uwsgitop 项目技术文档
2024-12-25 12:44:00作者:伍霜盼Ellen
1. 安装指南
安装 uwsgitop
要安装 uwsgitop,您可以使用 pip 命令。以下是安装步骤:
pip install uwsgitop
安装完成后,您就可以使用 uwsgitop 来监控您的 uWSGI 应用程序。
2. 项目的使用说明
启动 uWSGI Stats Server
在使用 uwsgitop 之前,您需要先启动 uWSGI 的 Stats Server。可以通过以下命令启动:
uwsgi --module myapp --socket :3030 --stats /tmp/stats.socket
使用 uwsgitop 监控应用程序
启动 Stats Server 后,您可以使用 uwsgitop 来监控您的应用程序。以下是使用 uwsgitop 的命令:
uwsgitop /tmp/stats.socket
如果您希望 Stats Server 通过 HTTP 提供服务,可以使用以下命令:
uwsgi --module myapp --http :3030 --stats :3031 --stats-http
然后,您可以通过以下命令使用 uwsgitop 进行监控:
uwsgitop http://127.0.0.1:3031
快捷键说明
- 按
a:显示异步核心统计信息(例如使用 gevent 时)或切换核心统计信息显示模式。 - 按
f:快速刷新屏幕。 - 按
q:退出uwsgitop。
3. 项目API使用文档
uwsgitop 本身没有提供 API,但它通过 uWSGI 的 Stats Server 获取 JSON 格式的统计数据。您可以通过连接到 Stats Server 的套接字或 HTTP 端点来获取这些数据。
通过套接字获取统计数据
uwsgi --connect-and-read /tmp/stats.socket
通过 HTTP 获取统计数据
curl http://127.0.0.1:3031
4. 项目安装方式
uwsgitop 的安装非常简单,只需使用 pip 命令即可完成安装。以下是安装步骤:
pip install uwsgitop
安装完成后,您就可以在命令行中使用 uwsgitop 命令来监控您的 uWSGI 应用程序。
5. 字段说明
uwsgitop 显示的每个字段都有其特定的含义,以下是字段的详细说明:
| 字段 | 描述 |
|---|---|
| WID | 工作进程 ID |
| % | 工作进程使用率 |
| PID | 工作进程 PID |
| REQ | 自上次(重新)启动以来,工作进程执行的请求数量 |
| RPS | 每秒请求数 |
| EXC | 异常 |
| SIG | 管理的 uwsgi 信号 |
| STATUS | 工作进程是否繁忙或空闲 |
| AVG | 平均请求时间 |
| RSS | 工作进程 RSS(Resident Set Size,见 Linux 内存管理) |
| VSZ | 工作进程 VSZ(Virtual Memory Size,见 Linux 内存管理) |
| TX | 工作进程传输的数据量 |
| ReSpwn | 重新启动计数 |
| HC | Harakiri 计数 |
| RunT | 工作进程运行的时间 |
| LastSpwn | 上次启动时间 |
6. 颜色说明
uwsgitop 使用不同的颜色来表示工作进程的状态:
- 默认颜色:工作进程空闲时显示。
- 绿色:工作进程繁忙时显示。
- 洋红色:工作进程处于
cheap模式时显示。 - 黄色:工作进程正在处理 uwsgi 信号时显示。
- 蓝色:工作进程处于
suspended状态时显示。
7. 进一步阅读
要了解更多关于 uWSGI Stats Server 的信息,请参考相关文档。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210