监控中心（本仓库）运行在 Linux 服务器，内置"本机采集"，开箱即用
远程主机安装轻量 agent（Python 单进程 / Windows 免装 Python 单 exe），主动出站上报，可穿透 NAT/防火墙，无需开放任何入站端口
数据存 SQLite 时序表：原始 2s 保留 1 天 → 1 分钟档 30 天 → 5 分钟档 1 年（自动降采样）

功能特性

监控指标	Linux	Windows
CPU 使用率 / 每核 / 频率	✅	✅
CPU 温度	✅ coretemp/k10temp	✅ 原生 WMI (ACPI 热区, 零第三方)
内存 / Swap(页面文件)	✅	✅
高使用率进程 Top25	✅	✅
磁盘分区占用 / 磁盘 IO	✅	✅
网速多网卡（主网卡识别）	✅	✅
GPU（NVIDIA 使用率/显存/温度）	✅	✅
GPU（AMD）	✅ rocm-smi	⚠️ N/A
负载 loadavg	✅	⚠️ N/A

多主机切换：顶部下拉一键切换（本机★ + 远程主机），离线主机置灰
长期历史：区间可选 1 分钟 ~ 1 年，按区间自动选档位 + 抽稀，长区间流畅不卡
超阈值告警：CPU / 内存 / 磁盘超阈值 → 邮件通知（30 分钟冷却防轰炸，每主机可覆盖阈值，SMTP 可在管理页配置与测试）
动态快照：进程 Top25 / 磁盘分区 / 网卡列表 / 系统信息，每 ~~10s~~2.5min 随上报更新
硬件信息：顶部只显示简要信息（主机名/系统/CPU核数/内存/GPU总显存/运行时长），点「更多硬件信息」弹窗查看 CPU 型号、内核、GPU 详单、主网卡等

架构

┌─────────────────────────┐          ┌──────────────────────────────┐
│  远程主机 (Win/Ubuntu)   │          │  监控中心 (Linux 服务器)       │
│                         │  HTTP+   │                              │
│  ┌─────────────────┐    │  Token   │  ┌──────────────────────┐    │
│  │  Host Agent     │ ───┼─────────▶│  │  POST /api/v1/ingest │    │
│  │ · psutil 采集    │    │  批量上报 │  └──────────┬───────────┘    │
│  │ · 本地缓冲+重试   │    │          │             ▼                │
│  │ · systemd/NSSM  │    │          │  ┌──────────────────────┐    │
│  └─────────────────┘    │          │  │  SQLite 时序存储      │    │
│                         │          │  │  (原始/1m/5m 降采样)  │    │
└─────────────────────────┘          │  └──────────┬───────────┘    │
                                     │             ▼                │
                                     │  Query API → 监控前端(多主机) │
                                     └──────────────────────────────┘

快速开始

1. 启动监控中心

cd works/host-monitor
./start.sh          # 默认 16094 端口 (PID 文件管理)
./start.sh stop     # 停止

监控页：http://<IP>:16094/
管理页：http://<IP>:16094/manage（主机管理 / 告警设置 / Token / 安装指引 / 告警记录）
首次启动自动注册本机为 hosts 一行（builtin），无需任何配置即可看本机监控

2. 部署远程主机 agent

管理页 → 主机列表 → 点该主机「📦 安装指引」→ 弹窗内提供：

部署包下载链接（Gitea Releases：Windows zip / Linux tar.gz）
现成的 agent.ini（已填 server_url / host_name / 统一 token）
分系统安装命令

Ubuntu：

sudo apt install -y python3-pip && sudo pip3 install psutil
sudo mkdir -p /opt/host-monitor-agent
# 放入 agent.py / collector.py / agent.ini(填好配置)
sudo cp host-monitor-agent.service /etc/systemd/system/
sudo systemctl daemon-reload && sudo systemctl enable --now host-monitor-agent

Windows（免装 Python）：

解压 Windows zip，双击 build_win.bat → 生成 dist\host-monitor-agent.exe
exe + agent.ini 放目标机器同一目录，编辑 agent.ini

管理员 CMD：

nssm install HostMonitorAgent "C:\host-monitor\host-monitor-agent.exe"
nssm set HostMonitorAgent AppDirectory "C:\host-monitor"
nssm start HostMonitorAgent

3. 查看效果

监控页顶部下拉选择远程主机即可查看其全部指标与历史曲线。离线主机置灰黄标，曲线保留历史但停止更新。

管理页功能

🖥️ 主机管理：主机列表（在线状态 / OS / 当前指标 / GPU），删除主机，每主机告警阈值覆盖，一键生成安装指引
🔔 告警设置：启用开关、全局阈值（CPU/内存/磁盘%）、通知冷却分钟、SMTP（服务器/端口/SSL/账号/口令/发件人/收件人）+ 测试邮件
🔑 Token：统一认证 token（所有 agent 共用），查看 / 复制 / 轮换
📋 告警记录：最近 100 条触发与恢复记录

安全：管理页默认内网免认证；如暴露公网，建议在告警设置前于服务端设置 admin_password（设置后管理 API 需口令）。agent 上报必须带统一 token（Authorization: Bearer <token>）。

API 一览

POST /api/v1/ingest                    agent 上报 (Bearer 统一 token)
GET  /api/v1/hosts                     主机列表 (在线/摘要/阈值覆盖)
GET  /api/v1/hosts/<name>/metrics      时序数据 (window 自动选档 + 抽稀)
GET  /api/v1/hosts/<name>/snapshot     当前动态快照
DELETE /api/v1/hosts/<name>            删除主机
GET/POST /api/v1/settings              管理设置 (SMTP/阈值/开关)
POST /api/v1/rotate-token              轮换统一 token
POST /api/v1/test-email                测试邮件
GET  /api/v1/alerts                    告警记录
GET  /api/v1/agent-config/<name>       生成 agent.ini + 安装指引 + 下载链接

兼容保留：GET /api/metrics、GET /api/config（旧单机接口，前端已统一走 v1）。

上报协议（agent → server）

POST /api/v1/ingest
Authorization: Bearer <统一token>
{
  "host": "web-server-01",
  "os": "linux",
  "agent_version": "1.0.0",
  "points": [
    { "ts": 1736000000.0, "cpu_percent": 12.3, "per_cpu": [11,13.5],
      "cpu_temp": 42.0, "mem_percent": 45.6, "swap_percent": 1.2,
      "load": [0.2,0.1,0.1], "net": {"eth0": {"rx":1048576,"tx":51200}},
      "disk_io": {"read_bps":102400,"write_bps":20480}, "gpu": [...] }
  ],
  "snapshot": { "processes": [...], "disks": [...], "net_interfaces": [...], "system": {...} }
}

默认 2s 采样 / 10s 批量（agent.ini 可改 interval/batch）
上报失败：缓冲保留 + 指数退避重试 + 本地暂存 data/pending.json
上报即心跳，超过 30s 未上报自动标记离线

数据与降采样

data/monitor.db（SQLite WAL 模式）
档位：原始 2s（保留 1 天）→ 1m AVG（保留 30 天）→ 5m AVG（保留 1 年）
后台每 30s 聚合 + 清理；查询按 window 自动选档 + 长区间抽稀到 4000 点

技术栈

服务端：Python 3.8+ / Flask / psutil
存储：SQLite（WAL）+ 纯 REST 写入，无外部依赖
前端：原生 HTML/JS + ECharts（本地文件，无 CDN）
采集端：Python + psutil（Windows 温度走原生 WMI，GPU 走 nvidia-smi/rocm-smi）

项目结构

host-monitor/
├── app.py                  # 监控中心主应用 (API + 后台线程)
├── store.py                # SQLite 时序存储 + 降采样 + 查询
├── alerting.py             # 超阈值告警邮件
├── templates/
│   ├── index.html          # 监控页 (顶部主机下拉切换)
│   └── manage.html         # 管理页
├── static/echarts.min.js
├── agent/                  # 远程主机 agent
│   ├── agent.py            # 采样→批量上报主程序
│   ├── collector.py        # 跨平台采集库 (Linux/Win 分支)
│   ├── agent.ini           # 配置模板
│   ├── build_win.bat       # Windows 打包 (GBK 编码, 免 Python exe)
│   ├── host-monitor-agent.service  # Ubuntu systemd 服务
│   └── README.md           # agent 部署文档
├── release/                # 发布部署包 (win zip + linux tar.gz)
└── docs/remote-monitoring-plan.md  # 设计方案

版本历史

v2.4.2：①「更多」回退为卡片内展开（v2.4.0 方案，不再用悬浮面板）：所有 GPU 按行正常排布，默认只显前 2 行，点「▼ 更多」直接在卡内展开剩余行（卡片变高推下内容，不遮挡/不盖住下方曲线图），按钮在 2 行/展开区底部切换；②GPU 行新增显存占用率列（绿色，已用/总量×100%）：修复「使用率 100%（计算利用率）被误读为显存占用率」的困惑，V100 显存 92% 现在直接显示 92%（如 V100 0% 92% 35°C，黄=使用率绿=显存占用率），悬停提示同步补充显存占用率
v2.3.6：2 项功能 —— ①GPU 功率仪表盘：新增「GPU 功率 (W)」曲线块，每个 GPU 一个圆饼电流计式仪表（两排显示、一排最多 4 个，下方标注简洁显卡名），所有仪表统一以各卡最大功率为满刻度，功率上限低于全局最大的卡用红色虚线标出上限，功率变化带汽车码表式平滑滑动动画（agent 新增采集 power.draw/power.limit）；②「更多」展开区无缝拼接：展开时原卡底部圆角取消与展开部分对齐（展开区顶部直角→底部圆角），各 GPU 行左右对齐、间距一致，展开/收起带滚动推拉动画
v2.3.5：7 项优化 —— ①「更多」展开后收起按钮移到展开区域底部（不再夹在多卡中间）；②安装指引升级为独立选项卡（与主机管理同级）；③内存曲线悬停数值带 % 单位；④图表刷新后非GPU曲线按硬件块顺序、GPU 三块在其后另起一行（grid-sep 强制换行）；⑤「更多」浮层改回绝对定位（展开不撑高其他硬件块、不把下面曲线图往下挤）；⑥修复网络/磁盘卡大数字单位重复（xx MB KB/s → 数值+动态单位 MB/s）；⑦数据推送模式切换：agent 支持实时推送（默认 2s 一次）/ 累积批量（10s 一批），管理页可切换，运行中 agent 通过 ingest 响应自动生效，安装指引 ini 同步
v2.3.4：5 项优化 —— ①GPU 显存图悬停数值自适应单位（<1G 显示 MB，≥1G 显示 GB，如 15 MB / 2.35 GB），使用率/温度图悬停也补 % / °C；②刷新后图表块自动按上方硬件小块顺序排列（CPU→内存→GPU三块→网络→磁盘IO），磁盘 IO 曲线默认隐藏；③「更多」浮层改为卡片内顺势展开（不再绝对定位浮层，避免遮挡其他硬件块/图表，align-items:start 保证其他 4 块不被撑高），修复打开更多后顶部硬件块"不刷新"观感；④告警新增推送模式开关（管理页可切换：⏱️冷却防轰炸默认 / 📨实时推送每次超阈值即发）；⑤安装指引移到管理页上部（Windows / Linux / 其他系统·纯 Python 三页签，host_name 占位符适配新主机），主机列表行内不再放安装指引
v2.3.3：① GPU 显存占用图 Y 轴固定区间 0 ~ 各卡中最大显存总量(GB)（不再随数据自适应伸缩）；② 修复打开 GPU 卡「更多」浮层后顶部硬件小块停止实时更新的问题——根因是 GPU 卡每 2s 用 innerHTML 重建整个卡体（含浮层），重建会打断悬停/点击、数据观感卡死；改为结构只在卡数变化时重建，数值就地更新，「更多」按钮只切浮层显隐不重建 DOM
v2.3.2：GPU 三张曲线图去掉右坐标轴，只保留左坐标轴——使用率（0-100%）、显存占用（实时 MB 转 GB，轴带 G 单位标签）、温度（0-100°C）；后端 series 新增 gpu_mem_mb_<n> 每点实时显存占用
v2.3.1：GPU 曲线图拆成 3 个独立图表块（GPU 使用率 / GPU 显存占用 / GPU 温度），每个块可单独拖动排序、单独隐藏/显示、单独最大化，不再挤在一个图里或竖直堆叠；老用户 localStroage 配置自动迁移（gpu 一块原位展开成三块），GPU 卡按钮一键联动显隐三块
v2.3.0：4 项优化 —— ①GPU 曲线图拆成 3 张独立图（使用率% / 显存占用% / 温度°C），不再一张图塞三种指标（单/多 GPU 都拆）；②GPU 硬件卡每行去掉 GPU0 序号前缀，直接显示显卡型号数字；③顶部硬件小块全部实时刷新：GPU 卡/网络卡的数值改用 series 最新值（原来读快照约 30s~2.5min 才更新一次），顶部新增「🔄 最后更新 HH:MM:SS」标记；④曲线 X 轴改为数据实际范围（min/max=首末数据点），曲线从头到尾撑满整个横坐标，长窗口/部分数据主机自动适应
v2.2.0：4 项体验优化 —— ①进度条悬停提示改自定义气泡（悬停整条轨道即显示，含 CPU/内存/GPU 使用率·温度·显存详情）；②GPU 多卡卡内默认只显示 2 行，多于 2 卡时底部「▼ 更多」浮层展开剩余（不撑大上方 5 个硬件小块），每行格式=显卡型号数字在前+进度条+使用率+温度，型号自动提取（RTX 3090→3090 / A100→A100 / T4→T4）；③曲线图 X 轴改为按时间窗对齐（之前用固定 2s 补空点导致长区间/慢采样主机曲线从中间显示），时间跨度始终对齐完整窗口；④修复部分 Linux 主机刷新被顶到页面顶部（手动滚动位置恢复）
v2.1.2：磁盘 IO 图默认隐藏；横轴标签防重叠；进度条 title；多 GPU 一行一卡 + 三图拆分
v2.1.1：告警开关样式；时间轴 1970 bug；GPU 图默认显示；标题改名
v2.1.0：安装指引加下载链接；顶部硬件信息精简 + 「更多硬件信息」弹窗；顶部/底部 Gitea 图标链接；项目 README；修复 token 复制、Windows bat 编码、远程主机进程/磁盘数据串台
v2.0.1：修复 PyInstaller 单文件模式 agent.ini 路径；Release 发布
v2.0.0：多主机远程监控（agent 上报 + SQLite 时序 + 降采样 + 告警 + 统一 token + 前端下拉切换）

License

个人/内部使用免费。商业部署请自行评估安全加固（HTTPS + 前端口令）。

README.md Unescape Escape

Host Monitor · 远程主机运行指标监控