Python 系統資源信息獲取工具，你用過沒？

香香的口味，你吃過沒？

辣辣的感覺，你嘗過沒？

網爆紅人的歌聲，你聽過沒？

Python?系統資源信息獲取的工具，你用過沒？

真正的烤面筋

可帶勁啦！~~~

讓你吃到真正的實惠！

不一樣的滋味！！！

致敬那個不屈的男人（面筋哥 程書林）

工具介紹

psutil（process and system utilities）是一個跨平臺的庫，github、官方文檔

我們可以用它來查看系統運行進程以及資源利用率。它主要用于系統監控、過程資源分析和限制以及運行過程的管理。psutil 的主要功能結構如下圖所示

它有三大功能模塊，分別是 System related function、Processes 和 Windows Service。

psutil 實現了UNIX命令行工具提供的許多功能，比如 top、free、netstat、kill 等，并且還兼容各大操作系統：

psutil 可以說是系統管理老大哥或者運維小伙不可或缺的必備模塊。

psutil 的安裝

我們可以一邊翻閱 psutil 的官方文檔，一邊編寫代碼，這樣就能夠更快的學習。

在 Python 環境下安裝，直接使用 pip 命令即可：

pip?install?psutil

但是，如果你只希望當前用戶可用，而不是整個系統所有用戶都能使用，你就需要調整你的命令：

pip?install?-user?psutil

除此之外，它還提供了如 wget、curl 等多種安裝方式，具體可參閱文檔的 install 部分，但是通常來說?pip install psutil?命令已經滿足我們的需求了。

系統相關操作

它為我們提供了一些系統常用的操作內容 可參閱文檔。其中包括了 CPU、內存、磁盤、網絡、傳感器和進程等方面。

CPU 監控

可以通過 cpu_times 模塊對 cpu 資源進行查看，比如：

>>>?import?psutil

>>>?psutil.cpu_times()

scputimes(user=477.29,?nice=0.0,?system=262.86,?idle=6074.83)

cpu_times 中的參數有哪些含義呢？文檔中也給出了具體的釋義

翻譯一下，我們可以看到它給使用者提供了比較細致的信息監控：

將系統CPU時間作為命名元組返回。每個屬性表示CPU在給定模式下花費的秒數。屬性可用性因平臺而異：

user：正常進程在用戶模式下執行所花費的時間;?在Linux上，這還包括訪客時間

system：在內核模式下執行的進程所花費的時間

閑置：無所事事的時間

特定于平臺的字段：

nice?（UNIX）：在用戶模式下執行的niced（優先級）進程所花費的時間;?在Linux上，這還包括guest_nice時間

iowait?（Linux）：等待I?/?O完成所花費的時間

irq?（Linux，BSD）：服務硬件中斷所花費的時間

softirq?（Linux）：服務軟件中斷所花費的時間

steal?（Linux?2.6.11+）：在虛擬化環境中運行的其他操作系統所花費的時間

guest?（Linux?2.6.24+）：在Linux內核的控制下為客戶操作系統運行虛擬CPU所花費的時間

guest_nice?（Linux?3.2.0+）：運行niced?guest虛擬機所花費的時間（Linux內核控制下的來賓操作系統的虛擬CPU）

interrupt?（Windows）：服務硬件中斷所花費的時間（類似于UNIX上的“irq”）

dpc?（Windows）：服務延遲過程調用（DPC）所花費的時間;DPC是以比標準中斷低的優先級運行的中斷。

往下看還可以看到其他的 cpu 監控模塊，比如我們最需要的 cpu 資源消耗百分比，cpu_percent(interval=None, percpu=False) 可以返回一個浮點數，表示當前系統范圍的CPU利用率百分比。當interval為> 0.0比較間隔之前和之后經過的系統CPU時間（阻塞）。當interval是0.0或None比較自上次調用或模塊導入后經過的系統CPU時間，立即返回。這意味著第一次調用它將返回一個無意義的0.0 值，你應該忽略它。在這種情況下，建議0.1在調用之間至少調用此函數的準確性。當percpu是True返回表示利用率的浮點數列表，以每個CPU的百分比表示。列表的第一個元素是指第一個CPU，第二個元素是第二個CPU，依此類推。列表的順序在調用之間是一致的。

而通過 cpu_count() 可以查看 cpu 核心數量，它可以返回系統中 cpu 的數量（與 os.cpu_count 的返回相同）

我電腦的 cpu 是 i3 ,但是得到的 cpu 是 4（應該得到的是2） ，為什么呢？

cpu_count() 返回的是 cpu 邏輯數量，物理數量得加上參數cpu_count(logical = True ) 運行得到的 cpu 數量為 2，也就是我們常說的雙核四線程。

小 demo

如果我們希望得到類似于 top 命令的使用率排行，那我們應該如何做呢？鑒于前面學習的 cpu_percent 我們來嘗試一下：

psutil.cpu_percent(interval=3,?percpu=True)

其中的 interval 代表比較間隔之前和之后經過的系統CPU時間，也就是比較 3 秒間隔中 cpu 的占用率

如果要實現排行，那么就需要很多的記錄，意味著我們可以嘗試通過 for 循環來實現（此處將時間間隔設為 1 即可）：

當然，這僅僅只是將信息輸出了 10 次，如果要進行排行，那么還需要其他的處理。

上圖是我電腦的資源信息截圖，結合截圖來看，我們通過代碼獲取的系統資源信息還是比較可信的

關于 cpu 信息獲取的其他知識，請翻閱 psutil 官方文檔的 cpu 部分，接下來要學習內存的信息獲取了。

內存信息獲取

virtual_memory（）將有關系統內存使用情況的統計信息作為命名元組返回，包括以字節表示的以下字段。主要指標：

總計：總物理內存。

可用：可以在沒有系統進入交換的情況下立即提供給進程的內存。這是通過根據平臺對不同的內存值求和來計算的，并且它應該用于以跨平臺方式監視實際內存使用情況。

其他指標：

used：使用的內存，根據平臺的不同計算，僅供參考。總計?-?免費不一定匹配使用。

free：內存不被使用（歸零），隨時可用;?請注意，這并不反映可用的實際內存（?請改用）。總計?-?使用不一定與免費匹配?。

active?（UNIX）：當前正在使用或最近使用的內存，因此它在RAM中。

inactive?（UNIX）：標記為未使用的內存。

buffers?（Linux，BSD）：緩存文件系統元數據之類的東西。

cached?（Linux，BSD）：緩存各種事物。

shared?（Linux，BSD）：可由多個進程同時訪問的內存。

slab?（Linux）：內核數據結構緩存。

wired?（BSD，macOS）：標記為始終保留在RAM中的內存。它永遠不會移動到磁盤。

當然，我們并不會關注太細致的內存信息，只需要獲取內容總量、當前可用量或者當前已用量等信息即可。

內存不足警報的小 demo

現在有這么一個需求，當監控到內存不足 300M 的時候通過代碼發出警告信息，我們可以將需求簡化為：內存不足、發出提示

當然，上面的代碼并不能夠真正的給我們發出警告，因為它只是向你表達它能夠做到的事。如果需要做到監控，還需要編寫更多的代碼、設計更好的處理邏輯。

內存信息獲取的其他模塊介紹

swap_memory() 將系統交換內存統計信息作為命名元組返回：

total：總交換內存（以字節為單位）

used：以字節為單位使用的swap內存

free：以字節為單位的自由交換內存

percent：計算的百分比使用率(total?-?available)?/?total?*?100

sin：系統從磁盤交換的字節數（累計）

sout：系統從磁盤換出的字節數（累計）

不過正常狀態下，我們用得并不多，因為它并不是返回系統所有的內存資源信息，而是交換內存的統計信息。

進程信息

進程信息文檔定位，進程信息也是我們比較關注的方面，psutil.pids() 可以返回當前運行的PID列表，例如：

>>>?psutil.pids()

[1,?2,?3,?5,?7,?8,?9,?10,?11,?12,?13,?14,?15,?17,?18,?19,?...,?32498]

文檔中有一個比較有意思的介紹

我們可以按名稱過濾進程信息，為什么說他有意思呢？

比如我們可以通過記錄 Python 的進程信息、內存資源信息、cpu 資源信息，來分析我們所寫的 Python 代碼在服務器上的資源占用情況。我們嘗試篩選出 Python 相關的 pid：

>>>?[p.info?for?p?in?psutil.process_iter(attrs=['pid',?'name'])?if?'python'?in?p.info['name']]

[{'name':?'python3.6',?'pid':?1447}]

>>>

pid 1447 的這個進程，正好是我在控制臺中演示代碼時，啟動的 Python 進程。

總結

好了，關于 psutil 的簡單介紹就到這里，感覺好像沒有學到什么高大上的知識？感覺輕輕略過了一遍，并沒有留下什么深刻映像？

可能下一回，我們就會通過 psutil 實現一個服務器資源監控和比對的工具，比如這樣的：

有可能很完善，但是也有可能不需要那么多功能。

學習更多 Python、爬蟲以及深度學習相關的知識，可以關注微信公眾號【進擊的Coder】，和大佬一起 Coding 共同進步。

請在評論區為 面筋哥-程書林打 call

任務調度 Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。