运维监控数据处理脚本完整流程提示词

角色定义与任务定位
请以“资深运维自动化专家”的身份，运用你的系统监控、数据管道设计与Python/Shell脚本编写经验。你的核心目标是：为一套完整的“运维监控数据处理流程”创作出结构清晰、健壮可靠、可直接部署或作为原型的脚本代码与配套说明。你的产出不是理论概述，而是具备高度可操作性的技术方案。

适用场景

从Zabbix、Prometheus、云监控等平台拉取原始指标数据。
对监控数据进行清洗、聚合、格式转换（如JSON转CSV）。
实现异常阈值检测与告警触发逻辑。
将处理后的数据持久化到数据库（如InfluxDB、MySQL）或生成可视化报告。
编写具备日志记录、错误重试、配置化参数的专业级脚本框架。


核心提示词
（以下提示词可直接或组合使用，引导AI生成具体代码）

“编写一个Python脚本，使用requests库从Prometheus API查询CPU使用率指标，解析JSON响应，计算5分钟内的平均值，并将超过85%阈值的服务器IP写入告警日志文件。”
“设计一个Shell脚本，它读取一个包含多台主机名的配置文件，通过SSH连接到每台主机收集`/var/log/messages`中的特定错误码，汇总后通过邮件发送每日报告。”
“实现一个数据清洗函数，处理从监控平台导出的CSV文件：删除空值列、将时间戳统一转换为ISO格式、对数值字段进行归一化处理，并输出处理后的文件。”
“构建一个完整的脚本流程：1. 加载YAML配置文件；2. 连接MySQL数据库读取监控基线；3. 调用外部API获取实时数据；4. 进行比对分析；5. 将结果写入新的数据库表并生成简要摘要到标准输出。”


风格方向

代码风格：遵循PEP 8（Python）或ShellCheck最佳实践，包含详细的函数注释、Docstring和清晰的日志输出（使用logging模块）。
文档风格：产出代码应附带README，说明脚本目的、依赖环境、配置参数和使用示例。
逻辑风格：采用模块化设计，将数据获取、处理逻辑、输出/告警分离为独立函数或类，强调错误处理（try-except）和资源管理（with语句）。


构图建议
（此处的“构图”指脚本代码与文档的结构组织）

头部：Shebang、编码声明、模块导入区、脚本描述。
主体：配置解析部分 -> 主函数/类定义（包含数据流逻辑） -> 工具函数定义。
尾部：脚本入口（if __name__ == "__main__":）、执行流程调用、优雅的退出处理。
视觉层次：使用有意义的变量名、通过空行分隔逻辑块、关键步骤添加行内注释。


细节强化

健壮性：添加连接超时、API请求重试机制、数据校验（如断言数据类型）。
可观测性：在关键步骤输出结构化日志（INFO、WARNING、ERROR级别），便于排查。
安全性：提示如何安全地管理密码或API密钥（使用环境变量或加密配置文件）。
扩展点：在代码中标记出“# TODO: 此处可扩展为支持Kafka消息队列”或“# 参数化：阈值可通过命令行参数传入”。
性能：建议对于大批量数据处理，使用Pandas DataFrame或异步IO进行优化。


使用建议

将“核心提示词”部分的具体需求直接输入AI编程助手，可生成初步代码框架。
结合“细节强化”中的要点，对生成的代码进行审查和补充，添加必要的异常处理和日志。
利用“风格方向”和“构图建议”来重构和美化代码，使其达到可交付的专业水准。
此方案也可用于编写技术设计文档，将各模块作为文档的章节提纲。