Python获取CPU内存使用率方法

想知道Python如何获取系统CPU和内存使用率吗？强烈推荐使用psutil库！它不仅跨平台兼容，而且功能强大，能轻松获取CPU使用率、内存总量及使用率等关键信息。本文将深入探讨如何利用psutil快速获取CPU和内存信息，并展示其在跨平台兼容、系统信息获取等方面的独特优势。更进一步，本文还将教你如何构建一个简单的实时监控器，让你像任务管理器一样实时掌握系统性能，适用于性能分析与自动化运维场景。赶紧来了解一下吧！

使用psutil库可轻松获取系统CPU和内存使用率，它跨平台且功能全面。通过psutil.cpu_percent(interval=1)获取CPU使用率，percpu=True可查看各核心情况；psutil.virtual_memory()返回内存总览，包括总量、使用率等；还可获取交换内存、CPU时间分布等信息。psutil的优势在于跨平台兼容、接口统一、支持丰富的系统信息查询（如进程、磁盘、网络），并具备良好文档与社区支持。结合循环与清屏操作，能实现类似任务管理器的实时监控界面，适用于性能分析与自动化运维场景。

要说Python怎么获取系统内存和CPU的使用率，我个人觉得，最省心也最强大的选择，非psutil库莫属。它就像一个万能工具箱，能让你轻轻松松地窥探到操作系统内部的各种资源状况，而且还跨平台，无论是Windows、Linux还是macOS，用起来都一个样。对于我这种经常需要做系统监控或者性能调优的人来说，这简直是必备技能。

解决方案

其实，用psutil来获取CPU和内存信息，流程非常直观。基本上就是导入库，然后调用几个方法就行了。我们来看看最常用的几个：

首先是CPU。psutil.cpu_percent()这个方法能给你一个百分比，告诉你CPU现在有多忙。但这里有个小细节，如果你第一次调用它，它会返回0.0，因为需要一个时间间隔来计算。所以，通常我们会调用两次，或者给它一个interval参数，让它自己等待一段时间再返回结果。比如：

import psutil
import time

# 获取过去1秒的CPU使用率
# psutil.cpu_percent(interval=1) 会阻塞1秒，然后返回这1秒内的CPU平均使用率
cpu_usage = psutil.cpu_percent(interval=1)
print(f"过去1秒CPU使用率: {cpu_usage}%")

# 如果想看每个核心的使用率，可以这样：
cpu_per_core = psutil.cpu_percent(interval=1, percpu=True)
print(f"过去1秒每个核心CPU使用率: {cpu_per_core}")

# 还可以获取CPU的统计信息，比如用户态、系统态、空闲时间等
cpu_times = psutil.cpu_times()
print(f"CPU时间统计 (用户态: {cpu_times.user:.2f}s, 系统态: {cpu_times.system:.2f}s, 空闲: {cpu_times.idle:.2f}s)")

内存方面就更直接了，psutil.virtual_memory()会返回一个包含各种内存信息的对象，包括总内存、可用内存、已使用内存等等。

import psutil

mem_info = psutil.virtual_memory()

print(f"总内存: {mem_info.total / (1024**3):.2f} GB")
print(f"可用内存: {mem_info.available / (1024**3):.2f} GB")
print(f"已使用内存: {mem_info.used / (1024**3):.2f} GB")
print(f"内存使用率: {mem_info.percent}%")

# 交换内存（Swap memory）信息也可以获取
swap_info = psutil.swap_memory()
print(f"总交换内存: {swap_info.total / (1024**3):.2f} GB")
print(f"已使用交换内存: {swap_info.used / (1024**3):.2f} GB")
print(f"交换内存使用率: {swap_info.percent}%")

你看，是不是很简单？这些数据基本上就能满足我们日常对系统资源状况的基本判断了。当然，如果你需要更细致的数据，psutil也提供了，比如物理内存的详细分区，或者每个进程的资源占用等等，但那可能就是另一个话题了。

psutil库的独特优势体现在哪里？

为什么我们非要用psutil呢？其实，除了它功能强大、用起来方便之外，还有几个点我觉得是它无可替代的。

首先，跨平台兼容性。这是它最大的亮点之一。你写一份代码，就能在Windows、Linux、macOS，甚至FreeBSD、OpenBSD、NetBSD、SunOS等多个操作系统上运行，不用担心平台差异带来的适配问题。这对于需要部署到不同环境的应用来说，省去了大量的麻烦。想象一下，如果每次换个系统你都要重写一套获取系统信息的逻辑，那得多崩溃？psutil把这些底层差异都封装好了，你只需要关心上层逻辑。

其次，全面的系统信息获取能力。它不仅仅是能获取CPU和内存那么简单。进程管理（列出进程、杀死进程、获取进程信息）、磁盘I/O、网络I/O、用户管理、系统启动时间、电池状态等等，几乎所有你想得到的系统级信息，psutil都能给你。这使得它不仅仅是一个监控工具，更是一个系统管理和自动化脚本的利器。比如，我曾经用它来写过一个脚本，定期检查某个进程的资源占用，一旦超出阈值就自动重启，大大减轻了运维压力。

再者，活跃的社区支持和良好的文档。一个好的库，离不开活跃的社区和清晰的文档。psutil在这方面做得非常好，遇到问题很容易找到解决方案，官方文档也写得非常详细，这对于开发者来说，无疑是巨大的福音。

最后，我觉得是它的轻量级和高效性。虽然功能强大，但psutil本身并不臃肿，安装简单，运行时对系统资源的消耗也比较低，这让它非常适合嵌入到各种需要系统监控的应用程序中，而不用担心它本身成为性能瓶颈。

所以，综合来看，psutil不仅仅是一个能获取CPU和内存的库，它是一个成熟、稳定、功能全面的系统信息工具，是Python生态中不可或缺的一部分。

如何构建一个实时的CPU与内存监控器？

光是获取一次数据，可能满足不了我们持续观察系统性能的需求。很多时候，我们希望能够实时地看到CPU和内存的波动，就像任务管理器那样。用psutil来实现一个简单的实时监控器，其实也挺容易的，核心就是在一个循环里不断地获取数据，然后更新显示。

这里有个简单的例子，它会每隔一秒打印一次CPU和内存的使用率：

import psutil
import time
import os

def clear_screen():
    # 清屏函数，兼容Windows和Linux/macOS
    os.system('cls' if os.name == 'nt' else 'clear')

print("--- 实时系统资源监控 (按 Ctrl+C 退出) ---")
try:
    while True:
        clear_screen() # 每次更新前清屏，让输出看起来更像实时刷新

        # 获取CPU使用率 (过去1秒)
        cpu_percent = psutil.cpu_percent(interval=1)

        # 获取虚拟内存信息
        mem_info = psutil.virtual_memory()

        # 获取交换内存信息
        swap_info = psutil.swap_memory()

        # 格式化输出
        print(f"CPU 使用率: {cpu_percent:5.1f}%")
        print(f"内存 使用率: {mem_info.percent:5.1f}% | 已用: {mem_info.used / (1024**3):.2f} GB / 总计: {mem_info.total / (1024**3):.2f} GB")
        print(f"交换内存使用率: {swap_info.percent:5.1f}% | 已用: {swap_info.used / (1024**3):.2f} GB / 总计: {swap_info.total / (1024**3):.2f} GB")

        # 模拟一些更复杂的显示，比如进度条
        cpu_bar = '#' * int(cpu_percent / 5) + '-' * (20 - int(cpu_percent / 5))
        mem_bar = '#' * int(mem_info.percent / 5) + '-' * (20 - int(mem_info.percent / 5))
        print(f"CPU [{cpu_bar}]")
        print(f"MEM [{mem_bar}]")

        # 如果需要，这里可以加入数据存储逻辑，比如写入日志文件或者数据库
        # with open("monitor.log", "a") as f:
        #     f.write(f"{time.time()},{cpu_percent},{mem_info.percent}\n")

        # time.sleep(1) # psutil.cpu_percent(interval=1) 已经包含了等待，所以这里不需要额外的sleep

except KeyboardInterrupt:
    print("\n监控已停止。")
except Exception as e:
    print(f"发生错误: {e}")

在这个例子里，我加了一个clear_screen()函数，让输出更整洁，每次刷新都像是在同一个位置更新数据。psutil.cpu_percent(interval=1)本身就带了1秒的等待，所以循环里不需要再额外time.sleep(1)了，这其实是个小陷阱，不注意的话可能会导致实际刷新间隔变长。

这种实时监控的思路，可以很方便地扩展。比如，你可以把这些数据发送到一个消息队列，或者写入时序数据库，然后用Grafana这样的工具做可视化。我个人就喜欢用这种方式，快速搭建一个临时的性能观察界面，排查问题

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。