在Python开发中，我们经常需要监控系统硬件状态——无论是检查服务器负载、调试程序资源占用，还是开发硬件监控工具，获取CPU、内存、GPU等信息都是基础需求。今天介绍两个超实用的Python库：psutil（系统全方位监控）和gpustat（GPU状态专属工具），只需一行pip install psutil gpustat即可安装，轻松实现硬件信息的获取与分析。

一、为什么选择psutil和gpustat？

在没有这些库之前，我们可能需要：

  • 调用系统命令（如top/free/nvidia-smi）再解析输出，代码繁琐且跨平台兼容性差；

  • 面对不同硬件（如CPU核心数、GPU型号）编写适配逻辑，开发效率低。

而psutil和gpustat的优势在于：

  • 跨平台：psutil支持Windows/Linux/macOS，无需修改代码即可在不同系统运行；

  • 接口简洁：用Python原生语法调用，无需解析命令行输出；

  • 信息全面：从CPU使用率到磁盘I/O，从内存占用到GPU负载，覆盖硬件监控全场景；

  • 轻量高效：底层基于C实现，资源消耗低，适合长期监控。

二、安装与环境准备

1. 快速安装

直接通过pip安装，支持Python 3.6+：



pip install psutil gpustat






2. 特殊说明


    
 
  • 
  
    psutil：无额外依赖，安装后即可使用；
    • 
 
  • 
  
    gpustat：依赖NVIDIA显卡驱动（需支持nvidia-smi），仅能在NVIDIA GPU环境下运行（AMD/Intel GPU暂不支持）。
    • 







三、psutil：系统硬件监控全能工具




psutil（process and system utilities）是系统监控的“瑞士军刀”，能获取CPU、内存、磁盘、网络等几乎所有系统信息。




1. CPU信息监控




（1）基本信息（核心数、型号）


import psutil

# CPU物理核心数（非超线程）
print("物理核心数：", psutil.cpu_count(logical=False))  # 示例：8

# CPU逻辑核心数（含超线程）
print("逻辑核心数：", psutil.cpu_count(logical=True))  # 示例：16

# CPU型号（需管理员权限，部分系统可能不支持）
try:
    print("CPU型号：", psutil.cpu_info().brand)  # 示例：Intel(R) Core(TM) i7-10700K CPU @ 3.80GHz
except AttributeError:
    print("CPU型号：暂不支持当前系统")




（2）实时使用率监控


import time

# 单次获取CPU整体使用率（百分比）
print("CPU整体使用率：", psutil.cpu_percent(interval=1), "%")  # interval=1表示等待1秒后获取

# 获取每个逻辑核心的使用率
print("各核心使用率：", psutil.cpu_percent(percpu=True, interval=1), "%")  # 示例：[20.0, 15.0, ..., 5.0]

# 连续监控5秒（每1秒输出一次）
print("\n连续监控CPU使用率：")
for _ in range(5):
    print(psutil.cpu_percent(interval=1), "%")




（3）CPU负载（平均负载）


反映CPU处理任务的繁忙程度，理想值≈逻辑核心数：


# 获取1分钟、5分钟、15分钟平均负载
print("CPU平均负载（1/5/15分钟）：", psutil.getloadavg())  # 示例：(2.1, 1.8, 1.5)






2. 内存信息监控




（1）内存使用概况


# 获取内存完整信息（总容量、已用、可用等）
mem = psutil.virtual_memory()

print(f"总内存：{mem.total / 1024**3:.2f} GB")  # 转换为GB
print(f"已用内存：{mem.used / 1024**3:.2f} GB")
print(f"可用内存：{mem.available / 1024**3:.2f} GB")
print(f"内存使用率：{mem.percent}%")




（2）交换内存（Swap）监控


类似Windows的“虚拟内存”，用于缓解物理内存不足：


swap = psutil.swap_memory()
print(f"交换内存总容量：{swap.total / 1024**3:.2f} GB")
print(f"交换内存使用率：{swap.percent}%")






3. 磁盘信息监控




（1）磁盘分区与使用率


# 获取所有磁盘分区
partitions = psutil.disk_partitions()

for part in partitions:
    print(f"\n分区：{part.device}")
    print(f"挂载点：{part.mountpoint}")
    print(f"文件系统：{part.fstype}")
    
    # 获取分区使用率（需排除CD-ROM等无数据的分区）
    try:
        usage = psutil.disk_usage(part.mountpoint)
        print(f"总容量：{usage.total / 1024**3:.2f} GB")
        print(f"使用率：{usage.percent}%")
    except PermissionError:
        print("无权限访问该分区")




（2）磁盘I/O性能


监控读写速度和操作次数：


# 获取磁盘总I/O信息
disk_io = psutil.disk_io_counters()

print(f"累计读次数：{disk_io.read_count}")
print(f"累计写次数：{disk_io.write_count}")
print(f"累计读字节：{disk_io.read_bytes / 1024**2:.2f} MB")
print(f"累计写字节：{disk_io.write_bytes / 1024**2:.2f} MB")

# 监控1秒内的I/O变化（实时速度）
io1 = psutil.disk_io_counters()
time.sleep(1)
io2 = psutil.disk_io_counters()

read_speed = (io2.read_bytes - io1.read_bytes) / 1024**2  # MB/s
write_speed = (io2.write_bytes - io1.write_bytes) / 1024**2
print(f"\n实时读速度：{read_speed:.2f} MB/s")
print(f"实时写速度：{write_speed:.2f} MB/s")






4. 网络信息监控




（1）网络流量统计


# 获取总网络I/O信息
net_io = psutil.net_io_counters()

print(f"累计接收字节：{net_io.bytes_recv / 1024**2:.2f} MB")
print(f"累计发送字节：{net_io.bytes_sent / 1024**2:.2f} MB")
print(f"累计接收包数：{net_io.packets_recv}")
print(f"累计发送包数：{net_io.packets_sent}")

# 监控1秒内的网络速度
net1 = psutil.net_io_counters()
time.sleep(1)
net2 = psutil.net_io_counters()

recv_speed = (net2.bytes_recv - net1.bytes_recv) / 1024**2  # MB/s
send_speed = (net2.bytes_sent - net1.bytes_sent) / 1024**2
print(f"\n实时下载速度：{recv_speed:.2f} MB/s")
print(f"实时上传速度：{send_speed:.2f} MB/s")




（2）网络接口信息


获取网卡IP、MAC等详细信息：


net_if_addrs = psutil.net_if_addrs()  # 所有网络接口
net_if_stats = psutil.net_if_stats()  # 接口状态（是否启用、速度等）

for iface, addrs in net_if_addrs.items():
    # 过滤出物理网卡（排除回环地址）
    if iface.startswith(("lo", "docker")):
        continue
    
    print(f"\n网卡：{iface}")
    # 获取IPv4地址
    for addr in addrs:
        if addr.family == psutil.AF_LINK:  # MAC地址
            print(f"MAC地址：{addr.address}")
        elif addr.family == psutil.AF_INET:  # IPv4地址
            print(f"IPv4地址：{addr.address}")
            print(f"子网掩码：{addr.netmask}")
    
    # 接口状态
    stats = net_if_stats[iface]
    print(f"是否启用：{'是' if stats.isup else '否'}")
    print(f"速度：{stats.speed} Mbps")  # 0表示未知






四、gpustat：GPU状态的轻量监控工具




gpustat是NVIDIA GPU专用监控工具，基于nvidia-smi封装，输出更简洁，且支持Python API调用。




1. 命令行快速查看


安装后可直接在终端运行gpustat命令，实时显示GPU状态：


gpustat  # 基本信息
gpustat -cpu  # 同时显示CPU使用率
gpustat -i 1  # 每秒刷新一次（监控模式）




输出示例（包含GPU型号、利用率、内存占用、温度等）：


localhost  Thu Oct 17 10:00:00 2024
[0] NVIDIA GeForce RTX 3080 | 60°C,  80% | 10240 / 10240 MB | user(70%)






2. 在Python中调用gpustat




（1）获取GPU基本信息


from gpustat import GPUStatCollection

# 获取所有GPU状态
gpus = GPUStatCollection.new_query()

for gpu in gpus:
    print(f"\nGPU编号：{gpu.index}")
    print(f"GPU型号：{gpu.name}")
    print(f"利用率：{gpu.utilization}%")
    print(f"内存使用：{gpu.memory_used} / {gpu.memory_total} MB")
    print(f"温度：{gpu.temperature}°C")
    print(f"当前运行进程：{[p['user'] for p in gpu.processes]}")  # 占用GPU的用户




（2）实时监控GPU利用率


import time

print("实时监控GPU利用率（每2秒刷新）：")
try:
    while True:
        gpus = GPUStatCollection.new_query()
        for gpu in gpus:
            print(f"GPU {gpu.index}：{gpu.utilization}%", end=" | ")
        print()  # 换行
        time.sleep(2)
except KeyboardInterrupt:
    print("\n监控结束")






五、实战案例：简易系统监控工具




结合psutil和gpustat，编写一个实时监控系统状态的脚本，每5秒输出一次关键指标：


import psutil
import time
from gpustat import GPUStatCollection

def monitor_system(interval=5):
    while True:
        print("="*50)
        print(f"监控时间：{time.strftime('%Y-%m-%d %H:%M:%S')}")
        
        # 1. CPU信息
        cpu_percent = psutil.cpu_percent(interval=0.1)
        print(f"CPU使用率：{cpu_percent}%")
        
        # 2. 内存信息
        mem = psutil.virtual_memory()
        print(f"内存使用率：{mem.percent}% （已用：{mem.used/1024**3:.2f}GB）")
        
        # 3. 网络速度
        net1 = psutil.net_io_counters()
        time.sleep(0.1)
        net2 = psutil.net_io_counters()
        recv_speed = (net2.bytes_recv - net1.bytes_recv) / 1024**2 * 10  # 转换为MB/s
        send_speed = (net2.bytes_sent - net1.bytes_sent) / 1024**2 * 10
        print(f"网络：下载 {recv_speed:.2f} MB/s | 上传 {send_speed:.2f} MB/s")
        
        # 4. GPU信息（仅NVIDIA）
        try:
            gpus = GPUStatCollection.new_query()
            for gpu in gpus:
                print(f"GPU {gpu.index}：利用率 {gpu.utilization}% | 内存 {gpu.memory_used}/{gpu.memory_total} MB")
        except Exception as e:
            print(f"GPU监控：{str(e)}（可能非NVIDIA显卡或驱动未安装）")
        
        time.sleep(interval)

if __name__ == "__main__":
    try:
        monitor_system(interval=5)  # 每5秒监控一次
    except KeyboardInterrupt:
        print("\n监控已停止")




运行脚本后，会周期性输出系统状态，适合快速排查服务器负载问题。






六、总结与扩展




psutil和gpustat的组合为Python开发者提供了便捷的硬件监控能力：


    
 
  • 
  
    psutil覆盖CPU、内存、磁盘、网络等系统级监控，适合跨平台场景；
    • 
 
  • 
  
    gpustat专注NVIDIA GPU监控，轻量且信息直观，适合AI训练、图形渲染等场景。
    • 





扩展方向：


    
 
  • 
  
    结合matplotlib绘制资源趋势图表；
    • 
 
  • 
  
    开发告警机制（如CPU使用率超80%时发送邮件）；
    • 
 
  • 
  
    集成到Web框架（如Flask/Django），构建可视化监控面板。
    • 





只需一行pip install psutil gpustat，就能让你的Python程序拥有“感知”硬件的能力，无论是日常开发调试还是系统监控工具开发，它们都是不可或缺的利器。
 
  

        # 开发语言
      
        # python
      
  
 
 Logo 
2048 AI社区
 
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
 
 
  
更多推荐
  
cover
 
从搜索到对话：GEO优化如何重塑AI时代的品牌可见度体系
 
 
avatar 2048 AI社区
 
cover
 
AI CRM解锁企业数据潜能，从数据孤岛到决策中枢的数字化转型实践
 
 
avatar 2048 AI社区
 
cover
 
降低AI幻觉，破解非结构化数据之困：司马阅自研模型DocMind-V3.0加速重塑企业数据价值
 
 
avatar 2048 AI社区