如何在Python中获取当前系统状态(当前CPU、RAM、空闲磁盘空间等)?理想情况下，它可以同时适用于Unix和Windows平台。
从我的搜索中似乎有一些可能的方法:
使用像PSI这样的库(目前似乎没有积极开发，在多个平台上也不支持)或像pystatgrab这样的库(从2007年开始似乎没有活动，也不支持Windows)。 使用平台特定的代码，例如使用os.popen("ps")或*nix系统的类似代码，以及ctypes.windll中的MEMORYSTATUS。Windows平台的kernel32(请参阅ActiveState上的配方)。可以将所有这些代码片段放在一个Python类中。
这并不是说这些方法不好，而是是否已经有一种支持良好的多平台方式来做同样的事情?
当前回答
要逐行分析程序的内存和时间，我建议使用memory_profiler和line_profiler。
安装:
# Time profiler
$ pip install line_profiler
# Memory profiler
$ pip install memory_profiler
# Install the dependency for a faster analysis
$ pip install psutil
常见的部分是，通过使用各自的装饰器指定要分析的函数。
例子:我有几个函数在我的Python文件main.py，我想分析。其中之一是linearRegressionfit()。我需要使用装饰器@profile，它可以帮助我分析关于时间和内存的代码。
对函数定义进行以下更改
@profile
def linearRegressionfit(Xt,Yt,Xts,Yts):
lr=LinearRegression()
model=lr.fit(Xt,Yt)
predict=lr.predict(Xts)
# More Code
对于时间分析，
Run:
$ kernprof -l -v main.py
输出
Total time: 0.181071 s
File: main.py
Function: linearRegressionfit at line 35
Line # Hits Time Per Hit % Time Line Contents
==============================================================
35 @profile
36 def linearRegressionfit(Xt,Yt,Xts,Yts):
37 1 52.0 52.0 0.1 lr=LinearRegression()
38 1 28942.0 28942.0 75.2 model=lr.fit(Xt,Yt)
39 1 1347.0 1347.0 3.5 predict=lr.predict(Xts)
40
41 1 4924.0 4924.0 12.8 print("train Accuracy",lr.score(Xt,Yt))
42 1 3242.0 3242.0 8.4 print("test Accuracy",lr.score(Xts,Yts))
对于内存剖析，
Run:
$ python -m memory_profiler main.py
输出
Filename: main.py
Line # Mem usage Increment Line Contents
================================================
35 125.992 MiB 125.992 MiB @profile
36 def linearRegressionfit(Xt,Yt,Xts,Yts):
37 125.992 MiB 0.000 MiB lr=LinearRegression()
38 130.547 MiB 4.555 MiB model=lr.fit(Xt,Yt)
39 130.547 MiB 0.000 MiB predict=lr.predict(Xts)
40
41 130.547 MiB 0.000 MiB print("train Accuracy",lr.score(Xt,Yt))
42 130.547 MiB 0.000 MiB print("test Accuracy",lr.score(Xts,Yts))
此外，还可以使用matplotlib using绘制内存分析器结果
$ mprof run main.py
$ mprof plot
注:测试于
Line_profiler version == 3.0.2
Memory_profiler version == 0.57.0
Psutil版本== 5.7.0
编辑:可以使用TAMPPA包解析分析器的结果。使用它，我们可以逐行得到所需的图
其他回答
仅适用于Linux: 只有stdlib依赖的RAM使用的一行代码:
import os
tot_m, used_m, free_m = map(int, os.popen('free -t -m').readlines()[-1].split()[1:])
通过结合tqdm和psutil，可以获得实时的CPU和RAM监控。当运行繁重的计算/处理时，它可能很方便。
它也可以在Jupyter中工作，无需任何代码更改:
from tqdm import tqdm
from time import sleep
import psutil
with tqdm(total=100, desc='cpu%', position=1) as cpubar, tqdm(total=100, desc='ram%', position=0) as rambar:
while True:
rambar.n=psutil.virtual_memory().percent
cpubar.n=psutil.cpu_percent()
rambar.refresh()
cpubar.refresh()
sleep(0.5)
使用多处理库将这些进度条放在单独的进程中是很方便的。
此代码片段也可作为要点。
我觉得这些答案是为Python 2编写的，而且在任何情况下，都没有人提到Python 3可用的标准资源包。它提供了获取给定进程(默认为调用Python进程)的资源限制的命令。这与获取整个系统当前的资源使用情况是不同的，但它可以解决一些相同的问题，例如:“我想确保这个脚本只使用X个内存。”
这是所有好东西的汇总: psutil + os获得Unix和Windows兼容性: 这允许我们得到:
CPU 内存 磁盘
代码:
import os
import psutil # need: pip install psutil
In [32]: psutil.virtual_memory()
Out[32]: svmem(total=6247907328, available=2502328320, percent=59.9, used=3327135744, free=167067648, active=3671199744, inactive=1662668800, buffers=844783616, cached=1908920320, shared=123912192, slab=613048320)
In [33]: psutil.virtual_memory().percent
Out[33]: 60.0
In [34]: psutil.cpu_percent()
Out[34]: 5.5
In [35]: os.sep
Out[35]: '/'
In [36]: psutil.disk_usage(os.sep)
Out[36]: sdiskusage(total=50190790656, used=41343860736, free=6467502080, percent=86.5)
In [37]: psutil.disk_usage(os.sep).percent
Out[37]: 86.5
使用crontab运行不会打印pid
设置:*/1 * * * * sh dog.sh这一行在crontab -e
import os
import re
CUT_OFF = 90
def get_cpu_load():
cmd = "ps -Ao user,uid,comm,pid,pcpu --sort=-pcpu | head -n 2 | tail -1"
response = os.popen(cmd, 'r').read()
arr = re.findall(r'\S+', response)
print(arr)
needKill = float(arr[-1]) > CUT_OFF
if needKill:
r = os.popen(f"kill -9 {arr[-2]}")
print('kill:', r)
if __name__ == '__main__':
# Test CPU with
# $ stress --cpu 1
# crontab -e
# Every 1 min
# */1 * * * * sh dog.sh
# ctlr o, ctlr x
# crontab -l
print(get_cpu_load())
