标签: cpu-usage

有人可以建议最佳做法或合适的图书馆来确定:

1. 执行Python函数时使用的CPU周期数？
2. 相同Python函数使用的内存量？

我看着孔雀鱼和苦楝,但仍然不能得到颗粒状的功能级别？我错过了什么吗？

更新 提出这个问题的必要性是解决一个特定的情况,即情景是我们在云实例上运行了一组分布式任务,现在我们需要用集群重新组织正确实例类型的任务放置,例如,高内存消耗功能任务将被放置在更大的内存实例上,依此类推.当我指的是任务(celery-tasks)时,这些只不过是简单的函数,我们现在需要对它们的执行用法进行分析.

谢谢.

我正在实现Android应用程序以获取所有应用程序和运行应用程序 及其大小,使用率和CPU使用率.

但我只得到所有正在运行的应用程序Icon,Label和Packegename无法检索大小,用法和CPU使用情况.

我在GooglePlayStore中看到了一个AndroidSystem Info的应用程序.在该应用程序中给出所有系统信息.

我想以编程方式检索该信息.

谁能帮助我获取全部系统信息

提前致谢.................

这是我的代码:

获取所有应用程序:

ActivityManager am = (ActivityManager) getSystemService(Context.ACTIVITY_SERVICE);
PackageManager pm = getPackageManager().getInstalledApplications(PackageManager.GET_META_DATA);
ApplicationInfo entry = (ApplicationInfo) mListAppInfo.get(position);
ImageView ivAppIcon = (ImageView) v.findViewById(R.id.ivIcon);
TextView tvAppName = (TextView) v.findViewById(R.id.tvName);
TextView tvPkgName = (TextView) v.findViewById(R.id.tvPack);

// set data to display
ivAppIcon.setImageDrawable(entry.loadIcon(mPackManager));
tvAppName.setText(entry.loadLabel(mPackManager));
tvPkgName.setText(entry.packageName);

用于运行应用程序

ActivityManager activityManager = (ActivityManager)  getSystemService(Context.ACTIVITY_SERVICE);
List<ActivityManager.RunningAppProcessInfo> runAppList = am.getRunningAppProcesses();
int listsize = runAppList.size();
Log.v("tag", "listsize..." + listsize);

我们正在使用Express 3运行Node Socket.io服务器.使用Forever监视服务器.该服务运行良好,但CPU一整天都在增长,直到达到90%+然后突然下降到~20%,如下图所示.我相信这种下降是由Forever重新启动应用程序引起的.

我想知道的是;

• 可能导致Node.js应用程序行为的典型因素是什么？
• 有哪些工具/方法可用于调试节点应用中的内存泄漏/ CPU占用？

我认为这可能与Socket.io在用户断开连接后没有清理资源有关,尽管文档说Socket.io会自动管理它.

任何帮助将不胜感激,这个问题使管理我们的服务器非常困难.我在一周前在Serverfault上发布了这个问题,但没有收到回复,所以我认为这可能会更好.

更新:经过更多研究后,CPU似乎与连接数没有直接关联.我们的临界质量似乎是大约1500个并发连接分裂如下:

• xhr-polling:767
• websocket:692
• jsonppolling:80

有时我们可能只有100个CPU,只有500个连接,有时则是1500个连接.我知道发送的邮件速率有很大的影响,但速度相当一致.

无论R计算多么密集,它都不会占用超过25%的CPU.我已经尝试设置rsession.exeto 的优先级,High甚至Realtime但用法保持不变.有没有办法增加R的CPU使用率以充分利用我的系统的潜力,或者我对这个问题的理解是否有任何误解？在此先感谢您的帮助.

PS:下面是CPU使用情况的屏幕截图.

我一直致力于一个Java软件项目,该项目将部署到各种硬件设备(例如,raspberry pi,android手机).

在将该项目作为产品发布之前,我想通过明确说明用户运行我们的软件产品所必需的最低要求(内存和CPU)或硬件设备来引导用户.

我该怎么测量它们？什么是Java可用的工具？

我制作了一个具有相对常见操作的张量流模型(除了一些tf.where和索引处理之外),但是用不同的输入形状(模型中有许多未定义的张量形状)来调用它.

CPU上的一切正常.但是当你使用GPU时,RAM的使用(不是GPU内存,CPU的内存)稳步增加,以填满机器的256GB并自行杀死.

在此过程中,我得到了通常的消息:

2017-03-17 16:42:22.366601: I tensorflow/core/common_runtime/gpu/pool_allocator.cc:247] PoolAllocator: After 18347 get requests, put_count=18345 evicted_count=1000 eviction_rate=0.0545108 and unsatisfied allocation rate=0.0763068
2017-03-17 16:42:22.366680: I tensorflow/core/common_runtime/gpu/pool_allocator.cc:259] Raising pool_size_limit_ from 4385 to 4823

据我所知,GPU的某些DMA内存的池分配器.问题是它似乎永远不会满足它所获得的驱逐率,并且永远不会为自己分配更多的空间.

这是正常的行为吗？他们是控制这个的方法吗？现在,在耗尽内存之前,我无法训练模型超过1小时.

注意:我使用TF的nigthly构建版本,因为我当前模型运行所需的一些错误修正.此外,在训练期间没有添加任何操作,因为我打电话tf.get_default_graph().finalize()

编辑:尝试运行tcmalloc而不是malloc.没有帮助.我还使用了内存分析器,并没有说存在内存泄漏,tcmalloc的内存使用率稳定在500MB,即使内存使用率top更高且程序最终运行OOM.那么为什么tcmalloc剖析器不同意我看到的内存使用情况top呢？

编辑2:重新编译TF与改变硬编码参数,使其"工作".看到这里

我使用Python 2.5.4.我的电脑:CPU AMD Phenom X3 720BE,主板780G,4GB RAM,Windows 7 32位.

我使用Python线程但不能使每个python.exe进程消耗100%的CPU.为什么他们平均只使用33-34%？

我希望将所有可用的计算机资源用于这些大型计算,以便尽快完成它们.

编辑:谢谢大家.现在我使用的是Parallel Python,一切运行良好.我的CPU现在总是100%.谢谢大家!

我一直在寻找一个osx实用程序,它显示每个cpu的cpu使用情况.例如CPU 0 - 10%CPU 1 - 2%......

我知道在其他类Unix系统(/ proc,mpstat等)中获取此信息的许多方法,但在osx中​​都不起作用.对Mac来说最有用的是top,但它只显示总的cpu使用率.我需要从shell运行应用程序,以便我可以记录一段时间的使用情况.我也尝试过cpuwalk.d但它只显示应用程序是在一个或多个核心中运行.

如果您查看Activity Monitor应用程序,您会注意到它基本上显示与top相同的信息,但添加了一个显示cpus加载的图表.

如果有人知道如何获取信息我会很感激.谢谢.

当我使用TOP命令时,我可以得到以下信息:

shell@android:/ $ top -n 1                                                     

User 31%, System 10%, IOW 0%, IRQ 0%
User 346 + Nice 10 + Sys 120 + Idle 637 + IOW 6 + IRQ 0 + SIRQ 2 = 1121

  PID PR CPU% S  #THR     VSS     RSS PCY UID      Name
  481  1  26% S    89 762832K  81688K  fg system   system_server
 1699  0   5% S    27 676472K  39092K  fg u0_a72   wm.cs.systemmonitor
11243  0   3% S    28 673140K  29796K  bg u0_a111  com.weather.Weather
13327  2   1% S …

我使用multiprocessing.Pool.imap在Windows 7上使用Python 2.7并行运行许多独立作业.使用默认设置,我的总CPU使用率固定为100%,由Windows任务管理器测量.这使得我的代码在后台运行时无法执行任何其他工作.

我已经尝试将进程数限制为CPU数减1,如如何限制Python使用的处理器数量中所述:

pool = Pool(processes=max(multiprocessing.cpu_count()-1, 1)
for p in pool.imap(func, iterable):
     ...

这确实减少了正在运行的进程总数.但是,每个过程只需要更多的周期来弥补它.所以我的总CPU使用率仍然固定为100%.

有没有办法直接限制总CPU使用率 - 不仅仅是进程数量 - 或者失败,是否有任何解决方法？