怎样实现带宽占用统计脚本

wen 实用脚本 2026-06-30 33

本文目录导读：

怎样实现带宽占用统计脚本

目录导读
为什么需要带宽占用统计脚本？
带宽统计的核心原理与数据类型
主流实现方案对比
手把手编写一个可用的带宽监控脚本
数据存储与可视化方案
常见问题与性能优化问答
总结与自动化部署建议

从原理到自动化部署

目录导读

为什么需要带宽占用统计脚本？
带宽统计的核心原理与数据类型
主流实现方案对比（Python/Shell/Go）
手把手编写一个可用的带宽监控脚本
数据存储与可视化方案
常见问题与性能优化问答
总结与自动化部署建议

为什么需要带宽占用统计脚本？

在服务器运维、网络管理或家庭路由器监控中，带宽占用数据是排查网络瓶颈、优化流量分配的关键依据，许多网络管理员会发现：默认的 iftop 或 nload 工具只能实时查看，无法长期记录，而商业监控软件（如 SolarWinds）价格高昂,且依赖特定协议。

场景案例：某公司内网频繁卡顿，管理员发现一台 Linux 服务器在凌晨 3 点持续上传大量数据，通过编写一个带宽统计脚本，成功定位到是备份任务超时触发了重传机制，节约了 30% 的带宽成本。

核心需求：

按进程、端口、IP 汇总带宽
支持历史数据查询
低资源消耗（不干扰业务）
可集成到现有监控平台

带宽统计的核心原理与数据类型

1 数据来源

/proc/net/dev：Linux 内核提供的设备级流量计数器（字节数）
netstat / ss：显示当前连接状态和字节数
tcpdump / nfconntrack：抓取实时数据包（精度高但开销大）
libpcap：程序化抓包（适合自定义协议分析）

2 关键指标

指标	单位	说明
RX bytes	字节	接收总流量
TX bytes	字节	发送总流量
RX packets	包数	接收数据包数量
TX packets	包数	发送数据包数量
瞬时速率	bps	每秒字节数 = (当前值 - 上次值)/时间差

3 时间维度

实时：秒级刷新（用于告警）
周期：5分钟/1小时聚合（用于容量规划）
长期：日/周/月趋势（用于预算审计）

主流实现方案对比

方案	语言	优势	劣势
系统命令+Shell	Bash	零依赖，快速验证	解析复杂，跨版本兼容差
Python + psutil	Python	跨平台，丰富的网络接口	需Python环境
Go + gopacket	Go	高性能，二进制部署	学习曲线陡
eBPF	C	内核级，极低开销	内核版本要求高

推荐选择：对于大多数运维场景，Python + psutil 是最平衡的方案，如果只需要监控单机带宽总量，Shell + awk 完全够用。

手把手编写一个可用的带宽监控脚本

1 基础版：统计指定接口的实时带宽

#!/bin/bash
INTERFACE="eth0"
last_rx=$(cat /sys/class/net/$INTERFACE/statistics/rx_bytes)
last_tx=$(cat /sys/class/net/$INTERFACE/statistics/tx_bytes)
while true; do
    sleep 1
    current_rx=$(cat /sys/class/net/$INTERFACE/statistics/rx_bytes)
    current_tx=$(cat /sys/class/net/$INTERFACE/statistics/tx_bytes)
    rx_speed=$(( ($current_rx - $last_rx) / 1024 ))
    tx_speed=$(( ($current_tx - $last_tx) / 1024 ))
    echo "RX: ${rx_speed} KB/s | TX: ${tx_speed} KB/s"
    last_rx=$current_rx
    last_tx=$current_tx
done

2 进阶版：Python脚本统计进程级带宽

import psutil
import time
import csv
def get_network_usage():
    """监控每个进程的带宽消耗"""
    connections = psutil.net_connections()
    process_io = {}
    for conn in connections:
        pid = conn.pid
        if pid and pid in psutil.pids():
            io_counters = psutil.Process(pid).io_counters()
            process_io[pid] = {
                'read_bytes': io_counters.read_bytes,
                'write_bytes': io_counters.write_bytes,
                'name': psutil.Process(pid).name()
            }
    return process_io
# 初始化
prev_data = get_network_usage()
with open('bandwidth_log.csv', 'a', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(['timestamp', 'pid', 'process', 'speed_kbps'])
    for _ in range(60):  # 监控60秒
        time.sleep(5)
        current_data = get_network_usage()
        for pid, cur in current_data.items():
            if pid in prev_data:
                prev = prev_data[pid]
                diff_read = cur['read_bytes'] - prev['read_bytes']
                diff_write = cur['write_bytes'] - prev['write_bytes']
                speed = (diff_read + diff_write) / 5120  # 转换为KB/s
                writer.writerow([time.time(), pid, cur['name'], round(speed, 2)])
        prev_data = current_data

3 部署注意事项

使用 nohup python3 bandwidth_monitor.py & 后台运行
通过 crontab 设置定时重启（避免内存泄漏）
设置日志轮转（logrotate 管理 CSV 文件大小）

数据存储与可视化方案

1 存储层

方案	适用场景	示例命令
CSV文件	小型环境	直接追加写入
SQLite	单机检索	INSERT INTO traffic VALUES (?,?,?)
InfluxDB	时序数据	使用 Telegraf 采集
Prometheus	大型集群	配置 node_exporter 的 textfile 收集器