Получение информации о CPU и RAM в Python: кросс-платформенно

Быстрый ответ

Чтобы контролировать загрузку процессора и использование оперативной памяти в Python, примените библиотеку psutil:

import psutil

print(f"Загрузка CPU: {psutil.cpu_percent()}%")
print(f"Использование RAM: {psutil.virtual_memory().percent}%")

Для установки библиотеки используйте команду: pip install psutil. После запуска данного кода вы увидите актуальные показания.

Детализированный анализ с использованием psutil

Библиотека psutil предлагает широкие возможности для контроля производительности системы.

Отслеживание загрузки процессора по отдельным ядрам

Библиотека psutil может контролировать загрузку каждого из ядер процессора независимо:

# Общая загрузка CPU
print(f"Общая загрузка CPU: {psutil.cpu_percent()}%")

# Мониторинг загрузки каждого ядра CPU
for i, percentage in enumerate(psutil.cpu_percent(percpu=True)):
    print(f"Ядро {i}: {percentage}%")

Мониторинг в реальном времени с визуализацией прогресса

Для наглядного мониторинга системы в реальном времени можно использовать библиотеку tqdm вместе с psutil:

from tqdm import tqdm
import time

for _ in tqdm(range(100), desc="Мониторим CPU и RAM... как настоящий профи"):
    print(f"Загрузка CPU: {psutil.cpu_percent()}%")
    print(f"Использование RAM: {psutil.virtual_memory().percent}%")
    time.sleep(1)

Эффективное использование модуля multiprocessing

Для выполнения сложных вычислительных задач можно использовать модуль multiprocessing, оставив не более одного ядра для мониторинга:

import multiprocessing
import psutil

def ninja_monitor():
    print(f"Загрузка CPU: {psutil.cpu_percent()}%")
    print(f"Использование RAM: {psutil.virtual_memory().percent}%")

if __name__ == '__main__':
    ninja_process = multiprocessing.Process(target=ninja_monitor)
    ninja_process.start()
    ninja_process.join()

Отслеживание потребления памяти Python-процессом

Библиотека psutil позволяет также отслеживать потребление памяти самим Python-процессом:

python_process = psutil.Process()
print(f"RAM, используемая Python-процессом: {python_process.memory_info()[0] / 2.**30:.2f} GB")

Визуализация

Рассмотрим аналогию вашего компьютера с рестораном, где ЦПУ – это шеф-повар, а ОЗУ – это холодильник:

Сценарий в ресторане       | Функция Python
---------------------      | ----------------
Работа шеф-повара          | `psutil.cpu_percent()`
Запасы в холодильнике      | `psutil.virtual_memory()`

Образно говоря:

👨‍🍳 = CPU: Насколько занят шеф-повар? **75%** 🏃‍♂️💨
🥩🥕🍟 = RAM: На сколько заполнен холодильник? **60%** 📦↗️

Таким образом, можно оценить, насколько "занят" ваш "ресторан" и каков уровень его "запасов".

Работа в разнообразных средах

psutil и tqdm прекрасно подходят для работы в различных средах, включая Jupyter notebook, позволяя вносить мониторинг в привычный рабочий процесс:

from IPython.display import display, HTML
import psutil
import threading
import time

def flashy_status():
    while True:
        cpu_usage = psutil.cpu_percent()
        ram_usage = psutil.virtual_memory().percent
        display(HTML(f"<div>CPU: {cpu_usage}% RAM: {ram_usage}%</div>"))
        time.sleep(0.5)

threading.Thread(target=flashy_status).start()

Совместимость версий и платформ

psutil – это кроссплатформенная библиотека, поддерживающая Python версий от 2.6 до 3.5.

Возможные проблемы и способы их решения

В процессе работы с psutil могут возникнуть некоторые сложности:

Ошибки в расчете использования памяти

Время от времени показатели использования памяти могут быть завышены. В этом случае рекомендуется сравнить их с данными других системных инструментов.

Получение детальной информации

Для получения наиболее точной и подробной информации о работе системы, обязательно ознакомьтесь с официальной документацией psutil.

Полезные материалы

1. Документация psutil — детальное описание мониторинга ЦПУ и памяти в Python.
2. Определение текущей загрузки ЦПУ и ОЗУ в Python на Stack Overflow — полезное обсуждение с примерами кода.
3. Документация модуля os — представляет информацию о взаимодействии с операционной системой.
4. Документация модуля multiprocessing — инструкции по использованию параллельности в Python.
5. Профилировщик памяти на PyPI — инструмент предназначен для профилирования памяти.
6. Документация модуля resource — приспособление для отслеживания использования ресурсов.
7. Glances на GitHub — многофункциональный инструмент для мониторинга системы на Python.