数据，即刻推送至前端
def background_thread():
 count = 0
 while True:
 socketio.sleep(2)
 count += 1
 t = time.strftime('%M:%S', time.localtime()) # 获取系统时间（只取分:秒）
 cpus = psutil.cpu_percent(interval=None, percpu=True) # 获取系统cpu使用率 non-blocking
 socketio.emit('server_response',
 {'data': [t] + list(cpus)[0:4], 'count': count},
 namespace='/test') # 注意：这里不需要客户端连接的上下文，默认 broadcast = True ！！！！！！！
 print [t] +list(cpus)[0:4]
 print 100*'*'

# 当用户访问'/'时，执行index()函数。这也是python装饰器的用法。
@app.route('/')
def index():
 return render_template('index.html', async_mode=socketio.async_mode)
 # 每次执行render_template函数时，渲染器都会将index.html的变量值用其实际值替代。


# 与前端建立 socket 连接后，启动后台线程
@socketio.on('connect', namespace='/test')
def test_connect():
 global thread
 with thread_lock:
 if thread is None:
 thread = socketio.start_background_task(target=background_thread)




if __name__ == '__main__':
 socketio.run(app, debug=True)

index.html

<!DOCTYPE html>
<html lang="en">
<head>
 <meta charset="utf-8">
 <title>CPU_and_MEM_Monitor</title>
 <script type="text/javascript" src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
 <script type="text/javascript" src="https://cdn.bootcss.com/socket.io/1.5.1/socket.io.min.js"></script>
 <!-- ECharts 3 引入 -->
 <script src="http://echarts.baidu.com/dist/echarts.min.js"></script>
</head>

<body>
 <!--为ECharts准备一个具备大小（宽高）的Dom-->
 <div id="CPU1" style="height:500px;border:1px solid #ccc;padding:10px;"></div>
 <div id="CPU2" style="height:500px;border:1px solid #ccc;padding:10px;"></div>
 <script type="text/javascript">

 //--- 折柱 ---
 // 3个全局变量：time、cpu1、cpu2
 var time = ["","","","","","","","","",""],
 cpu1 = [0,0,0,0,0,0,0,0,0,0],
 cpu2 = [0,0,0,0,0,0,0,0,0,0]

 //第一张echarts图初始化
 var CPU1 = echarts.init(document.getElementById('CPU1'));
 CPU1.setOption({
 title: {
 text: 'CPU1'
 },
 tooltip: {},
 legend: {
 data:['cpu1']
 },
 xAxis: {
 data: []
 },
 yAxis: {},
 series: [{
 name: 'cpu1',
 type: 'line',
 data: []
 }]
 });
 

 //准备好的 callback 函数
 var update_CPU1 = function (res) { //res是json格式的response对象
 
 // 隐藏加载动画
 CPU1.hideLoading();
 
 // 准备数据
 time.push(res.data[0]);
 cpu1.push(parseFloat(res.data[1]));
 if (time.length >= 10){
 time.shift();
 cpu1.shift();
 }
 
 // 填入数据
 CPU1.setOption({
 xAxis: {
 data: time
 },
 series: [{
 name: 'cpu1', // 根据名字对应到相应的系列
 data: cpu1
 }]
 });
 
 };
 
 //第二张echarts图初始化
 var CPU2 = echarts.init(document.getElementById('CPU2'));
 CPU2.setOption({
 title: {
 text: 'CPU2'
 },
 tooltip: {},
 legend: {
 data:['cpu2']
 },
 toolbox: {
 show : true,
 feature : {
 mark : {show: true},
 dataView : {show: true, readOnly: false},
 magicType : {show: true, type: ['line', 'bar', 'stack', 'tiled']},
 restore : {show: true},
 saveAsImage : {show: true}
 }
 },
 calculable : true,
 xAxis: {
 data: []
 },
 yAxis: {},
 series: [{
 name: 'cpu2',
 type: 'line',
 smooth:true,
 itemStyle: {normal: {areaStyle: {type: 'default'}}},
 data: []
 }]
 });
 

 //准备好的 callback 函数
 var update_CPU2 = function (res) { //res是json格式的response对象
 
 // 隐藏加载动画
 CPU2.hideLoading();
 
 // 准备数据
 time.push(res.data[0]);
 cpu2.push(parseFloat(res.data[2]));
 if (time.length >= 10){
 time.shift();
 cpu2.shift();
 }
 
 // 填入数据
 CPU2.setOption({
 xAxis: {
 data: time
 },
 series: [{
 name: 'cpu2', // 根据名字对应到相应的系列
 data: cpu2
 }]
 });
 
 };

 // 首次显示加载动画
 CPU1.showLoading();
 CPU2.showLoading();
 
 // 建立socket连接，等待服务器“推送”数据，用回调函数更新图表
 $(document).ready(function() {
 namespace = '/test';
 var socket = io.connect(location.protocol + '//' + document.domain + ':' + location.port + namespace);
 
 socket.on('server_response', function(res) {
 update_CPU1(res);
 update_CPU2(res);
 });

 });
 
 </script>
</body>
</html>