一、背景

在Python的世界里，有一些库因其强大的功能和易用性而备受开发者们的喜爱。今天，我们要介绍的就是其中的一员——psutil库。psutil(python system and process utilities)是一个跨平台的第三方库，用于获取系统运行时的进程和系统利用率（包括CPU、内存、磁盘、网络等）信息。它主要用于系统监控，性能分析，进程管理等场景。

二、安装&基本使用

psutil安装：

pip install psutil

安装完成后，我们就可以开始使用psutil库了。下面，我们将介绍一些常用的功能。

1、获取CPU信息

psutil库可以获取CPU的使用情况。例如，我们可以使用psutil.cpu_percent(interval=1)来获取CPU的使用率。

import psutil
cpu_percent = psutil.cpu_percent(interval=1)print(f'CPU usage: {cpu_percent}%')

2、获取内存信息

我们可以使用psutil.virtual_memory()来获取系统的内存使用情况。

import psutil
mem_info = psutil.virtual_memory()print(f'Total memory: {mem_info.total / (1024**3):.2f} GB')print(f'Used memory: {mem_info.used / (1024**3):.2f} GB')print(f'Memory usage: {mem_info.percent}%')

3、获取磁盘信息

psutil库也可以获取磁盘的使用情况。例如，我们可以使用psutil.disk_usage(‘/’)来获取根目录的磁盘使用情况。

import psutil
disk_usage = psutil.disk_usage('/')print(f'Total disk space: {disk_usage.total / (1024**3):.2f} GB')print(f'Used disk space: {disk_usage.used / (1024**3):.2f} GB')print(f'Disk usage: {disk_usage.percent}%')

4、获取进程信息

psutil库还可以获取系统中运行的所有进程的信息。例如，我们可以使用psutil.pids()来获取所有进程的PID。

import psutil
pids = psutil.pids()print(f'Total processes: {len(pids)}')

三、项目应用实战

假设有这样的一个需求：长时间运行Pycharm程序，监控Pycharm程序的CPU/内存占用，以验证Pycharm程序在长时间打开的情况下，程序是否会存在CPU占用率升高或内存泄漏的情况。

基于这样的需求，我们可以使用psutil库和pandas库来完成，脚本如下：

1、获取电脑整体的CPU、内存占用情况

# 获取电脑整体的CPU、内存占用情况def getMemory():    data = psutil.virtual_memory()    memory = str(int(round(data.percent))) + "%"    print("系统整体memory占用:"+memory)    return memorydef getCpu():    cpu_list=psutil.cpu_percent(percpu=True)    average_cpu = round(sum(cpu_list) / len(cpu_list),2)    cpu=str(average_cpu) + "%"    print("系统整体cpu占用:"+cpu)    return cpu

2、获取指定进程的CPU和内存占用信息代码

# 获取指定进程的CPU和内存占用信息代码def getMemSize(pid):    # 根据进程号来获取进程的内存大小    process = psutil.Process(pid)    memInfo = process.memory_info()
    # rss: 该进程实际使用物理内存（包含共享库占用的全部内存）。    # vms：该进程使用的虚拟内存总量。
    return memInfo.rss / 1024 / 1024
def getCpuPercent(pid):    # 根据进程号来获取进程的内存大小    p = psutil.Process(pid)    p_cpu = p.cpu_percent(interval=0.1)    cpu = round(p_cpu,2)    return cpu
def getTotalM(processName):    # 一个进程名对应的可能有多个进程    # 进程号才是进程的唯一标识符，进程名不是    totalM = 0    for i in psutil.process_iter():        if i.name() == processName:            totalM += getMemSize(i.pid)    print('进程占用内存：%.2f MB' % totalM)    finalM=round(totalM,2)    return finalM
def getTotalCPU(processName):    # 一个进程名对应的可能有多个进程    # 进程号才是进程的唯一标识符，进程名不是    totalCPU = 0    for i in psutil.process_iter():        if i.name() == processName:            totalCPU += getCpuPercent(i.pid)    totalCPU_convert=round(totalCPU,2)    finalCPU=str(totalCPU_convert)+'%'    print("进程占用CPU："+finalCPU)    return totalCPU_convert

3、将测试结果数据写入csv文件

# 将测试结果数据写入csv文件def writeExcel(caseName,cpu,mem,pycharmcpu,pycharmmem):    timestamp = time.strftime('%Y-%m-%d-%H:%M:%S', time.localtime(time.time()))    dict = {'caseName': [caseName], 'Sys_CPU': [cpu], 'Sys_Memory': [mem], 'Pycharm_Cpu': [pycharmcpu], 'Pycharm_Mem': [pycharmmem],'OperationTime':[timestamp]}
    # 字典中的key值即为csv中列名    dataframe = pd.DataFrame(dict)    dataframe['OperationTime'] = pd.to_datetime(dataframe['OperationTime'])
    # 将DataFrame存储为csv, mode='a'表示每一次都是追加内容而不是覆盖，header=False表示不写列名    dataframe.to_csv("cpuAndMemtest.csv", date_format='%Y-%m-%d-%H:%M:%S', mode='a',index=False,header=False,encoding='GBK')

4、封装方法为函数，以便后续直接调用

# 封装方法为函数，以便后续直接调用def getCpuAndMem(caseName,processName1):    memory = getMemory()    cpu = getCpu()    # 获取pycharm64.exe进程占用的CPU和内存    pycharmmem = getTotalM(processName1)    pycharmcpu = str(getTotalCPU(processName1))+'%'
    time.sleep(1)    writeExcel(caseName,cpu,memory,pycharmcpu,pycharmmem)    print("系统整体CPU占用：%s     系统整体内存占用：%s   进程_CPU占用：%s  进程内存占用：%s"%(cpu, memory, pycharmcpu, pycharmmem))    print("===============================================================")

5、运行脚本