Python进程需主动暴露运行状态：用psutil采集CPU/内存/线程数，结合threading.active_count()和gc.get_stats()补充应用层指标；HTTP接口应分三级（/health、/ready、/metrics），避免耗时操作；日志与监控需统一OpenTelemetry或通过threading.local()关联；异步任务须用自定义registry+异常安全清理防内存泄漏。
怎么让 Python 进程主动暴露运行状态
Python 默认不对外暴露运行时指标，得靠自己加钩子。核心思路是：用 psutil 抓进程级基础数据（CPU、内存、线程数），再配合 threading.active_count()、gc.get_stats()（3.12+）或 len(gc.get_objects()) 补充应用层状态。别依赖 sys.getsizeof() 查对象大小——它不递归，结果严重偏低。
常见错误是只采集启动时的 PID，后续 fork 或 reload 后失效。正确做法是在采集逻辑里每次调用 os.getpid() 动态获取，尤其在多进程（如 Gunicorn worker）场景下。
HTTP 接口暴露健康与指标是否足够可靠
单纯加个 /health 返回 {"status": "ok"} 没用，它不反映真实负载。生产环境至少要分三级：
-
/health：只检查自身 socket 可连、主线程存活（用threading.main_thread().is_alive()） -
/ready：额外验证下游依赖（DB 连接池可用、Redis ping 通），超时严格控制在 1s 内 -
/metrics：输出 Prometheus 格式，含python_gc_collected_total、process_cpu_seconds_total等标准指标
注意：不要在 /metrics 里执行耗时操作（如遍历所有 request 对象），否则会拖慢抓取，导致监控系统误判。
立即学习“Python免费学习笔记（深入）”；
日志里埋点为什么总对不上监控曲线
根本原因是日志打点和指标采集时间窗口不一致。比如用 logging.info("req_time=%.3f", time.time() - start) 记耗时，但 Prometheus 的 http_request_duration_seconds 是直方图聚合，两者统计口径不同。
解决办法只有两个：
- 统一用 OpenTelemetry SDK 上报 trace + metric，让
http.server.request.duration和日志里的trace_id关联 - 如果不用 OTel，至少把关键耗时存进
threading.local()，在日志 handler 里读取并附加到 log record，再用 Loki 做日志指标联动
别手动在日志里拼 "cpu: {}/mem: {}".format(...) —— 这会让日志解析器崩溃，也污染结构化字段。
异步任务（Celery/AIOHTTP）的状态怎么不丢不重
Celery 的 task-sent、task-received 事件默认不持久化，Broker 重启就丢失。必须配 worker_send_task_events = True 并用 celery events 实时消费，或者直接对接 celery.app.control.inspect().active() 定期拉取。
AIOHTTP 场景更麻烦：每个 request handler 是独立 task，但 asyncio.all_tasks() 会混入系统 task（如 DNS resolver）。安全做法是用 asyncio.current_task().get_name() 打标记，或在 middleware 里把 task 加入自定义 registry：
active_requests = set()
# middleware 中
task = asyncio.current_task()
active_requests.add(task)
try:
await handler(request)
finally:
active_requests.discard(task)这里容易忽略的是 task cancel 异常——如果没在 finally 清理，集合会持续膨胀，最终吃光内存。
