基于Python開發(fā)電腦硬件監(jiān)控工具
更新時(shí)間：2025年07月21日 16:04:32 作者：超級(jí)小識(shí)
在科技飛速發(fā)展的今天,人工智能已經(jīng)滲透到我們生活的方方面面,本文主要來和大家介紹一下如何使用Python開發(fā)電腦硬件監(jiān)控工具,可以采集系統(tǒng)信息,需要的可以了解下
引言
在科技飛速發(fā)展的今天，人工智能已經(jīng)滲透到我們生活的方方面面，從基礎(chǔ)的日常溝通到復(fù)雜的商業(yè)決策，智能技術(shù)的影響力正在以驚人的速度擴(kuò)大。以自然語言處理為例，智能助手不僅能理解人類的日常對話，還能通過情感分析提供個(gè)性化的回應(yīng)；在醫(yī)療領(lǐng)域，AI輔助診斷系統(tǒng)的準(zhǔn)確率已達(dá)到專業(yè)醫(yī)師水平，極大地提高了早期疾病篩查的效率。
面對這場深刻的技術(shù)變革，理解其背后的邏輯與應(yīng)用場景變得至關(guān)重要。從技術(shù)角度看，機(jī)器學(xué)習(xí)算法的進(jìn)步（如深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)）為AI應(yīng)用提供了強(qiáng)大的計(jì)算基礎(chǔ)；從應(yīng)用層面看，智能推薦系統(tǒng)正在重塑電商和內(nèi)容平臺(tái)的用戶體驗(yàn)，而自動(dòng)駕駛技術(shù)則有望徹底改變未來的交通方式。這些發(fā)展都彰顯出AI技術(shù)的巨大潛力。
通過深入探討核心原理與實(shí)踐案例，我們可以更清晰地把握技術(shù)趨勢。例如，分析計(jì)算機(jī)視覺在安防監(jiān)控中的實(shí)際應(yīng)用，或研究預(yù)測算法在金融風(fēng)控中的具體表現(xiàn)，都能幫助我們理解不同場景下的技術(shù)適配性。這種理解不僅有助于發(fā)掘潛在商業(yè)價(jià)值，更能為未來的技術(shù)創(chuàng)新與產(chǎn)業(yè)突破奠定堅(jiān)實(shí)基礎(chǔ)。隨著5G、邊緣計(jì)算等配套技術(shù)的發(fā)展，AI的應(yīng)用邊界還將持續(xù)擴(kuò)展，帶來更多令人期待的可能性。
核心庫選擇
GPUtil專門用于獲取NVIDIA GPU信息：
platform模塊提供基本的系統(tǒng)識(shí)別功能：
GUI開發(fā)選項(xiàng)對比：
tkinter（Python標(biāo)準(zhǔn)庫）：
PyQt5/PySide6（第三方庫）：
psutil（Python System and Process Utilities）是一個(gè)跨平臺(tái)的系統(tǒng)監(jiān)控庫，可以獲取系統(tǒng)運(yùn)行時(shí)的各種關(guān)鍵信息：
CPU相關(guān)：
- 使用率（psutil.cpu_percent()）
- 核心數(shù)量（psutil.cpu_count()）
- 溫度監(jiān)控（部分平臺(tái)支持）
- 示例：監(jiān)控CPU負(fù)載并設(shè)置告警閾值
內(nèi)存管理：
- 物理內(nèi)存總量及使用情況（psutil.virtual_memory()）
- 交換分區(qū)信息（psutil.swap_memory()）
- 示例：實(shí)時(shí)顯示內(nèi)存使用曲線圖
磁盤信息：
- 分區(qū)信息（psutil.disk_partitions()）
- 使用情況（psutil.disk_usage()）
- IO統(tǒng)計(jì)（psutil.disk_io_counters()）
- 示例：監(jiān)控磁盤剩余空間并預(yù)警
網(wǎng)絡(luò)監(jiān)控：
- 網(wǎng)絡(luò)接口信息（psutil.net_if_addrs()）
- IO統(tǒng)計(jì)（psutil.net_io_counters()）
- 連接信息（psutil.net_connections()）
顯存使用情況
- GPU溫度監(jiān)控
- 負(fù)載百分比
- 示例：深度學(xué)習(xí)訓(xùn)練時(shí)的GPU監(jiān)控面板
- 操作系統(tǒng)類型（platform.system()）
- 系統(tǒng)版本（platform.version()）
- 處理器架構(gòu)（platform.machine()）
示例：生成系統(tǒng)診斷報(bào)告
- 優(yōu)勢：無需額外安裝，適合簡單界面
- 缺點(diǎn)：界面較簡陋，功能有限
示例應(yīng)用：基礎(chǔ)系統(tǒng)監(jiān)控儀表盤
優(yōu)勢：
- 豐富的UI組件（表格、圖表等）
- 支持多線程
- 現(xiàn)代化界面設(shè)計(jì)
缺點(diǎn)：
- 需要單獨(dú)安裝
- 學(xué)習(xí)曲線較陡
示例應(yīng)用：
- 專業(yè)級(jí)系統(tǒng)監(jiān)控工具
- 帶歷史數(shù)據(jù)可視化的性能分析器
基本系統(tǒng)信息采集實(shí)現(xiàn)
import psutil
import platform
from datetime import datetime
def get_system_info():
# CPU信息
cpu_percent = psutil.cpu_percent(interval=1)
cpu_count = psutil.cpu_count(logical=False)
cpu_logical = psutil.cpu_count(logical=True)
# 內(nèi)存信息
mem = psutil.virtual_memory()
mem_total = round(mem.total / (1024**3), 2)
mem_used = round(mem.used / (1024**3), 2)
mem_percent = mem.percent
# 磁盤信息
disk = psutil.disk_usage('/')
disk_total = round(disk.total / (1024**3), 2)
disk_used = round(disk.used / (1024**3), 2)
disk_percent = disk.percent
# 系統(tǒng)信息
system_info = {
"system": platform.system(),
"node": platform.node(),
"release": platform.release(),
"version": platform.version(),
"machine": platform.machine(),
"boot_time": datetime.fromtimestamp(psutil.boot_time()).strftime("%Y-%m-%d %H:%M:%S")
}
return {
"cpu": {
"percent": cpu_percent,
"cores_physical": cpu_count,
"cores_logical": cpu_logical
},
"memory": {
"total": mem_total,
"used": mem_used,
"percent": mem_percent
},
"disk": {
"total": disk_total,
"used": disk_used,
"percent": disk_percent
},
"system": system_info
}
添加GPU監(jiān)控功能
try:
import GPUtil
def get_gpu_info():
gpus = GPUtil.getGPUs()
if gpus:
return {
"name": gpus[0].name,
"load": gpus[0].load * 100,
"memory_used": round(gpus[0].memoryUsed, 1),
"memory_total": round(gpus[0].memoryTotal, 1),
"temperature": gpus[0].temperature
}
return None
except ImportError:
def get_gpu_info():
return None
使用Tkinter構(gòu)建簡單GUI
import tkinter as tk
from tkinter import ttk
class HardwareMonitor(tk.Tk):
def __init__(self):
super().__init__()
self.title("硬件監(jiān)控工具")
self.geometry("600x400")
# 創(chuàng)建標(biāo)簽框架
self.cpu_frame = ttk.LabelFrame(self, text="CPU 信息")
self.mem_frame = ttk.LabelFrame(self, text="內(nèi)存 信息")
self.disk_frame = ttk.LabelFrame(self, text="磁盤 信息")
self.sys_frame = ttk.LabelFrame(self, text="系統(tǒng) 信息")
# 布局
self.cpu_frame.pack(fill="both", expand=True, padx=5, pady=5)
self.mem_frame.pack(fill="both", expand=True, padx=5, pady=5)
self.disk_frame.pack(fill="both", expand=True, padx=5, pady=5)
self.sys_frame.pack(fill="both", expand=True, padx=5, pady=5)
# 添加標(biāo)簽
self.cpu_label = ttk.Label(self.cpu_frame, text="")
self.mem_label = ttk.Label(self.mem_frame, text="")
self.disk_label = ttk.Label(self.disk_frame, text="")
self.sys_label = ttk.Label(self.sys_frame, text="")
self.cpu_label.pack()
self.mem_label.pack()
self.disk_label.pack()
self.sys_label.pack()
self.update_data()
def update_data(self):
data = get_system_info()
gpu_data = get_gpu_info()
# 更新CPU信息
cpu_text = f"使用率: {data['cpu']['percent']}% | 物理核心: {data['cpu']['cores_physical']} | 邏輯核心: {data['cpu']['cores_logical']}"
self.cpu_label.config(text=cpu_text)
# 更新內(nèi)存信息
mem_text = f"使用: {data['memory']['used']}GB / {data['memory']['total']}GB ({data['memory']['percent']}%)"
self.mem_label.config(text=mem_text)
# 更新磁盤信息
disk_text = f"使用: {data['disk']['used']}GB / {data['disk']['total']}GB ({data['disk']['percent']}%)"
self.disk_label.config(text=disk_text)
# 更新系統(tǒng)信息
sys_text = f"系統(tǒng): {data['system']['system']} {data['system']['release']} | 主機(jī)名: {data['system']['node']} | 啟動(dòng)時(shí)間: {data['system']['boot_time']}"
self.sys_label.config(text=sys_text)
# 如果有GPU信息則顯示
if gpu_data:
if not hasattr(self, 'gpu_frame'):
self.gpu_frame = ttk.LabelFrame(self, text="GPU 信息")
self.gpu_frame.pack(fill="both", expand=True, padx=5, pady=5)
self.gpu_label = ttk.Label(self.gpu_frame, text="")
self.gpu_label.pack()
gpu_text = f"{gpu_data['name']} | 負(fù)載: {gpu_data['load']:.1f}% | 顯存: {gpu_data['memory_used']}GB/{gpu_data['memory_total']}GB | 溫度: {gpu_data['temperature']}°C"
self.gpu_label.config(text=gpu_text)
self.after(1000, self.update_data)
使用PyQt5構(gòu)建更專業(yè)的界面
from PyQt5.QtWidgets import (QApplication, QMainWindow, QVBoxLayout,
QWidget, QLabel, QTabWidget, QProgressBar)
from PyQt5.QtCore import QTimer
import sys
class QtHardwareMonitor(QMainWindow):
def __init__(self):
super().__init__()
self.setWindowTitle("硬件監(jiān)控工具")
self.setGeometry(100, 100, 800, 600)
self.central_widget = QWidget()
self.setCentralWidget(self.central_widget)
self.layout = QVBoxLayout(self.central_widget)
self.tabs = QTabWidget()
self.layout.addWidget(self.tabs)
# 創(chuàng)建標(biāo)簽頁
self.cpu_tab = QWidget()
self.mem_tab = QWidget()
self.disk_tab = QWidget()
self.sys_tab = QWidget()
self.tabs.addTab(self.cpu_tab, "CPU")
self.tabs.addTab(self.mem_tab, "內(nèi)存")
self.tabs.addTab(self.disk_tab, "磁盤")
self.tabs.addTab(self.sys_tab, "系統(tǒng)")
# 初始化UI
self.init_cpu_tab()
self.init_mem_tab()
self.init_disk_tab()
self.init_sys_tab()
# 定時(shí)更新
self.timer = QTimer()
self.timer.timeout.connect(self.update_data)
self.timer.start(1000)
def init_cpu_tab(self):
layout = QVBoxLayout(self.cpu_tab)
self.cpu_label = QLabel("CPU 信息")
self.cpu_progress = QProgressBar()
layout.addWidget(self.cpu_label)
layout.addWidget(self.cpu_progress)
def update_data(self):
data = get_system_info()
# 更新CPU信息
cpu_text = f"CPU 使用率: {data['cpu']['percent']}% | 物理核心: {data['cpu']['cores_physical']} | 邏輯核心: {data['cpu']['cores_logical']}"
self.cpu_label.setText(cpu_text)
self.cpu_progress.setValue(data['cpu']['percent'])
# 更新其他標(biāo)簽頁...
高級(jí)功能擴(kuò)展
實(shí)時(shí)圖表顯示 使用matplotlib可以創(chuàng)建實(shí)時(shí)更新的硬件使用率圖表：
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
from matplotlib.figure import Figure
class ChartMonitor(tk.Tk):
def __init__(self):
super().__init__()
self.title("硬件監(jiān)控圖表")
# 創(chuàng)建圖表
self.fig = Figure(figsize=(5, 4), dpi=100)
self.ax = self.fig.add_subplot(111)
# 初始化數(shù)據(jù)
self.x_data = list(range(60))
self.y_data = [0] * 60
# 創(chuàng)建畫布
self.canvas = FigureCanvasTkAgg(self.fig, master=self)
self.canvas.draw()
self.canvas.get_tk_widget().pack(side=tk.TOP, fill=tk.BOTH, expand=True)
self.update_chart()
def update_chart(self):
# 獲取當(dāng)前CPU使用率
cpu_percent = psutil.cpu_percent(interval=1)
# 更新數(shù)據(jù)
self.y_data.append(cpu_percent)
if len(self.y_data) > 60:
self.y_data.pop(0)
# 清除并重新繪制
self.ax.clear()
self.ax.plot(self.x_data, self.y_data[-60:], 'r-')
self.ax.set_ylim(0, 100)
self.ax.set_title("CPU 使用率 (%)")
self.ax.set_xlabel("時(shí)間 (秒)")
self.canvas.draw()
self.after(1000, self.update_chart)
網(wǎng)絡(luò)監(jiān)控功能 可以擴(kuò)展網(wǎng)絡(luò)監(jiān)控功能：
def get_network_info():
net_io = psutil.net_io_counters()
return {
"bytes_sent": net_io.bytes_sent,
"bytes_recv": net_io.bytes_recv,
"packets_sent": net_io.packets_sent,
"packets_recv": net_io.packets_recv
}
打包為可執(zhí)行文件
使用PyInstaller可以將應(yīng)用打包為獨(dú)立可執(zhí)行文件：
pip install pyinstaller pyinstaller --onefile --windowed hardware_monitor.py
這些方法提供了從簡單到高級(jí)的硬件監(jiān)控實(shí)現(xiàn)方案，可以根據(jù)需求選擇合適的組件進(jìn)行組合或擴(kuò)展。具體來說：
基礎(chǔ)監(jiān)控方案
適用于入門級(jí)需求，主要包含：
- CPU/GPU溫度監(jiān)控（如使用
lm-sensors工具） - 內(nèi)存使用率統(tǒng)計(jì)（通過
free -m命令） - 磁盤空間檢查（
df -h命令） 應(yīng)用場景：個(gè)人開發(fā)者調(diào)試或小型服務(wù)器基礎(chǔ)運(yùn)維
中級(jí)監(jiān)控方案
增加實(shí)時(shí)性和可視化能力：
# Prometheus配置片段
scrape_configs:
- job_name: 'node'
static_configs:
- targets: ['192.168.1.100:9100']
- 使用
Prometheus+Grafana搭建監(jiān)控儀表盤 - 集成網(wǎng)絡(luò)流量監(jiān)控（如
nload工具） - 添加SMART硬盤健康檢測 典型配置示例：
高級(jí)企業(yè)級(jí)方案
包含自動(dòng)化預(yù)警和分布式監(jiān)控：
- 部署
Zabbix或Nagios監(jiān)控集群 - 實(shí)現(xiàn)SNMP協(xié)議設(shè)備管理
- 定制化開發(fā)監(jiān)控插件（如通過Python編寫硬件探針） 擴(kuò)展建議：
- 對關(guān)鍵業(yè)務(wù)服務(wù)器配置雙通道監(jiān)控
- 建立分級(jí)告警機(jī)制（郵件/短信/企業(yè)微信通知）
特殊場景方案
- 工業(yè)環(huán)境：增加4-20mA信號(hào)采集模塊
- 邊緣計(jì)算：部署輕量級(jí)
Telegraf代理 - 高安全要求：采用硬件加密的監(jiān)控?cái)?shù)據(jù)鏈路
方案選擇時(shí)需綜合考慮硬件規(guī)模（單機(jī)/集群）、監(jiān)控粒度（秒級(jí)/分鐘級(jí)）以及預(yù)算成本。建議從基礎(chǔ)方案開始，逐步按需擴(kuò)展功能模塊。
以上就是基于Python開發(fā)電腦硬件監(jiān)控工具的詳細(xì)內(nèi)容，更多關(guān)于Python監(jiān)控的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了python生成excel的實(shí)例代碼，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-11-11
手把手教你搭建python+selenium自動(dòng)化環(huán)境(圖文)
本文主要介紹了手把手教你搭建python+selenium自動(dòng)化環(huán)境，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
本文主要將涉及os,glob,docx模塊的綜合應(yīng)用，幫助大家快速批量修改Word文檔樣式實(shí)現(xiàn)辦公自動(dòng)化，感興趣的朋友可以了解下2021-05-05
這篇文章主要介紹了Python爬取365好書中小說代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
python中的內(nèi)置函數(shù)getattr()介紹及示例
其實(shí)getattr()這個(gè)方法最主要的作用是實(shí)現(xiàn)反射機(jī)制。也就是說可以通過字符串獲取方法實(shí)例。這樣，你就可以把一個(gè)類可能要調(diào)用的方法放在配置文件里，在需要的時(shí)候動(dòng)態(tài)加載。2014-07-07
這篇文章主要介紹了Python使用Turtle模塊繪制五星紅旗代碼示例，具有一定借鑒價(jià)值，需要的朋友可以參考下。2017-12-12
這篇文章主要為大家介紹了python腳本框架web.py的url映射的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
在漏洞利用Python代碼真的很爽...2007-08-08
python Matplotlib基礎(chǔ)--如何添加文本和標(biāo)注
這篇文章主要介紹了python Matplotlib基礎(chǔ)--如何添加文本和標(biāo)注，幫助大家更好的利用Matplotlib繪制圖表，感興趣的朋友可以了解下2021-01-01
PyTorch零基礎(chǔ)入門之構(gòu)建模型基礎(chǔ)
PyTorch是一個(gè)開源的Python機(jī)器學(xué)習(xí)庫，基于Torch，用于自然語言處理等應(yīng)用程序，它是一個(gè)可續(xù)計(jì)算包，提供兩個(gè)高級(jí)功能：1、具有強(qiáng)大的GPU加速的張量計(jì)算（如NumPy）。2、包含自動(dòng)求導(dǎo)系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)2021-10-10