博客
关于我
利用Python的Psutil模块获取系统的信息
阅读量:93 次
发布时间:2019-02-26

本文共 1385 字,大约阅读时间需要 4 分钟。

一、获取CPU信息

User Time 执行用户进程的时间百分比

System Time 执行内核进程和中断的时间百分比
Wait IO 空闲时间比
idle cpu处于idle状态的时间百分比

psutil.cpu_times()              #cpu的完整信息,默认percup为Falsepsutil.cpu_times(percpu=True)   #返回多个即列表形式cpu_info = psutil.cpu_times()   #获取单个信息cpu_info.usercpu_info.nicepsutil.cpu_count()                #cpu逻辑个数,默认logical为Truepsutil.cpu_count(logical=False)   #logical为False返回的是cpu的物理个数

这里写图片描述

二、获取内存信息

内存的总数(total)

已经使用的内存数(used)
空闲的内存数(free)
缓冲使用数(buffers)
缓存使用数(cache)
交换分区使用数(swap)

psutil.virtual_memory()   #返回内存的完整信息svmem(total=1927991296, available=363003904, percent=81.2, used=1350471680, free=111476736, active=852549632, inactive=804536320, buffers=64618496, cached=401424384, shared=55500800)

三、获取磁盘信息

1、磁盘的利用率     2、IO信息   psutil.disk_partitions()    获取磁盘的完整信息   psutil.disk_usage('/')      获得分区的使用情况,这边以根分区为例   psutil.disk_io_counters()   获取磁盘总的io个数       perdisk 默认为False       psutil.disk_io_counters(perdisk=True)   perdisk为True 返回单个分区的io个数

这里写图片描述

四、获取进程信息

psutil.pids()   返回系统进程pidProcess         返回一个process对象,参数为进程的pid   p = psutil.Process(408)       p.name()          进程的名字   p.exe()           进程bin文件位置   p.cwd()           进程的工作目录的绝对路径   p.status()        进程的状态   p.create_time()   进程的创建时间,时间戳      time.ctime(p.create_time())  将时间戳转换为字符串时间   p.uids()          进程的uid信息   p.gids()          进程的gid信息   p.cpu_times()     cup时间信息   p.memory_info()   进程内存的利用率   p.io_counters()   进程的io读写信息

这里写图片描述

你可能感兴趣的文章
NIS服务器的配置过程
查看>>
NIS认证管理域中的用户
查看>>
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>