当前位置: 首页 > 编程笔记 >

python实现可视化动态CPU性能监控

燕博文
2023-03-14
本文向大家介绍python实现可视化动态CPU性能监控,包括了python实现可视化动态CPU性能监控的使用技巧和注意事项,需要的朋友参考一下

本文实例为大家分享了python可视化动态CPU性能监控的具体代码,供大家参考,具体内容如下

打算开发web性能监控,以后会去学js,现在用matp来补救下,在官网有此类模板,花了一点时间修改了下,有兴趣的可以去官网看看。

基于matplotoilb和psutil,matplotoilb是有名的数据数据可视化工具,psutil是性能监控工具,所以你需要这两个环境,本文不多说环境的安装。

以下是代码:

#!/usr/bin/env python 
#-*-coding:utf-8 -*-
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import psutil
def data_gen(t=0): #设置xy变量
 x = 0  
 y = 1
 while True:
 y = psutil.cpu_percent(interval=1) #获取cpu数值,1s获取一次。
 x += 1 
 yield x,y    
def init():
 ax.set_xlim(0, 10)   #起始x 1-10
 ax.set_ylim(0, 100)   #设置y相当于0%-100%
 del xdata[:]
 del ydata[:]
 line.set_data(xdata, ydata)
 return line,

fig, ax = plt.subplots()
line, = ax.plot([], [], lw=2)  #线像素比
ax.grid()
xdata, ydata = [], []


def run(data):
 # update the data
 t, y = data
 xdata.append(t)
 ydata.append(y)
 xmin, xmax = ax.get_xlim()

 if t >= xmax:   #表格随数据移动
 ax.set_xlim(xmin+10, xmax+10)
 ax.figure.canvas.draw()
 line.set_data(xdata, ydata)

 return line,

ani = animation.FuncAnimation(fig, run, data_gen, blit=False, interval=10,
repeat=False, init_func=init)
plt.show()

下面是效果图,还有很多地方不完善,以后会花点时间完成。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持小牛知识库。

 类似资料:
  • 本文向大家介绍python可视化实现KNN算法,包括了python可视化实现KNN算法的使用技巧和注意事项,需要的朋友参考一下 简介 这里通过python的绘图工具Matplotlib包可视化实现机器学习中的KNN算法。 需要提前安装python的Numpy和Matplotlib包。 KNN–最近邻分类算法,算法逻辑比较简单,思路如下: 1.设一待分类数据iData,先计算其到已标记数据集中每个数

  • 可视化监测 为了查看可视化容器背后的原始数据,点击容器左下方 按钮,可视化监测窗口将会打开。可以选中查看原始数据详情。 表格. 分页表格形式呈现的基础数据。可以点击表头每行字段名的上下箭头来按照该列排序。 请求. 服务器原始请求数据,以 JSON 形式呈现。 响应. 服务器原始响应数据,以 JSON 形式呈现。 统计. 请求和响应的统计汇总数据,以表格形式呈现。包括查询周期,请求周期,查询到的记录

  • 本文向大家介绍python实时监控cpu小工具,包括了python实时监控cpu小工具的使用技巧和注意事项,需要的朋友参考一下 本文实例为大家分享了python实时监控cpu的工具,供大家参考,具体内容如下 虽然写的很不完善,但是当练手吧,对于实时监控cpu还是有点用处的,虽然android studio已经提供了一样的功能,但是能够记录并生成成本地csv文件还是比as多一个功能的。 结果图: 直

  • 本文向大家介绍python实现监控linux性能及进程消耗性能的方法,包括了python实现监控linux性能及进程消耗性能的方法的使用技巧和注意事项,需要的朋友参考一下 本文以实例形式实现了python监控linux性能以及进程消耗性能的方法,具体实现代码如下:

  • 本文向大家介绍python seaborn heatmap可视化相关性矩阵实例,包括了python seaborn heatmap可视化相关性矩阵实例的使用技巧和注意事项,需要的朋友参考一下 方法 将矩阵型简化为对角矩阵型: 补充知识:Python【相关矩阵】和【协方差矩阵】 相关系数矩阵 pandas.DataFrame(数据).corr() 协方差矩阵 numpy.cov(数据) 补充 协方差

  • 本文向大家介绍java实现可视化日历,包括了java实现可视化日历的使用技巧和注意事项,需要的朋友参考一下 java可视化日历程序,供大家参考,具体内容如下 利用DateFormat以及Calendar等方法来实现。 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持呐喊教程。