在现代化的运维与开发环境中，Python 已成为处理操作系统任务的强大工具。本文将通过几个实用案例，展示如何利用 Python 提升系统任务的效率，包括批量命令执行、系统状态监控和自动化日志分析。

1. 批量执行命令

当需要频繁执行多个系统命令时，Python 的 subprocess 和 os 模块可以提供强大的支持，帮助我们简化任务流程。

实现方法

以下是一个通过 subprocess 批量执行命令的示例代码：

import subprocess

def execute_commands(command_list):
    for cmd in command_list:
        try:
            result = subprocess.run(cmd, shell=True, text=True, capture_output=True)
            print(f"Command executed: {cmd}")
            if result.stdout:
                print(f"Output:\n{result.stdout}")
            if result.stderr:
                print(f"Error:\n{result.stderr}")
        except Exception as e:
            print(f"Failed to execute {cmd}: {e}")

commands = ["echo 'Start Process'", "uname -r", "ls /nonexistent"]
execute_commands(commands)

注意事项

• 安全性：避免直接运行用户输入的命令。对输入内容进行严格验证，或采用参数化的方式代替直接拼接。
• 错误处理：通过捕获异常，可以防止批量任务中断。

2. 系统监控工具开发

掌握系统资源的使用情况对开发者和运维人员都至关重要。借助 psutil 库，可以轻松实现对 CPU 和内存的实时监控。

实现实时监控工具

以下代码每秒输出 CPU 和内存的使用情况：

import psutil
import time

def real_time_monitor():
    print(f"{'Time':<20}{'CPU (%)':<10}{'Memory (%)':<10}")
    while True:
        current_time = time.strftime('%Y-%m-%d %H:%M:%S')
        cpu_usage = psutil.cpu_percent(interval=1)
        memory_usage = psutil.virtual_memory().percent
        print(f"{current_time:<20}{cpu_usage:<10}{memory_usage:<10}")
        time.sleep(1)

real_time_monitor()

适用场景

• 服务器性能监控
• 程序优化时的资源消耗分析

3. 自动化日志分析

日志分析是排查问题和优化系统性能的重要环节。Python 提供灵活的工具来解析和处理日志内容。

设置日志记录

使用 logging 模块可以轻松创建标准化的日志输出：

import logging

logging.basicConfig(
    filename='system.log',
    level=logging.DEBUG,
    format='%(asctime)s - %(levelname)s - %(message)s',
    datefmt='%Y-%m-%d %H:%M:%S'
)

logging.info("System initialized")
logging.warning("Disk space low")
logging.error("Failed to connect to database")

日志分析脚本

以下是一个快速定位特定日志信息的脚本：

def search_logs(file_path, keyword):
    with open(file_path, 'r') as log_file:
        matches = [line.strip() for line in log_file if keyword in line]
    print(f"Found {len(matches)} logs containing '{keyword}':")
    for match in matches:
        print(match)

search_logs('system.log', 'ERROR')

通过此代码，您可以筛选出与关键字相关的日志条目，从而快速锁定问题。

总结

无论是执行系统命令、实时监控资源，还是高效分析日志，Python 都为开发者提供了灵活且强大的解决方案。这些工具和方法不仅能提高效率，还能显著减少人工操作中的出错概率。如果您在日常开发中面临类似需求，不妨尝试用 Python 编写自己的工具。