python监控工具
1、web开发：python的诞生历史比web还要早，python是解释型编程语言，开发效率高，非常适合进行web开发。它有上百种web开发框架，有很多成熟的模板技术，选择python开发web应用，不但开发效率高，速度也是非常快的。常用的web开发框架有：Django、Flask、Tornado 等。
2、网络爬虫：网络爬虫是python非常常见的一个场景，国际上其实google在早期大量地使用Python语言作为网络爬虫的基础，推动python发展，以前国内很多人采集网上的内容，现在就可以用python来实现了。
3、人工智能：人工智能是非常火的一个方向，AI浪潮让python语言未来充满潜力。现在python有很多库都是针对人工智能的，比如numpy,
scipy做数值计算的，sklearn做机器学习的，pybrain做神经网络等。在人工智能领域，数据分析、机器学习、神经网络、深度学习等都是主流语言。
4、数据分析：数据分析处理方面，python有非常完备的生态环境。大数据分析涉及到分布式计算、数据可视化、数据库操作等，python都有成熟的模板可以完成其功能，对于Hadoop-MapRece和Spark，都可以直接使用Python完成计算逻辑，是非常便利的。
5、自动化运维：python对于服务器是非常重要的，目前几乎所有Linux发行版本中都带有python编辑器，使用python脚本进行批量化文件部署和运行调整都成了Linux服务器很不错的选择。python有很多方便的工具，比如说调控ssh/sftp用的paramiko，到监控服务用的supervisor等，让运维变得更加简单。
‘贰’ python 监控视频分析
Python有个非常强的库叫OpenCV，这个库操作很简单，可以打开视频文件做截图，这个OpenCV库还提供了两张图片的比较功能。
你可以先把视频每秒截图一张。
然后只要把连续的截图后一张对前一张比较，找到差异大的就可以发现图像有变化
了。
‘叁’ Python如何监控network
"抓取network里所有的数据"的意思是抓取浏览器所有的数据吗?如果是, 那你的关注重点就不应该是python这门语言了, 你可以直接用抓包工具如wireshark抓取所有经过网卡的数据,或者用fiddler抓包, 如果只是想做爬虫, 没有必要抓取所有的请求, 比如说css, jpg等静态资源没有用处(抓取图片另算).
‘肆’ python主要用来干嘛
整理了Python的7大就业方向，希望大家能找到适合自己的，然后学习下去，完成人生的目标。
1、Web开发（Python后端）
Python有很多优秀的Web开发框架，如Flask、Django、Bootstar等，可以帮助你快速搭建一个网站。当需要一个新功能时，用Python只需添加几行代码即可，这受到了很多初创型公司的一致欢迎。
像知乎、豆瓣、小米这样的大厂，最早的网站都是用Python搭建的，国外则更多，如YouTube 、Quora、Reddit、Instagram、Netflix等代表地球顶级流量的大站，都构建在Python之上。
平均薪资：15~20K
技能要求：前端基础、Python基础、主流Python Web框架（Flask、Django等）、数据库等
2、Python爬虫工程师
顾名思义，就是用Python收集和爬取互联网的信息，也是小伙伴们入坑Python的第一驱动力。靠人力一星期才能完成的工作，你泡着咖啡、跑10分钟爬虫即可，又装X又实用，学会Python爬虫后，即使不做程序员的工作也能加分不少。
平均薪资：15~25K
技能要求：前端基础、Python爬虫库、数据库、JS反爬等
友情提示：注意法律风险
3、Python数据分析师
这个时代，数据和黄金一样宝贵，现在最火的公司如：今日头条、抖音、快手等，产品都建立在对用户的分析之上，更不用说淘宝、京东、拼多多这些 “定制化推荐” 的老手。
可以说，所有的商业公司都需要这样一个角色，Python数据分析师也成了目前最火的职业之一。
Python是目前数据分析业务中，最常用的语言。学会Python后，基本可以满足数据分析经理的招聘需求。
平均薪资：10~25K
技能要求：统计学基础、Python的数据分析库（Pandas、NumPy、matplolib）、数据库、机器学习框架（高端职位需要）
4、AI工程师
人工智能是目前最火的方向之一，薪资待遇非常高（土豪的代名词）。从招聘网站上可以看到，80K、100K 的职位也有很多，流下了没有技术的泪水，当然这些职位的要求也相对较高。
Python是人工智能时代的头牌语言，不管是机器学习（Machine Learning）还是深度学习（Deep Learning），最常用的工具和框架都需要用Python调用，如Numpy、scipy、pandas、matplotlib、PyTorch、TensorFlow等，因此Python是人工智能工程师的必备技能之一。
薪资：20~40K
技能要求：统计学基础、Python、数据分析库、机器学习、深度学习框架
5、自动化运维工程师
运维工程师经常要监控上百台机器的运行，或同时部署的情况。使用Python可以自动化批量管理服务器，起到1个人顶10个人的效果。
自动化运维也是Python的主要应用方向之一，它在系统管理、文档管理方面都有很强大的功能。
平均薪资：15~25K
技能要求：Python、shell、Linux、数据库、openpyxl库等
6、自动化测试工程师
测试的工作是枯燥和重复的，在过去，每次产品更新，都要重复测试一遍，效率低而且容易出错。
Python提供了很多自动化测试的框架，如Selenium、Pytest等，避免了大量的重复工作，Python自动化测试也变得越来越流行。
平均薪资：10~20K
技能要求：Python、自动化测试框架、Linux等
7、Python游戏开发
Python游戏开发的招聘集中在游戏服务器领域，主要负责网络游戏的服务器功能开发、性能优化等工作。
平均薪资：15~25K
技能要求：Python、Python Web框架、Linux、数据库、Nginx等
通过以上一系列的讲解，相信各位刚入门Python编程语言的人，对于Python主要用来做什么这个问题有了一定的了解。Python编程语言应用广泛，就业方向也是十分广阔，当下正是学习Python的好时机。
‘伍’ 数字化监控平台自动化作业中支持哪几种开发语言
针对数字化监控平台自动化作业扮燃，支持的开发语言有：Python、Java、C++、C#、Go、Ruby、php等。
Python是一种面向对象的解释型计算机程序设计语言，它具有高效、易学、易用的特点，可以用来开发简单的脚本，也可以用来开发复杂的程序。Python可以用来开发数字化监控平台自动化作业，可以使用Python的编程语言来实现自动化作业的功能，从而提高工作效率。
Java是一种面向知改对象的编程语言，它具有可移植性、可扩展性、安全性等优点，可以用来开发复杂的程序。Java可以用来开发数字化厅猛虚监控平台自动化作业，可以使用Java的编程语言来实现自动化作业的功能，从而提高工作效率。
C++是一种面向对象的编程语言，它具有高效、灵活、可移植性等优点，可以用来开发复杂的程序。C++可以用来开发数字化监控平台自动化作业，可以使用C++的编程语言来实现自动化作业的功能，从而提高工作效率。
C#是一种面向对象的编程语言，它具有高效、安全性、可移植性等优点，可以用来开发复杂的程序。C#可以用来开发数字化监控平台自动化作业，可以使用C#的编程语言来实现自动化作业的功能，从而提高工作效率。
Go是一种面向对象的编程语言，它具有高效、简单、可移植性等优点，可以用来开发复杂的程序。Go可以用来开发数字化监控平台自动化作业，可以使用Go的编程语言来实现自动化作业的功能，从而提高工作效率。
Ruby是一种面向对象的编程语言，它具有高效、简单、可移植性等优点，可以用来开发复杂的程序。Ruby可以用来开发数字化监控平台自动化作业，可以使用Ruby的编程语言来实现自动化作业的功能，从而提高工作效率。
PHP是一种面向对象的编程语言，它具有高效、简单、可移植性等优点，可以用来开发复杂的程序。PHP可以用来开发数字化监控平台自动化作业，可以使用PHP的编程语言来实现自动化作业的功能，从而提高工
‘陆’ 监控常用的应用软件有什么
常用的有:
1.cactio
实际上cacti不是监控工具，而是个依赖于SNMP的数据采集和数据呈现的工具。但是很多人喜欢用来当监控(因为其功能可以很好的完成这个工作)
功能:数据采集、 保存数据[sql, txt].
数据展示(rrdtool 绘图)。
数据分析和报警(很一般)。
2. nagios。
功能:数据报警(报警功能是Nagios的特色功能) [ 故障触发，故障恢复都可以。
依赖分析报警(能自动的识别到关键设备的故障，关联设备不会报警)。
数据采集(采集的数据是弱项，他只关心警戒位，只关心正常与否的状态，状态转换时可以实现报警，所以它采集的数据不需要保存)，当然也有插件弥补这个不足，如PNP4Nagios。
3. zabbix (php)(推荐)
Nagiostcacti整合互相弥补不足!I
nagios和 cacti不适合超大规模的监控、由于大规模的带宽和网络限制,会导致监控的延迟等问题,所以有很多是 nagios+ cacti整合,但是依然不适合在大规模的环境中,不适合分布式部署, Nagios在大规模中就会出现延迟,失
去 Nagios本事的特色。
那么 zabbix同时整合了 cacti和 Nagios特点的工具,而且还具有了前两者不具有的工具,支持分布式等等。
4. 补充工具:
netdata:托管在github上的一款类型zabbix的开源监控工具https:/
/github. com/firehol/netdata
open- falcon:小米公司开源的企业级监控工具(python)(推荐)
Ganglia类似于 zabbix,大型分布式监控系统
开源监控工具对比http://www.oschina.net/news/67525/monitoring-tools
5. 监控软件数据采集的方式
SNMP 协议。
agent 代理的方式去采集数据。
shell 脚本api 接口
6. 数据展示方式
php html app
7. 数据告警
mail，msm，微信，电话，钉钉机器人
‘柒’ python + layui.table 实现数据表格呈现、工具栏监听
table.render参数：
还有一些其它的常用参数：
传给前端带凳的数据需要是{'code':'','msg':'','count':'','data':''}的格式
script 的id和操作列的toolbar属性值一致，lay-event需要用来监控不同的事件。
点击修改时，layer.msg('edit')，toast提示“edit”
点击修改时尘行空，layer.msg('del')，toast提示“del”
头部工具栏和工具行事件类似
前端派瞎js和css都是基于layui-v2.6.8
‘捌’ Python 有监听数据库变化的模块吗
MySQL 的 Binlog 记录着 MySQL 数据库的所有变更信息，了解 Binlog 的结构可以帮助我们解析Binlog，甚至对 Binlog 进行一些修改，或者说是“篡改”，例如实现类似于 Oracle 的 flashback 的功能，恢复误删除的记录，把 update 的记录再还原回去等。本文将带您探讨一下这些神奇功能的实现，您会发现比您想象地要简单得多。本文指的 Binlog 是 ROW 模式的 Binlog，这也是 MySQL 8 里的默认模式，STATEMENT 模式因为使用中有很多限制，现在用得越来越少了。
Binlog 由事件（event）组成，请注意是事件（event）不是事务（transaction），一个事务可以包含多个事件。事件描述对数据库的修改内容。
现在我们已经了解了 Binlog 的结构，我们可以试着修改 Binlog 里的数据。例如前面举例的 Binlog 删除了一条记录，我们可以试着把这条记录恢复，Binlog 里面有个删除行（DELETE_ROWS_EVENT）的事件，就是这个事件删除了记录，这个事件和写行（WRITE_ROWS_EVENT）的事件的数据结构是完全一样的，只是删除行事件的类型是 32，写行事件的类型是 30，我们把对应的 Binlog 位置的 32 改成 30 即可把已经删除的记录再插入回去。从前面的 “show binlog events” 里面可看到这个 DELETE_ROWS_EVENT 是从位置 378 开始的，这里的位置就是 Binlog 文件的实际位置（以字节为单位）。从事件（event）的结构里面可以看到 type_code 是在 event 的第 5 个字节，我们写个 Python 小程序把把第383（378+5=383）字节改成 30 即可。当然您也可以用二进制编辑工具来改。
找出 Binlog 中的大事务
由于 ROW 模式的 Binlog 是每一个变更都记录一条日志，因此一个简单的 SQL，在 Binlog 里可能会产生一个巨无霸的事务，例如一个不带 where 的 update 或 delete 语句，修改了全表里面的所有记录，每条记录都在 Binlog 里面记录一次，结果是一个巨大的事务记录。这样的大事务经常是产谨汪生麻烦的根源。我的一个客户有一次向我抱怨，一个 Binlog 前滚，滚了两天也没有动静，我把那个 Binlog 解析了一下，发现里面有个事务产生了 1.4G 的记录，修改了 66 万条记录！下面是一个简单的找出 Binlog 中大事务的 Python 小程序，我们知道用 mysqlbinlog 解析的 Binlog，每个事务都是以 BEGIN 开头，以 COMMIT 结束。我们找出 BENGIN 前面的 “# at” 的位置，检查 COMMIT 后面的 “# at” 位置，这两个位置相减即可计算出这个事务的大小，下面是这个 Python 程序的例子。
切割 Binlog 中的大事务
对于大的事务，MySQL 会把它分解成多个事件（注意一个是事务 TRANSACTION，另一个是事件 EVENT），事件的大小由参数 binlog-row-event-max-size 决定，这个参数默认是 8K。因此我们可以把若干个事件切割成一个单独的略小的事务
ROW 模式下，即使我御晌瞎们只更新了一条记录的其中某个字段，也会记录每个字段变更镇空前后的值，这个行为是 binlog_row_image 参数控制的，这个参数有 3 个值，默认为 FULL，也就是记录列的所有修改，即使字段没有发生变更也会记录。这样我们就可以实现类似 Oracle 的 flashback 的功能，我个人估计 MySQL 未来的版本从可能会基于 Binlog 推出这样的功能。
了解了 Binlog 的结构，再加上 Python 这把瑞士军刀，我们还可以实现很多功能，例如我们可以统计哪个表被修改地最多？我们还可以把 Binlog 切割成一段一段的，然后再重组，可以灵活地进行 MySQL 数据库的修改和迁移等工作。
‘玖’ 探讨最受欢迎的15顶级Python库
1 TensorFlow（贡献者：1757，贡献：25756，Stars：116765）
“TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算，而图形边缘表示在它们之间流动的多维数据阵列（张量）。这种灵活的体系结构使用户可以将计算部署到桌面、服务器或移动设备中的一个或多个 CPU/GPU，而无需重写代码。 ”
GitHub 地址：
https://github.com/tensorflow/tensorflow
2 pandas（贡献者：1360，贡献：18441，Stars ：17388）
“pandas 是一个 Python 包，、供快速，灵活和富有表现力的数据结构，旨在让”关系“或”标记“数据使用既简单又直观。它的目标是成为用 Python 进行实际，真实数据分析的基础高级构建块。”
GitHub 地址：
https://github.com/pandas-dev/pandas
3 scikit-learn（贡献者：1218，贡献者：23509，Stars ：32326）
“scikit-learn 是一个基于 NumPy，SciPy 和 matplotlib 的机器学习 Python 模块。它为数据挖掘和数据分析提供了简单而有效的工具。SKLearn 所有人都可用，并可在各种环境中重复使用。
GitHub 地址：
https://github.com/scikit-learn/scikit-learn
4 PyTorch（贡献者：861，贡献：15362，Stars：22763）
“PyTorch 是一个 Python 包，提供两个高级功能：
具有强大的 GPU 加速度的张量计算（如 NumPy）
基于磁带的自动编程系统构建的深度神经网络
你可以重复使用自己喜欢的 Python 软件包，如 NumPy，SciPy 和 Cython，以便在需要时扩展 PyTorch。”
GitHub 地址：
https://github.com/pytorch/pytorch
5 Matplotlib（贡献者：778，贡献：28094，Stars ：8362）
“Matplotlib 是一个 Python 2D 绘图库，可以生成各种可用于出版品质的硬拷贝格式和跨平台交互式环境数据。Matplotlib 可用于 Python 脚本，Python 和 IPython shell（例如 MATLAB 或 Mathematica），Web 应用程序服务器和各种图形用户界面工具包。”
GitHub 地址：
https://github.com/matplotlib/matplotlib
6 Keras（贡献者：856，贡者：4936，Stars ：36450）
“Keras 是一个高级神经网络 API，用 Python 编写，能够在 TensorFlow，CNTK 或 Theano 之上运行。它旨在实现快速实验，能够拍尘以最小袭巧禅的延迟把想法变成结果，这是进行研究的关键。”
GitHub 地址：
https://github.com/keras-team/keras
7 NumPy（贡献者：714，贡献：19399，Stars：9010）
“NumPy 是使用 Python 进行科学计算所需的基础包。它提供了强大的 N 维数组对象，复杂的（广播）功能，集成 C / C ++ 和 Fortran 代码的工具以及有用的线性代数，傅里叶变换和随机数功能。
GitHub 地址：
https://github.com/numpy/numpy
8 SciPy（贡献者：676，贡献：20180，Stars：5188）
“SciPy（发音为”Sigh Pie“）是数学、科学和工程方向的开源软件，包含统计、优化、集成、线性代数、傅立叶变换、信号和图像处理、ODE 求解器等模块。”
GitHub 地址：
https://github.com/scipy/scipy
9 Apache MXNet（贡献者：653，贡献：9060，Stars：15812）
“Apache MXNet（孵宽昌化）是一个深度学习框架，旨在提高效率和灵活性，让你可以混合符号和命令式编程，以最大限度地提高效率和生产力。 MXNet 的核心是一个动态依赖调度程序，可以动态地自动并行化符号和命令操作。”
GitHub 地址：
https://github.com/apache/incubator-mxnet
10 Theano（贡献者：333，贡献：28060，Stars ：8614）
“Theano 是一个 Python 库，让你可以有效地定义、优化和评估涉及多维数组的数学表达式。它可以使用 GPU 并实现有效的符号区分。”
GitHub 地址：
https://github.com/Theano/Theano
11 Bokeh（贡献者：334，贡献：17395，Stars ：8649）
“Bokeh 是一个用于 Python 的交互式可视化库，可以在现代 Web 浏览器中实现美观且有意义的数据视觉呈现。使用 Bokeh，你可以快速轻松地创建交互式图表、仪表板和数据应用程序。”
GitHub 地址：
https://github.com/bokeh/bokeh
12 XGBoost（贡献者：335，贡献：3557，Stars：14389）
“XGBoost 是一个优化的分布式梯度增强库，旨在变得高效、强大、灵活和便携。它在 Gradient Boosting 框架下实现机器学习算法。XGBoost 提供了梯度提升决策树（也称为 GBDT，GBM），可以快速准确地解决许多数据科学问题，可以在主要的分布式环境（Hadoop，SGE，MPI）上运行相同的代码，并可以解决数十亿个示例之外的问题。”
GitHub 地址：
https://github.com/dmlc/xgboost
13 Gensim（贡献者：301，贡献：3687，Stars ：8295）
“Gensim 是一个用于主题建模、文档索引和大型语料库相似性检索的 Python 库，目标受众是自然语言处理（NLP）和信息检索（IR）社区。”
GitHub 地址：
https://github.com/RaRe-Technologies/gensim
14 Scrapy（贡献者：297，贡献：6808，Stars ：30507）
“Scrapy 是一种快速的高级 Web 爬行和 Web 抓取框架，用于抓取网站并从其页面中提取结构化数据。它可用于从数据挖掘到监控和自动化测试的各种用途。”
GitHub 地址：
https://github.com/scrapy/scrapy
15 Caffe（贡献者：270，贡献：4152，Stars ：26531）
“Caffe 是一个以表达、速度和模块化为基础的深度学习框架，由伯克利人工智能研究（BAIR）/ 伯克利视觉与学习中心（BVLC）和社区贡献者开发。”
GitHub 地址：
https://github.com/BVLC/caffe
以上就是2018年最受欢迎的15个库了，不知有没有你的菜喔！希望本文对所列出的库对你有所帮助！