Glances项目中使用systemd实现开机自启的完整指南
2025-05-06 15:45:46作者:鲍丁臣Ursa
系统服务化部署的必要性
对于系统监控工具Glances而言,实现开机自启动是生产环境部署的基本需求。通过systemd服务管理,可以确保监控服务在系统启动时自动运行,并在意外终止时自动重启,保障监控的持续性和可靠性。
常见问题分析
许多用户在按照官方文档配置systemd服务时遇到启动失败的问题,主要表现包括:
- 服务启动后立即退出
- 权限不足导致的执行失败
- Python环境路径问题
- SELinux安全策略限制
这些问题通常源于服务配置不完整或系统安全限制,而非Glances本身的功能缺陷。
完整解决方案
基础systemd服务配置
创建/etc/systemd/system/glances.service文件,内容如下:
[Unit]
Description=Glances监控服务
After=network.target
[Service]
User=your_username
ExecStart=/home/your_username/.local/bin/glances -w
Restart=always
RestartSec=5
WorkingDirectory=/home/your_username
[Install]
WantedBy=multi-user.target
关键配置说明:
User字段指定运行服务的用户账户ExecStart需指向Glances的实际安装路径Restart策略确保服务异常退出时自动重启WorkingDirectory设置工作目录避免路径问题
SELinux环境额外配置
在Fedora等默认启用SELinux的系统上,需要额外步骤:
- 创建自定义SELinux策略:
ausearch -c '(glances)' --raw | audit2allow -M my-glances
semodule -X 300 -i my-glances.pp
- 恢复安全上下文:
restorecon -v /home/your_username/.local/bin/glances
服务管理命令
配置完成后执行以下命令:
# 重新加载systemd配置
sudo systemctl daemon-reload
# 启用服务开机自启
sudo systemctl enable glances.service
# 立即启动服务
sudo systemctl start glances.service
# 检查服务状态
sudo systemctl status glances.service
高级配置建议
-
环境变量传递:如需特定环境变量,可在Service段添加
Environment指令 -
资源限制:可设置CPU和内存限制防止监控工具本身消耗过多资源
-
日志管理:配置
StandardOutput和StandardError重定向到特定日志文件 -
多实例运行:通过模板服务支持多个监控实例同时运行
故障排查技巧
当服务未能正常启动时,可通过以下命令获取详细信息:
journalctl -u glances.service -b
常见错误及解决方法:
- 权限问题:确保服务配置中User字段正确
- 路径问题:检查ExecStart路径是否存在且可执行
- 端口冲突:更改Glances的Web监听端口
通过以上完整配置,Glances监控服务将能够稳定地在系统启动时自动运行,为用户提供持续的系统监控能力。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0216
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
465
Ascend Extension for PyTorch
Python
758
968
昇腾LLM分布式训练框架
Python
186
231
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
698
1.4 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
878
2.03 K
暂无描述
Dockerfile
780
5.08 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
70
22
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
2.08 K
216