Flask速成项目：Flask实现计算机资源的实时监控

最新推荐文章于 2025-07-11 04:29:08 发布

「已注销」

最新推荐文章于 2025-07-11 04:29:08 发布

阅读量3.8k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： Python flask 文章标签： python flask 网站

本文链接：https://blog.youkuaiyun.com/xujiahui320582/article/details/83065288

本文通过一个实例，展示如何使用Python的Flask微框架快速开发一个实时监控计算机CPU资源的应用。适合初学者，详细介绍了Flask的安装、项目结构和源码分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

更多资料请移步个人博客https://blog.oliverxu.cn

大家可以加入我的Python技术交流群，一起讨论学习。

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=<