【实例代码分享】揭秘超强性能监控工具：Python psutil库-CSDN博客

本文链接：https://blog.csdn.net/wx17343624830/article/details/139773928

软件测试面试刷题，这个小程序（永久刷题），靠它可以快速找到工作！https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502编辑https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502

01前言

相信在做的各位都了解过cpu，内存，磁盘，这些在我们的工作中多多少少都会用的到，特别是做过性能测试的小伙们，为什么提到cpu，内存这些呢，主要今天给大家分享一个python的第3方库，可以用来检测电脑上的cpu或者服务器上的cpu变化。从而进行查看我们的性能状态。

02 psutil

psutil属于python跨平台使用的库，主要作用就是获取系统运行的进程和系统利用率（cpu，内存，磁盘）等信息，可以用于监控服务器和本地的性能指标。

03 安装

pip install psutil  安装psutil

04 常见功能

获取cpu信息

获取当前cpu信息，直接通过psutil库中的方法进行获取，其中interval=1表示1秒内的cpu值

import psutil


# 获取当前CPU
cpu = psutil.cpu_percent(interval=1)
print(f'目前CPU为：{cpu}%')

获取进程信息

获取当前进程信息，直接通过psutil库中的pids()进行获取

import psutil
# 获取当前pid号
pid = psutil.pids()
print('当前的pid列表：%s' %pid)

获取内存信息

获取当前内存信息，直接通过psutil库中的virtual_memory()进行获取。

import psutil
# 获取内存
mem = psutil.virtual_memory()
# 通过方法percent获取内存百分比
print(f'当前内存：{mem.percent}%')

获取当前磁盘信息

获取当前磁盘信息，直接通过psutil库中的disk_usage（）其中'/' 参数表示要查询的磁盘分区或挂载点的路径

import psutil
# 获取磁盘分区
disk_=psutil.disk_partitions()
# 获取当前磁盘使用情况
disk = psutil.disk_usage('/')
# 通过方法percent获取内存百分比
print(disk)

05 实例

早上小明上班后，领导告诉他，我们目前的服务器的cpu和内存好像不稳定，让小明帮他写一个脚本然后统计下cpu和内存的变化，给到领导一个excel表格。

好在小明昨天看了这一篇文章，立刻有了灵感，打开pycharm就开始敲起来了

1、首先我们通过安装psutil库

2、分别通过获取cpu和内存

3、通过执行打印出来cpu和内存的值

import psutil
# 获取cpu的信息


def cpu():
    cpu = psutil.cpu_percent(interval=1)
    return cpu
    
# 获取内存的信息
def mem():
    mem = psutil.virtual_memory()
    return mem.percent
    
# 打印cpu和内存信息
def get_print(cpu,mem):
    print(f'当前Cpu：{cpu}%')
    print(f'当前内存：{mem}%')


a = cpu()
b = mem()
get_print(a,b)

通过cmd这里运行查看，发现已经可以单独获取成功当前的cpu和内存了

单独的已经完成了，那么是不是可以写一个循环，进行一直执行这个函数，在通过time函数进行增加间隔时间，然后小明的代码又敲起来了。

1、导入时间函数

2、通过for循环进行执行程序

import time
import psutil
# 获取cpu的信息


def cpu():
    cpu = psutil.cpu_percent(interval=1)
    return cpu
# 获取内存的信息
def mem():
    mem = psutil.virtual_memory()
    return mem.percent
# 打印cpu和内存信息
def get_print(cpu,mem):
    print(f'当前Cpu：{cpu}%')
    print(f'当前内存：{mem}%')
# 循环执行获取函数
for i in range(7200):
    a = cpu()
    b = mem()
    get_print(a,b)
    time.sleep(2)

通过运行结果可以看到，目前领导安排的任务已经完成了一半了，那么我们需要写入excel了，

这里小明想要先整理下打印的样式，于是又敲起来了代码

这里小明通过加入了时间函数获取了当前时间打印，加上了cpu和内存的值，优化了打印页面

import time
import psutil
# 获取cpu的信息


def cpu():
    cpu = psutil.cpu_percent(interval=1)
    return cpu
# 获取内存的信息
def mem():
    mem = psutil.virtual_memory()
    return mem.percent
# 打印cpu和内存信息
def get_print(cpu,mem):
    # 获取当前时间
    local_time = time.localtime(time.time())
    formatted_time = time.strftime('%Y-%m-%d %H:%M:%S', local_time)
    print(formatted_time,f'当前Cpu：{cpu}%  当前内存：{mem}%')
# 循环执行获取函数
for i in range(7200):
    a = cpu()
    b = mem()
    get_print(a,b)
    time.sleep(2)

通过执行结果可以看出来，已经完成了，那么我们就只需要写入excel表格中了。

写入excel

这里小编使用的模块是pandas，也是属于python的第三方库，大多数用于数据处理，后续有机会给大家展示如何运用到测试当中。

import time
import pandas as pd
import psutil


def get_info():
    # 获取当前cpu
    cpu = psutil.cpu_percent(interval=1)
    # 获取当前内存
    mem = psutil.virtual_memory().percent
    # 获取当前时间
    local_time = time.localtime(time.time())
    formatted_time = time.strftime('%Y-%m-%d %H:%M:%S', local_time)
    data = {'时间':[formatted_time],
            'cpu':[f'{cpu}%'],
            'mem':[f'{mem}%']
            }
    print(data)
    return data
filename = 'output.xlsx'
def write_info(data):
    new_df = pd.DataFrame(data)
    with pd.ExcelWriter(filename,mode='a',engine='openpyxl',if_sheet_exists='overlay') as writer:
        # 读取以前的数据
        existing_df = pd.read_excel(filename, sheet_name='Sheet1')
        # 合并新数据和已存在的数据
        appended_df = pd.concat([existing_df, new_df], ignore_index=True)
        # 写入合并后的新数据
        appended_df.to_excel(writer, sheet_name='Sheet1', index=False)
        
# 循环读取并写入excel中
while True:
    data = get_info()
    write_info(data)
    time.sleep(2)

通过运行后发现已经将对应的cpu和内存都写入到了excel表格中。