獲取cpu每秒的使用率

要求

請獲取某段時間的cpu的占有率，以持久化形式保存。

代碼：

import psutil
import time
# cpu_res = psutil.cpu_percent()
# print(cpu_res)
# 每一秒獲取獲取cpu的占有率 --->持久化保存
# 如何將時間和對應(yīng)的cpu占有率去匹配
while True:
    # 獲取當(dāng)前時間和cpu的占有率
    t = time.localtime()
    cpu_time = '%d:%d:%d' % (t.tm_hour, t.tm_min, t.tm_sec)
    cpu_res = psutil.cpu_percent()
    print(cpu_res)
    # 保存在文件中
    with open('cpu.txt', 'a+') as f:
        f.write('%s %s \n' % (cpu_time, cpu_res))
    time.sleep(1)

1.psutil模塊表示獲取本機的硬件信息

2.psutil.cpu_percent表示獲取cpu的占有率

3.用元組時間可以準(zhǔn)確獲取自己想獲得的時、分、秒

4.將時間——>cpu占有率寫入文件cpu.txt中。

5.time.sleep(1) 表示休眠時間，等待1秒再執(zhí)行。

輸出結(jié)果：

在cpu.txt文件中

python充分利用cpu

當(dāng)利用python處理大規(guī)模數(shù)據(jù)或者運行一些耗時較長的程序時，往往會發(fā)現(xiàn)程序運行時CPU并沒有跑滿，哪怕開了多線程后CPU利用率仍然不高。

這是因為在默認情況下，Python 程序是單個進程，使用單 CPU 核心執(zhí)行，這意味著多核處理器只使用了一個核。

「一核有難九核圍觀」意味著超過 50% 的算力都會被浪費。這篇文章將介紹如何解決這種情況。

多線程無法增加cpu使用率的原因

GIL 的全程為 Global Interpreter Lock ，意即全局解釋器鎖。

在 Python 語言的主流實現(xiàn) CPython 中，GIL 是一個貨真價實的全局線程鎖，在解釋器解釋執(zhí)行任何 Python 代碼時，都需要先獲得這把鎖才行，在遇到 I/O 操作時會釋放這把鎖。

如果是純計算的程序，沒有 I/O 操作，解釋器會每隔 100 次操作就釋放這把鎖，讓別的線程有機會執(zhí)行（這個次數(shù)可以通過 sys.setcheckinterval 來調(diào)整）。

所以雖然 CPython 的線程庫直接封裝操作系統(tǒng)的原生線程，但 CPython 進程做為一個整體，同一時間只會有一個獲得了 GIL 的線程在跑，其它的線程都處于等待狀態(tài)等著 GIL 的釋放。

這就意味著哪怕開了多線程CPU使用率仍然不會很高。

如何充分使用多核跑程序

有三個辦法

1. multiprocessing

multiprocessing 是多進程標(biāo)準(zhǔn)庫，讓多進程的 python 程序編寫簡化到類似多線程的程度，通過多進程的方式使用多個CPU核心。

2. C 語言擴展機制

如果不想用多進程這樣重量級的解決方案，可以改用 C/C++。當(dāng)然，你也不用做的這么絕，只需要把關(guān)鍵部分用 C/C++ 寫成 Python 擴展，其它部分還是用 Python 來寫，讓 Python 的歸 Python，C 的歸 C。一般計算密集性的程序都會用 C 代碼編寫并通過擴展的方式集成到 Python 腳本里（如 NumPy 模塊）。這樣在擴展里就完全可以用 C 創(chuàng)建原生線程，就可以充分利用 CPU 的計算資源了。

3. ctypes

不過，寫 Python 擴展總是讓人覺得很復(fù)雜。好在 Python 還有另一種與 C 模塊進行互通的機制 : ctypes。ctypes 與 Python 擴展不同，它可以讓 Python 直接調(diào)用任意的 C 動態(tài)庫的導(dǎo)出函數(shù)。你所要做的只是用 ctypes 寫些 python 代碼即可。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論