python实时监控mac/windows资源(cpu、内存、磁盘、网络)

爱吃香菜

于 2024-03-30 17:57:24 发布

阅读量739

点赞数 13

分类专栏：程序员程序人生自动化测试文章标签： python 开发语言职场经验测试工具软件测试自动化测试程序员

本文链接：https://blog.csdn.net/wx17343624830/article/details/137178824

版权

程序人生同时被 3 个专栏收录

2615 篇文章 25 订阅

订阅专栏

程序员

2091 篇文章 2 订阅

订阅专栏

自动化测试

1957 篇文章 14 订阅

订阅专栏

监控Mac或Windows系统的资源目的

性能分析与优化：实时监控CPU使用率可以帮助识别是否有进程占用过多资源，导致系统响应缓慢或崩溃。

监控内存使用有助于排查内存泄漏问题，确保程序高效运行，避免因内存耗尽而导致系统不稳定。

故障排查：

当系统出现问题如卡顿、延迟、无响应等情况时，通过监控系统资源的变化，可以快速定位潜在的问题根源。

容量规划与预警：

对于服务器或数据中心管理，监控磁盘空间、内存使用、CPU负载等是必不可少的，以便及时扩容或迁移数据，防止磁盘满载或资源耗尽引发的服务中断。

自动化运维：

自动化的监控系统可以根据预设阈值触发警报或自动执行相应措施，比如当CPU使用率过高时，可以自动停止不必要的进程或通知运维人员介入。

系统健康度评估：

维持系统长期稳定运行，监控系统资源有利于了解系统整体健康状况，提前预防可能出现的问题。

安装

 pip install psutil matplotlib numpy‍

#实例代码

import psutil
import matplotlib.pyplot as plt
import numpy as np
import time
# 监控CPU使用率
def monitor_cpu():
    cpu_percent = psutil.cpu_percent(interval=1)
    return cpu_percent
# 监控内存使用情况
def monitor_memory():
    mem = psutil.virtual_memory()
    return mem.total / (1024**2), mem.used / (1024**2)
# 监控磁盘I/O
def monitor_disk_io():
    disk_io = psutil.disk_io_counters(perdisk=False)
    return disk_io.read_bytes / (1024**2), disk_io.write_bytes / (1024**2)  # 转换为MB
# 创建图表
def create_combined_graph(data_dict, labels, colors, title):
    x = np.arange(len(data_dict[labels[0]]))
    fig, ax1 = plt.subplots()
    ax1.set_title(title)
    ax1.set_xlabel('Seconds')
    ax1.set_ylabel('CPU Usage (%)', color='tab:red')
    ax1.plot(x, data_dict['CPU Usage (%)'], label='CPU Usage', color='tab:red')
    ax1.tick_params(axis='y', labelcolor='tab:red')
    ax2 = ax1.twinx()
    ax2.set_ylabel('Memory Used (MB)', color='tab:blue')
    ax2.plot(x, data_dict['Memory Used (MB)'], label='Memory Used', color='tab:blue')
    ax2.tick_params(axis='y', labelcolor='tab:blue')
    ax3 = ax1.twinx()
    ax3.spines["right"].set_position(("axes", 1.2))  # 设置第三个Y轴的位置
    make_patch_spines_invisible(ax3)
    ax3.spines["right"].set_visible(True)
    ax3.set_ylabel('Disk I/O (MB)', color='tab:green')
    ax3.plot(x, data_dict['Disk Reads (MB)'], label='Disk Reads', color='tab:orange')
    ax3.plot(x, data_dict['Disk Writes (MB)'], label='Disk Writes', color='tab:green')
    ax3.tick_params(axis='y', labelcolor='tab:green')
    # 添加磁盘最后读写数据到右上角
    last_disk_read = data_dict['Disk Reads (MB)'][-1]
    last_disk_write = data_dict['Disk Writes (MB)'][-1]
    fig.text(0.95, 0.95, f'Disk Reads: {last_disk_read:.2f} MB\nDisk Writes: {last_disk_write:.2f} MB',
             ha='right', va='top', fontsize=10, color='gray', transform=fig.transFigure)
    h1, l1 = ax1.get_legend_handles_labels()
    h2, l2 = ax2.get_legend_handles_labels()
    h3, l3 = ax3.get_legend_handles_labels()
    ax1.legend(h1+h2+h3, l1+l2+l3, loc='upper center')
    plt.show()
# 辅助函数，用于隐藏多余的边框
def make_patch_spines_invisible(ax):
    ax.set_frame_on(False)
    ax.patch.set_visible(False)
    for sp in ax.spines.values():
        sp.set_visible(False)
# 主监控函数
def main_monitor_combined():
    data_dict = {
        'CPU Usage (%)': [],
        'Memory Used (MB)': [],
        'Disk Reads (MB)': [],
        'Disk Writes (MB)': [],
    }
    for _ in range(10):
        cpu_percent = monitor_cpu()
        data_dict['CPU Usage (%)'].append(cpu_percent)
        mem_total, mem_used = monitor_memory()
        data_dict['Memory Used (MB)'].append(mem_used)
        disk_reads_mb, disk_writes_mb = monitor_disk_io()
        data_dict['Disk Reads (MB)'].append(disk_reads_mb)
        data_dict['Disk Writes (MB)'].append(disk_writes_mb)
        time.sleep(1)
    create_combined_graph(data_dict, ['CPU Usage (%)', 'Memory Used (MB)', 'Disk Reads (MB)', 'Disk Writes (MB)'],
                          ['tab:red', 'tab:blue', 'tab:orange', 'tab:green'], 'System Resource Usage Over Time')
if __name__ == "__main__":
    main_monitor_combined()

Mac运行结果如下：