Come ottenere l'attuale utilizzo di CPU e RAM in Python?


336

Qual è il tuo modo preferito per ottenere lo stato corrente del sistema (CPU attuale, RAM, spazio libero su disco, ecc.) In Python? Punti bonus per * nix e piattaforme Windows.

Sembra che ci siano alcuni modi possibili per estrarlo dalla mia ricerca:

  1. Usando una libreria come PSI (che attualmente non sembra attivamente sviluppata e non supportata su più piattaforme) o qualcosa come pystatgrab (di nuovo nessuna attività dal 2007 sembra e nessun supporto per Windows).

  2. Utilizzo di codice specifico della piattaforma come l'utilizzo di uno os.popen("ps")o simile per i sistemi * nix e MEMORYSTATUSin ctypes.windll.kernel32(vedere questa ricetta su ActiveState ) per la piattaforma Windows. Si potrebbe mettere una classe Python insieme a tutti quegli snippet di codice.

Non è che quei metodi siano cattivi, ma esiste già un modo ben supportato e multipiattaforma per fare la stessa cosa?


È possibile creare la propria libreria multipiattaforma utilizzando le importazioni dinamiche: "if sys.platform == 'win32': import win_sysstatus as sysstatus; else" ...
John Fouhy,

1
Sarebbe bello avere qualcosa che funzioni anche su App Engine.
Attila O.

L'età dei pacchetti è significativa? Se qualcuno li avesse trovati bene la prima volta, perché non avrebbero ancora ragione?
Paul Smith,

Risposte:


411

La libreria psutil ti fornisce informazioni su CPU, RAM, ecc., Su una varietà di piattaforme:

psutil è un modulo che fornisce un'interfaccia per recuperare informazioni su processi in esecuzione e utilizzo del sistema (CPU, memoria) in modo portatile utilizzando Python, implementando molte funzionalità offerte da strumenti come ps, top e task manager di Windows.

Attualmente supporta Linux, Windows, OSX, Sun Solaris, FreeBSD, OpenBSD e NetBSD, entrambe architetture a 32 e 64 bit, con versioni Python da 2.6 a 3.5 (gli utenti di Python 2.4 e 2.5 possono utilizzare la versione 2.1.3).


Qualche esempio:

#!/usr/bin/env python
import psutil
# gives a single float value
psutil.cpu_percent()
# gives an object with many fields
psutil.virtual_memory()
# you can convert that object to a dictionary 
dict(psutil.virtual_memory()._asdict())
# you can have the percentage of used RAM
psutil.virtual_memory().percent
79.2
# you can calculate percentage of available memory
psutil.virtual_memory().available * 100 / psutil.virtual_memory().total
20.8

Ecco un'altra documentazione che fornisce più concetti e concetti di interesse:


33
Ha lavorato per me su OSX: $ pip install psutil; >>> import psutil; psutil.cpu_percent()e >>> psutil.virtual_memory()che restituisce un bel oggetto vmem:vmem(total=8589934592L, available=4073336832L, percent=52.6, used=5022085120L, free=3560255488L, active=2817949696L, inactive=513081344L, wired=1691054080L)
piani cottura

12
Come si farebbe questo senza la libreria psutil?
BigBrownBear00

2
@ user1054424 C'è una libreria integrata in Python chiamata risorsa . Tuttavia, sembra che il massimo che puoi fare sia afferrare la memoria che utilizza un singolo processo Python e / o i suoi processi figlio. Inoltre non sembra molto preciso. Un rapido test ha mostrato che la risorsa è stata disattivata di circa 2 MB dallo strumento di utilità del mio mac.
Austin,

12
@ BigBrownBear00 basta controllare la fonte di psutil;)
Mehulkumar,

1
@Jon Cage ciao Jon, posso verificare con te la differenza tra memoria libera e memoria disponibile? Sto programmando di utilizzare psutil.virtual_memory () per determinare quanti dati posso caricare in memoria per l'analisi. Grazie per l'aiuto!
AiRiFiEd

66

Usa la libreria psutil . Su Ubuntu 18.04, pip ha installato la 5.5.0 (ultima versione) dal 1 al 30-2019. Le versioni precedenti potrebbero comportarsi in modo leggermente diverso. Puoi controllare la tua versione di psutil facendo questo in Python:

from __future__ import print_function  # for Python2
import psutil
print(psutil.__versi‌​on__)

Per ottenere alcune statistiche di memoria e CPU:

from __future__ import print_function
import psutil
print(psutil.cpu_percent())
print(psutil.virtual_memory())  # physical memory usage
print('memory % used:', psutil.virtual_memory()[2])

La virtual_memory(tupla) avrà la memoria percentuale utilizzata a livello di sistema. Questo mi è sembrato sopravvalutato di qualche percento su Ubuntu 18.04.

Puoi anche ottenere la memoria utilizzata dall'istanza Python corrente:

import os
import psutil
pid = os.getpid()
py = psutil.Process(pid)
memoryUse = py.memory_info()[0]/2.**30  # memory use in GB...I think
print('memory use:', memoryUse)

che fornisce l'attuale utilizzo della memoria del tuo script Python.

Ci sono alcuni esempi più approfonditi nella pagina pypi per psutil .


32

Solo per Linux: One-liner per l'utilizzo della RAM con solo dipendenza stdlib:

import os
tot_m, used_m, free_m = map(int, os.popen('free -t -m').readlines()[-1].split()[1:])

modifica: dipendenza del sistema operativo specificata


1
Molto utile! Per ottenere direttamente in unità leggibili: os.popen('free -th').readlines()[-1].split()[1:]. Si noti che questa riga restituisce un elenco di stringhe.
Iipr

Il python:3.8-slim-busternon hafree
Martin Thoma il

21

Sotto i codici, senza librerie esterne ha funzionato per me. Ho provato su Python 2.7.9

Uso della CPU

import os

    CPU_Pct=str(round(float(os.popen('''grep 'cpu ' /proc/stat | awk '{usage=($2+$4)*100/($2+$4+$5)} END {print usage }' ''').readline()),2))

    #print results
    print("CPU Usage = " + CPU_Pct)

E utilizzo della RAM, totale, usato e gratuito

import os
mem=str(os.popen('free -t -m').readlines())
"""
Get a whole line of memory output, it will be something like below
['             total       used       free     shared    buffers     cached\n', 
'Mem:           925        591        334         14         30        355\n', 
'-/+ buffers/cache:        205        719\n', 
'Swap:           99          0         99\n', 
'Total:        1025        591        434\n']
 So, we need total memory, usage and free memory.
 We should find the index of capital T which is unique at this string
"""
T_ind=mem.index('T')
"""
Than, we can recreate the string with this information. After T we have,
"Total:        " which has 14 characters, so we can start from index of T +14
and last 4 characters are also not necessary.
We can create a new sub-string using this information
"""
mem_G=mem[T_ind+14:-4]
"""
The result will be like
1025        603        422
we need to find first index of the first space, and we can start our substring
from from 0 to this index number, this will give us the string of total memory
"""
S1_ind=mem_G.index(' ')
mem_T=mem_G[0:S1_ind]
"""
Similarly we will create a new sub-string, which will start at the second value. 
The resulting string will be like
603        422
Again, we should find the index of first space and than the 
take the Used Memory and Free memory.
"""
mem_G1=mem_G[S1_ind+8:]
S2_ind=mem_G1.index(' ')
mem_U=mem_G1[0:S2_ind]

mem_F=mem_G1[S2_ind+8:]
print 'Summary = ' + mem_G
print 'Total Memory = ' + mem_T +' MB'
print 'Used Memory = ' + mem_U +' MB'
print 'Free Memory = ' + mem_F +' MB'

1
Non pensi grepche awksarebbe meglio curarlo con l'elaborazione delle stringhe in Python?
Reinderien,

Personalmente non ha familiarità con awk, ha creato una versione improbabile dello snippet di utilizzo della cpu di seguito. Molto utile, grazie!
Jay,

3
È insignificante affermare che questo codice non utilizza librerie esterne. In realtà, questi hanno una forte dipendenza dalla disponibilità di grep, awk e gratuito. Questo rende il codice sopra non portabile. L'OP ha dichiarato "Punti bonus per * nix e piattaforme Windows".
Capitano Lepton,

10

Ecco qualcosa che ho messo insieme qualche tempo fa, è solo Windows ma può aiutarti a ottenere parte di ciò che devi fare.

Derivato da: "per mem disponibile sys" http://msdn2.microsoft.com/en-us/library/aa455130.aspx

"informazioni sui singoli processi ed esempi di script python" http://www.microsoft.com/technet/scriptcenter/scripts/default.mspx?mfr=true

NOTA: l'interfaccia / processo WMI è disponibile anche per eseguire attività simili. Non lo sto usando qui perché il metodo corrente copre le mie esigenze, ma se un giorno è necessario estenderlo o migliorarlo, allora potrebbe essere necessario esaminare gli strumenti WMI disponibili .

WMI per Python:

http://tgolden.sc.sabren.com/python/wmi.html

Il codice:

'''
Monitor window processes

derived from:
>for sys available mem
http://msdn2.microsoft.com/en-us/library/aa455130.aspx

> individual process information and python script examples
http://www.microsoft.com/technet/scriptcenter/scripts/default.mspx?mfr=true

NOTE: the WMI interface/process is also available for performing similar tasks
        I'm not using it here because the current method covers my needs, but if someday it's needed
        to extend or improve this module, then may want to investigate the WMI tools available.
        WMI for python:
        http://tgolden.sc.sabren.com/python/wmi.html
'''

__revision__ = 3

import win32com.client
from ctypes import *
from ctypes.wintypes import *
import pythoncom
import pywintypes
import datetime


class MEMORYSTATUS(Structure):
    _fields_ = [
                ('dwLength', DWORD),
                ('dwMemoryLoad', DWORD),
                ('dwTotalPhys', DWORD),
                ('dwAvailPhys', DWORD),
                ('dwTotalPageFile', DWORD),
                ('dwAvailPageFile', DWORD),
                ('dwTotalVirtual', DWORD),
                ('dwAvailVirtual', DWORD),
                ]


def winmem():
    x = MEMORYSTATUS() # create the structure
    windll.kernel32.GlobalMemoryStatus(byref(x)) # from cytypes.wintypes
    return x    


class process_stats:
    '''process_stats is able to provide counters of (all?) the items available in perfmon.
    Refer to the self.supported_types keys for the currently supported 'Performance Objects'

    To add logging support for other data you can derive the necessary data from perfmon:
    ---------
    perfmon can be run from windows 'run' menu by entering 'perfmon' and enter.
    Clicking on the '+' will open the 'add counters' menu,
    From the 'Add Counters' dialog, the 'Performance object' is the self.support_types key.
    --> Where spaces are removed and symbols are entered as text (Ex. # == Number, % == Percent)
    For the items you wish to log add the proper attribute name in the list in the self.supported_types dictionary,
    keyed by the 'Performance Object' name as mentioned above.
    ---------

    NOTE: The 'NETFramework_NETCLRMemory' key does not seem to log dotnet 2.0 properly.

    Initially the python implementation was derived from:
    http://www.microsoft.com/technet/scriptcenter/scripts/default.mspx?mfr=true
    '''
    def __init__(self,process_name_list=[],perf_object_list=[],filter_list=[]):
        '''process_names_list == the list of all processes to log (if empty log all)
        perf_object_list == list of process counters to log
        filter_list == list of text to filter
        print_results == boolean, output to stdout
        '''
        pythoncom.CoInitialize() # Needed when run by the same process in a thread

        self.process_name_list = process_name_list
        self.perf_object_list = perf_object_list
        self.filter_list = filter_list

        self.win32_perf_base = 'Win32_PerfFormattedData_'

        # Define new datatypes here!
        self.supported_types = {
                                    'NETFramework_NETCLRMemory':    [
                                                                        'Name',
                                                                        'NumberTotalCommittedBytes',
                                                                        'NumberTotalReservedBytes',
                                                                        'NumberInducedGC',    
                                                                        'NumberGen0Collections',
                                                                        'NumberGen1Collections',
                                                                        'NumberGen2Collections',
                                                                        'PromotedMemoryFromGen0',
                                                                        'PromotedMemoryFromGen1',
                                                                        'PercentTimeInGC',
                                                                        'LargeObjectHeapSize'
                                                                     ],

                                    'PerfProc_Process':              [
                                                                          'Name',
                                                                          'PrivateBytes',
                                                                          'ElapsedTime',
                                                                          'IDProcess',# pid
                                                                          'Caption',
                                                                          'CreatingProcessID',
                                                                          'Description',
                                                                          'IODataBytesPersec',
                                                                          'IODataOperationsPersec',
                                                                          'IOOtherBytesPersec',
                                                                          'IOOtherOperationsPersec',
                                                                          'IOReadBytesPersec',
                                                                          'IOReadOperationsPersec',
                                                                          'IOWriteBytesPersec',
                                                                          'IOWriteOperationsPersec'     
                                                                      ]
                                }

    def get_pid_stats(self, pid):
        this_proc_dict = {}

        pythoncom.CoInitialize() # Needed when run by the same process in a thread
        if not self.perf_object_list:
            perf_object_list = self.supported_types.keys()

        for counter_type in perf_object_list:
            strComputer = "."
            objWMIService = win32com.client.Dispatch("WbemScripting.SWbemLocator")
            objSWbemServices = objWMIService.ConnectServer(strComputer,"root\cimv2")

            query_str = '''Select * from %s%s''' % (self.win32_perf_base,counter_type)
            colItems = objSWbemServices.ExecQuery(query_str) # "Select * from Win32_PerfFormattedData_PerfProc_Process")# changed from Win32_Thread        

            if len(colItems) > 0:        
                for objItem in colItems:
                    if hasattr(objItem, 'IDProcess') and pid == objItem.IDProcess:

                            for attribute in self.supported_types[counter_type]:
                                eval_str = 'objItem.%s' % (attribute)
                                this_proc_dict[attribute] = eval(eval_str)

                            this_proc_dict['TimeStamp'] = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S.') + str(datetime.datetime.now().microsecond)[:3]
                            break

        return this_proc_dict      


    def get_stats(self):
        '''
        Show process stats for all processes in given list, if none given return all processes   
        If filter list is defined return only the items that match or contained in the list
        Returns a list of result dictionaries
        '''    
        pythoncom.CoInitialize() # Needed when run by the same process in a thread
        proc_results_list = []
        if not self.perf_object_list:
            perf_object_list = self.supported_types.keys()

        for counter_type in perf_object_list:
            strComputer = "."
            objWMIService = win32com.client.Dispatch("WbemScripting.SWbemLocator")
            objSWbemServices = objWMIService.ConnectServer(strComputer,"root\cimv2")

            query_str = '''Select * from %s%s''' % (self.win32_perf_base,counter_type)
            colItems = objSWbemServices.ExecQuery(query_str) # "Select * from Win32_PerfFormattedData_PerfProc_Process")# changed from Win32_Thread

            try:  
                if len(colItems) > 0:
                    for objItem in colItems:
                        found_flag = False
                        this_proc_dict = {}

                        if not self.process_name_list:
                            found_flag = True
                        else:
                            # Check if process name is in the process name list, allow print if it is
                            for proc_name in self.process_name_list:
                                obj_name = objItem.Name
                                if proc_name.lower() in obj_name.lower(): # will log if contains name
                                    found_flag = True
                                    break

                        if found_flag:
                            for attribute in self.supported_types[counter_type]:
                                eval_str = 'objItem.%s' % (attribute)
                                this_proc_dict[attribute] = eval(eval_str)

                            this_proc_dict['TimeStamp'] = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S.') + str(datetime.datetime.now().microsecond)[:3]
                            proc_results_list.append(this_proc_dict)

            except pywintypes.com_error, err_msg:
                # Ignore and continue (proc_mem_logger calls this function once per second)
                continue
        return proc_results_list     


def get_sys_stats():
    ''' Returns a dictionary of the system stats'''
    pythoncom.CoInitialize() # Needed when run by the same process in a thread
    x = winmem()

    sys_dict = { 
                    'dwAvailPhys': x.dwAvailPhys,
                    'dwAvailVirtual':x.dwAvailVirtual
                }
    return sys_dict


if __name__ == '__main__':
    # This area used for testing only
    sys_dict = get_sys_stats()

    stats_processor = process_stats(process_name_list=['process2watch'],perf_object_list=[],filter_list=[])
    proc_results = stats_processor.get_stats()

    for result_dict in proc_results:
        print result_dict

    import os
    this_pid = os.getpid()
    this_proc_results = stats_processor.get_pid_stats(this_pid)

    print 'this proc results:'
    print this_proc_results

http://monkut.webfactional.com/blog/archive/2009/1/21/windows-process-memory-logging-python


Utilizzare GlobalMemoryStatusEx anziché GlobalMemoryStatus perché quello precedente può restituire valori errati.
phobie,

7
Dovresti evitare le from x import *dichiarazioni! Raggruppano lo spazio dei nomi principale e sovrascrivono altre funzioni e variabili.
phobie,

6

Abbiamo scelto di utilizzare la normale fonte di informazioni per questo perché siamo riusciti a trovare fluttuazioni istantanee nella memoria libera e abbiamo ritenuto utile interrogare la fonte di dati meminfo . Questo ci ha anche aiutato a ottenere alcuni parametri correlati pre-analizzati.

Codice

import os

linux_filepath = "/proc/meminfo"
meminfo = dict(
    (i.split()[0].rstrip(":"), int(i.split()[1]))
    for i in open(linux_filepath).readlines()
)
meminfo["memory_total_gb"] = meminfo["MemTotal"] / (2 ** 20)
meminfo["memory_free_gb"] = meminfo["MemFree"] / (2 ** 20)
meminfo["memory_available_gb"] = meminfo["MemAvailable"] / (2 ** 20)

Output per riferimento (abbiamo eliminato tutte le nuove righe per ulteriori analisi)

MemTotal: 1014500 kB MemFree: 562680 kB MemDisponibile: 646364 kB Buffer: 15144 kB Memoria cache: 210720 kB Scambio cache: 0 kB Attivo: 261476 kB Inattivo: 128888 kB Attivo (anon): 167092 kB Inattivo (anon): 20888 kB Attivo (file) : 94384 kB Inattivo (file): 108000 kB Inevitabile: 3652 kB Bloccato: 3652 kB Swap Totale: 0 kB SwapFree: 0 kB Sporco: 0 kB Writeback: 0 kB AnonPages: 168160 kB Mappato: 81352 kB Shmem: 21060 kB Lastra: 34492 kB SReclaimable: 18044 kB SUnreclaim: 16448 kB KernelStack: 2672 kB PageTables: 8180 kB NFS_ instabile: 0 kB Bounce: 0 kB writebackTmp: 0 kB CommitLimit: 507248 kB Committed_AS: 1038756 kB 0 kB AnonHugePages: 88064 kB CmaTotale: 0 kB CmaFree: 0 kB HugePages_Total: 0 HugePages_Free: 0 HugePages_Rsvd: 0 HugePages_Surp: 0 Hugepagesize:2048 kB DirectMap4k: 43008 kB DirectMap2M: 1005568 kB


Sembra non funzionare come previsto: stackoverflow.com/q/61498709/562769
Martin Thoma

4

Sento che queste risposte sono state scritte per Python 2, e in ogni caso nessuno ha fatto menzione del resourcepacchetto standard disponibile per Python 3. Fornisce comandi per ottenere i limiti di risorse di un determinato processo (il processo Python chiamante per impostazione predefinita). Questo non equivale a ottenere l'attuale utilizzo delle risorse da parte del sistema nel suo insieme, ma potrebbe risolvere alcuni degli stessi problemi come ad esempio "Voglio assicurarmi di usare solo X molta RAM con questo script".


3

"... lo stato corrente del sistema (attuale CPU, RAM, spazio libero su disco, ecc.)" E "* nix e piattaforme Windows" possono essere una combinazione difficile da raggiungere.

I sistemi operativi sono sostanzialmente diversi nel modo in cui gestiscono queste risorse. In effetti, si differenziano per concetti chiave come definire ciò che conta come sistema e ciò che conta come tempo di applicazione.

"Spazio libero su disco"? Ciò che conta come "spazio su disco?" Tutte le partizioni di tutti i dispositivi? Che dire delle partizioni straniere in un ambiente multi-boot?

Non credo che ci sia un consenso abbastanza chiaro tra Windows e * nix che lo rende possibile. In effetti, potrebbe anche non esserci alcun consenso tra i vari sistemi operativi chiamati Windows. Esiste una singola API di Windows che funziona sia per XP che per Vista?


4
df -hrisponde alla domanda "spazio su disco" sia su Windows che * nix.
jfs,

4
@JFSebastian: quale Windows? Ottengo un 'df' non riconosciuto ... messaggio di errore da Windows XP Pro. Cosa mi sto perdendo?
S. Lott,

3
puoi installare nuovi programmi anche su Windows.
jfs

2

Questo script per l'utilizzo della CPU:

import os

def get_cpu_load():
    """ Returns a list CPU Loads"""
    result = []
    cmd = "WMIC CPU GET LoadPercentage "
    response = os.popen(cmd + ' 2>&1','r').read().strip().split("\r\n")
    for load in response[1:]:
       result.append(int(load))
    return result

if __name__ == '__main__':
    print get_cpu_load()

1
  • Per i dettagli della CPU utilizzare la libreria psutil

    https://psutil.readthedocs.io/en/latest/#cpu

  • Per la frequenza RAM (in MHz) utilizzare la libreria dmidecode integrata in Linux e manipolare un po 'l'output;). questo comando richiede il permesso di root quindi fornire anche la password. copia il seguente encomio sostituendo mypass con la tua password

import os

os.system("echo mypass | sudo -S dmidecode -t memory | grep 'Clock Speed' | cut -d ':' -f2")

------------------- Uscita ---------------------------
1600 MT / s
Sconosciuto
1600 MT / s
Sconosciuto 0

  • più specificamente
    [i for i in os.popen("echo mypass | sudo -S dmidecode -t memory | grep 'Clock Speed' | cut -d ':' -f2").read().split(' ') if i.isdigit()]

-------------------------- produzione ----------------------- -
['1600', '1600']


aggiungi qualche altra descrizione
Paras Korat,

1

Per ottenere una memoria riga per riga e un'analisi temporale del programma, suggerisco di utilizzare memory_profilere line_profiler.

Installazione:

# Time profiler
$ pip install line_profiler
# Memory profiler
$ pip install memory_profiler
# Install the dependency for a faster analysis
$ pip install psutil

La parte comune è che specifichi quale funzione vuoi analizzare usando i rispettivi decoratori.

Esempio: ho diverse funzioni nel mio file Python main.pyche voglio analizzare. Uno di questi è linearRegressionfit(). Devo usare il decoratore @profileche mi aiuta a profilare il codice rispetto a: Time & Memory.

Apportare le seguenti modifiche alla definizione della funzione

@profile
def linearRegressionfit(Xt,Yt,Xts,Yts):
    lr=LinearRegression()
    model=lr.fit(Xt,Yt)
    predict=lr.predict(Xts)
    # More Code

Per la profilazione temporale ,

Correre:

$ kernprof -l -v main.py

Produzione

Total time: 0.181071 s
File: main.py
Function: linearRegressionfit at line 35

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
    35                                           @profile
    36                                           def linearRegressionfit(Xt,Yt,Xts,Yts):
    37         1         52.0     52.0      0.1      lr=LinearRegression()
    38         1      28942.0  28942.0     75.2      model=lr.fit(Xt,Yt)
    39         1       1347.0   1347.0      3.5      predict=lr.predict(Xts)
    40                                           
    41         1       4924.0   4924.0     12.8      print("train Accuracy",lr.score(Xt,Yt))
    42         1       3242.0   3242.0      8.4      print("test Accuracy",lr.score(Xts,Yts))

Per la creazione di profili di memoria ,

Correre:

$ python -m memory_profiler main.py

Produzione

Filename: main.py

Line #    Mem usage    Increment   Line Contents
================================================
    35  125.992 MiB  125.992 MiB   @profile
    36                             def linearRegressionfit(Xt,Yt,Xts,Yts):
    37  125.992 MiB    0.000 MiB       lr=LinearRegression()
    38  130.547 MiB    4.555 MiB       model=lr.fit(Xt,Yt)
    39  130.547 MiB    0.000 MiB       predict=lr.predict(Xts)
    40                             
    41  130.547 MiB    0.000 MiB       print("train Accuracy",lr.score(Xt,Yt))
    42  130.547 MiB    0.000 MiB       print("test Accuracy",lr.score(Xts,Yts))

Inoltre, i risultati del profiler di memoria possono essere tracciati anche matplotlibusando

$ mprof run main.py
$ mprof plot

inserisci qui la descrizione dell'immagine Nota: testato il

line_profiler versione == 3.0.2

memory_profiler versione == 0.57.0

psutil versione == 5.7.0



0

Basato sul codice di utilizzo della CPU di @Hrabal, questo è quello che uso:

from subprocess import Popen, PIPE

def get_cpu_usage():
    ''' Get CPU usage on Linux by reading /proc/stat '''

    sub = Popen(('grep', 'cpu', '/proc/stat'), stdout=PIPE, stderr=PIPE)
    top_vals = [int(val) for val in sub.communicate()[0].split('\n')[0].split[1:5]]

    return (top_vals[0] + top_vals[2]) * 100. /(top_vals[0] + top_vals[2] + top_vals[3])

-12

Non credo che sia disponibile una libreria multi-piattaforma ben supportata. Ricorda che Python stesso è scritto in C, quindi qualsiasi libreria prenderà semplicemente una decisione intelligente su quale snippet di codice specifico del sistema operativo eseguire, come hai suggerito sopra.


1
Perché questa risposta è stata sottoposta a downgrade? Questa affermazione è falsa?
EAzevedo,

4
perché psutil è una libreria multi-piattaforma ben supportata che si adatta alle esigenze delle operazioni possibili
amadain,
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.