PYTHON通過psutil模組實時監測cpu、記憶體、網速執行情況
PYTHON通過psutil模組實時監測cpu、記憶體、網速執行情況
執行多執行緒以後，隨著設定更多的執行緒數，執行效率並沒提升，一定是遇到了瓶頸，到底是CPU、記憶體還是網速到了上限？做了個實時監測，看看多執行緒的資源消耗情況吧。
一、安裝psutil
pip install psutil即可。
二、初步學習psutil
import psutil as p
1.cpu
p.cpu_times()
這些時間是系統累計數，實時監測需要計算差值。
這裡我們用p.cpu_percent()
取出百分比。
2.記憶體
我們用p.virtual_memory().percent得到百分比。
3.網速
得到的傳送和接收數，也是統計數，需要計算差值。
三、思路
cpu、記憶體就取使用的百分比作為指示，因為同是百分比，放在一個圖中；網速取單位時間接收到的位元組數，轉化為對應頻寬（直觀）作為指示，新增第二個圖。顯示監測的視窗增加了置頂功能。
四、程式碼
# CPU、記憶體、網速實時監控
import matplotlib.pyplot as plt
import matplotlib.font_manager as font_manager
import psutil as p
import win32gui,win32con
def show():#增加視窗置頂功能
global hwnd
win32gui.SetWindowPos(hwnd, win32con.HWND_TOPMOST, 0,0,500,400, \
win32con.SWP_NOMOVE | win32con.SWP_NOACTIVATE| \
win32con.SWP_NOOWNERZORDER|win32con.SWP_SHOWWINDOW)
POINTS = 300
fig, ax = plt.subplots(2,facecolor='#FFDAB9')#設定上下兩個圖、面板色。#,edgecolor='#7FFF00'好象無效
fig.canvas.toolbar.destroy()#取消工具欄
fig.canvas.callbacks.callbacks.clear()#清除回撥資訊
#ax為列表，分別設定
ax[0].set_ylim([0, 100])
ax[0].set_xlim([0, POINTS])
ax[0].set_autoscale_on(False)
ax[0].set_xticks([])
ax[0].set_yticks(range(0, 101, 20))
#ax[0].set_facecolor('#A9A9A9')#可設定底色，支援'black')#matplotlib顏色分層設定
ax[0].grid(True)
ax[1].set_ylim([-5, 50])#設定0線上浮
ax[1].set_xlim([0, POINTS])
ax[1].set_autoscale_on(False)
ax[1].set_xticks([])
ax[1].set_yticks(range(0, 51, 10))
ax[1].grid(True)
# 設定CPU、記憶體橫座標資料位
cpu = [None] * POINTS
mem=[None] * POINTS
# 設定接收位元組(下載）橫座標資料位
down = [None] * POINTS
#設定第一個圖
cpu_l, = ax[0].plot(range(POINTS), cpu, label='Cpu%')
mem_l, = ax[0].plot(range(POINTS), mem, label='Mem%')
ax[0].legend(loc='upper center', ncol=4, prop=font_manager.FontProperties(size=10))#打標
#設定第二個圖
down_l, = ax[1].plot(range(POINTS), down, label='Down(M)')
ax[1].legend(loc='upper center', ncol=4, prop=font_manager.FontProperties(size=10))
before =p.net_io_counters().bytes_recv#獲取網路位元組數
#把查詢視窗控制代碼放在這裡，不在SHOW()裡，
hwnd=win32gui.FindWindow(None,u'電腦效能(cpu、記憶體、網速）實時監測')#查詢本視窗控制代碼
print(hwnd)#除錯用
#把win32gui.SetWindowPos(放在這裡不行列。
def get_delta():#獲取下載變化值
global before
now = p.net_io_counters().bytes_recv
delta = (now-before)/102400#變成K再除100，大致相當於多少M寬頻。
before = now
return delta #返回改變數
def OnTimer(ax):
global cpu, mem, down
show()
tmp = get_delta()#得到下載位元組數的變化值
cpu_p=p.cpu_percent()#讀取CPU使用百分比
cpu = cpu[1:] + [cpu_p]#加入到資料末尾
mem_p=p.virtual_memory().percent#讀取記憶體使用百分比
mem =mem[1:] + [mem_p]#加入到資料末尾
cpu_l.set_ydata(cpu)#設定新資料
mem_l.set_ydata(mem)#設定新資料
down = down[1:] + [tmp]
down_l.set_ydata(down)#設定新資料
###下面這部分可以忽略
## while True:
## try:
## ax.draw_artist(cpu_l)
## ax.draw_artist(mem_l)
## ax.draw_artist(down_l)
## break
## except:
## pass
ax.figure.canvas.draw()#重新整理畫布
def start_monitor():
timer = fig.canvas.new_timer(interval=1000)#1秒重新整理一次
timer.add_callback(OnTimer, ax[1])#只加一個即可
#timer.add_callback(OnTimer, ax[0])
timer.start()
plt.show()
if __name__ == '__main__':
start_monitor()
五、執行結果
右邊為開啟多執行緒（網路應用）監測情況，cpu、記憶體基本上達到了滿負荷狀態。