系统守护者：使用PyCharm与Python实现关键硬件状态的实时监控

前言

系统准备

软件下载与安装

安装相关库

程序准备

主体程序

更改后的程序：

编写.NET程序

前言

在现代生活中，电脑作为核心工具，其性能和稳定性的维护至关重要。为确保电脑高效运行，我们不仅需关注软件优化，如定期清理、安装防护软件、更新补丁和合理管理硬盘空间，还需重视硬件保养，特别是散热、定期硬件检查与适时升级。这些综合措施，有助于延长电脑寿命，提升使用体验。

本篇聚焦于利用Python这一强大工具，实现对GPU和CPU等关键硬件运行状况的实时监控。通过Python脚本，我们能够自动监测温度、负载等指标，及时发现潜在问题。这种技术应用不仅简化了维护流程，还提高了问题响应速度，是现代电脑维护策略中的重要一环。接下来，我们将深入探讨如何使用Python实现这些监控功能，为电脑的持续健康运行提供有力支持。

通过本篇的探讨，我们将掌握如何利用Python监控硬件，为个人电脑的高效管理和维护开辟新途径，让电脑在信息处理与科研探索中发挥更大效能。

诚邀各位大佬指正，我将不胜感激。

系统准备

软件下载与安装

我用的软件是PyCharm Community Edition 2023.1，下载安装请参考：

https://m.runoob.com/python3/https://m.runoob.com/python3/

安装相关库

我的电脑系统是Windows10，要实现监控CPU和NVIDIA GPU的温度等情况，采用的是psutil库读取CPU的特定数据，GPU则使用nvidia-ml-py3库。

nvidia-ml-py3库是一个用于管理和监控NVIDIA GPU的python接口，封装了NVML功能。通过它可以利用python代码查询GPU的状态，如温度、内存使用情况、计算利用率等等。

psutil库提供了丰富的接口来获取系统和进程的信息，包括CPU、内存、磁盘、网络等信息。

在pycharm中打开终端输入以下指令来安装其上两个库：

pip install psutil
pip install nvidia-ml-py3

window系统中pycharm打开终端的方法：

一、view-->Tool Windows-->Terminal

二、alt+F12

三、pycharm的左边竖着的工具栏中有终端图标点击即可。

图一

输入完安装指令后，如果出现以下提示，可以采用指令进行解决：

[notice] A new release of pip is available: 23.2.1 -> 24.0
[notice] To update, run: python.exe -m pip install --upgrade pip
指令：

python.exe -m pip install --upgrade pip

程序准备

主体程序

import time
import psutil
import pynvmldef get_cpu_info():
cpu_percent = psutil.cpu_percent(interval=1)
memory_info = psutil.virtual_memory()
memory_used = memory_info.percent
return cpu_percent, memory_useddef get_gpu_info(pynml=None):try:pynvml.nvmlInit()device_count = pynvml.nvmlDeviceGetCount()gpu_data = []for i in range(decice_count):handle = pynvml.nvmlDeviceGetHandleByIndex(i)name = pynvml.nvmlDeviceGetName(handle)util = pynml.nvmlDeviceGetUtilizationRates(handle)gpu_util = util.gputemp = pynvml.nvmlDeviceGetTemperature(handle, pynvml.NVML_TEMPERATURE_GPU)mem_info = pynvml.nvmlDeviceGetMemoryInfo(handle)total_memory = mem_info.total / (1024 ** 2)used_memory = mem_info.used / (1024 ** 2)gpu_data.append({'name': name,'util': gpu_util,'temp': temp,'total_memory': total_memory,'used_memory': used_memory})pynvml.nvmlShutdown()return gpu_dataexcept pynvml.NVMLError as e:print("Error while fetching GPU data: ", e)return []def main():while True:cpu_percent, memory_used = get_cpu_info()print(f"CPU Usage: {cpu_percent}%")print(f"Memory Usage: {memory_used}%")gpu_data = get_gpu_info()if gpu_data:for gpu in gpu_data:print(f"GPU {gpu['name']}:")print(f"  Utilization: {gpu['util']}%, Temperature: {gpu['temp']}°C")print(f"  Memory: {gpu['used_memory']} MB / {gpu['total_memory']} MB")print("")print("-" * 40)time.sleep(5)if __name__ == "__main__":main()

解释：

添加了必要的库，其中的time让其能够更好的控制程序的更新频率，不至于太快给电脑太大的压力。

定义了三个函数，第一个是获取CPU的信息，第二个是获取GPU的信息，第三个是主函数。

在第一个函数中，我获取了CPU的使用率和内存的使用率，interval=1表示1秒的采样间隔，让我每隔一秒获取CPU的使用率。

在第二个函数中，因为获取GPU的相关信息比CPU要复杂一点，所以其函数也相应的复杂。先是初始化NVIDIA管理库，以便获取GPU信息，然后获取系统中的GPU的数量，其后初始化一个空列表以便储存GPU的相关信息。for是循环遍历每一个GPU，获取GPU的句柄，这是访问GPU的唯一标识，然后获取名称、使用率、温度、内存信息，我获取了GPU的总内存和已使用的内存，最终使用了gpu_data.append({})是以字典的形式来储存获取的GPU相关信息。

主函数，因为需要监控，所以利用while来循环。因为我们获取信息的动作已经完成，直接在其函数中书写打印显示我们想要的信息即可。

为了保证程序能够使用，进行了测试，结果对于GPU的采集发生了错误：

图二

这里的错误是指没有找到NVML的共享文件。

解决方法：

将nvml.dll文件添加到环境变量中。

先找到nvml.dll文件。

win+R打开命令提示符，输入cmd，最后输入

where nvidia-smi

找到了nvidia-smi.exe，nvml.dll文件与其在同一路径之下。

手动添加

进入设置中的关于-->点击高级系统设置-->在高级界面中点击环境变量-->找到系统变量区域下的path并选中，点击编辑-->在新的界面中点击新建-->添加路径，确认，重启电脑即可。

如果还未解决，怎采取以下方式：

下载CUDA Toolkit

要下载与自己的显卡驱动程序版本和系统架构相适应的CUDA Toolkit。

查看系统信息在任务栏中的搜索框中输入msinfo32，查看显卡的信息可在NVIDIA控制面板中点击帮助，点击系统信息即可查看。

我的系统可以支持12.6版本的，以下是下载地址：

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local

下面的地址是查看自己的系统可以支持的版本：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions__table-cuda-toolkit-driver-versions

安装完成之后，找到nvml.dll文件，更新环境变量。

由于我电脑比较差，没有多余空间安装CUDA，请各位大佬自行决定是否利用此方法观察是否有效，谢谢！

因此，我更换了库，pynvml库需要电脑中存在CUDA Toolkit才能运作，于是我更换了一个更加简单的库GUPtil。

更改后的程序：

import tkinter as tk  # 导入tkinter库，用于创建GUI
import psutil  # 导入psutil库，用于获取系统信息
import GPUtil  # 导入GPUtil库，用于获取GPU信息
import subprocess  # 导入subprocess库，用于执行系统命令# 定义.NET程序路径
NET_PROGRAM_PATH = "D:\\CPU\\setup.exe"def get_cpu_temperature():# 这里使用60.0作为CPU温度的模拟值（在实际应用中需要替换成获取真实CPU温度的代码）return 60.0def get_cpu_usage():# 使用psutil获取CPU的使用率，参数2表示计算使用率的时间间隔，这里为2秒return psutil.cpu_percent(interval=2)def get_cpu_name():# 尝试通过PowerShell命令获取CPU名称try:# 执行PowerShell命令并获取输出cpu_info = subprocess.check_output("powershell -command \"Get-CimInstance Win32_Processor | Select-Object -ExpandProperty Name\"",shell=True).decode().strip()  # 将输出解码为字符串并去除空格return cpu_info if cpu_info else "未知CPU"except Exception as e:# 处理异常情况，打印错误信息并返回未知CPUprint(f"获取CPU名称时出错: {e}")return "未知CPU"def get_cpu_memory_usage():# 使用psutil获取CPU的内存使用情况memory = psutil.virtual_memory()return {'used_memory': f"{memory.used / (1024 ** 2):.1f} MB",  # 已用内存，转换为MB'total_memory': f"{memory.total / (1024 ** 2):.1f} MB"  # 总内存，转换为MB}def get_gpu_info():# 获取所有GPU的详细信息gpus = GPUtil.getGPUs()gpu_info = []  # 用于存储处理后的GPU信息for gpu in gpus:# 将GPU信息添加到字典中gpu_info.append({'id': gpu.id,'name': gpu.name,'load': f"{gpu.load * 100:.1f}%",  # 载荷百分比'temp': f"{gpu.temperature} °C",  # 温度'used_memory': f"{gpu.memoryUsed} MB",  # 已用内存'total_memory': f"{gpu.memoryTotal} MB"  # 总内存})return gpu_info  # 返回处理后的GPU信息列表def update_info():# 获取CPU温度、使用率、名称和内存使用情况cpu_temp = get_cpu_temperature()cpu_usage = get_cpu_usage()cpu_name = get_cpu_name()cpu_memory = get_cpu_memory_usage()# 获取GPU信息gpu_data = get_gpu_info()# 初始化信息文本info_text = f"CPU名称: {cpu_name}\n"info_text += f"CPU使用率: {cpu_usage}%\n"info_text += f"CPU内存使用: {cpu_memory['used_memory']} / {cpu_memory['total_memory']}\n"if cpu_temp is not None:info_text += f"CPU温度: {cpu_temp:.1f} °C\n"# 构造GPU信息的显示文本for gpu in gpu_data:info_text += (f"GPU {gpu['id']} ({gpu['name']}):\n"f"  使用率: {gpu['load']}\n"f"  温度: {gpu['temp']}\n"f"  内存使用: {gpu['used_memory']} / {gpu['total_memory']}\n")# 更新GUI中的文本label.config(text=info_text)# 设置定时器，每3秒更新一次信息root.after(3000, update_info)# 启动 .NET 程序而不显示命令行窗口
subprocess.Popen(NET_PROGRAM_PATH, shell=False, creationflags=subprocess.CREATE_NO_WINDOW)# 创建主窗口
root = tk.Tk()
root.title("CPU和GPU信息")  # 设置窗口标题# 创建标签组件，用于显示信息
label = tk.Label(root, text="", justify=tk.LEFT)
label.pack(padx=20, pady=20)  # 设置填充# 调用update_info进行首次信息更新
update_info()# 进入消息循环
root.mainloop()

下载地址：

https://openhardwaremonitor.org/downloads/

编写.NET程序

可以利用VS2019来编写程序。

using System; // 引入系统命名空间，用于基本类型和控制台操作
using OpenHardwareMonitor.Hardware; // 引入硬件监控库命名空间class Program
{static void Main(string[] args) // 主函数，程序入口点{Computer computer = new Computer { CPUEnabled = true }; // 创建Computer对象，启用CPU监测computer.Open(); // 开启硬件监控try{foreach (var hardware in computer.Hardware) // 遍历所有硬件{hardware.Update(); // 更新硬件信息Console.WriteLine($"检测到 {hardware.HardwareType}: {hardware.Name}"); // 打印硬件类型和名称foreach (var sensor in hardware.Sensors) // 遍历硬件上的传感器{if (sensor.SensorType == SensorType.Temperature) // 检查传感器类型是否为温度{if (sensor.Value.HasValue) // 检查温度值是否存在{Console.WriteLine($"传感器名称: {sensor.Name}, 温度值: {sensor.Value.Value}°C"); // 打印传感器名称和温度值}else // 如果温度值不存在{Console.WriteLine($"传感器名称: {sensor.Name}, 温度值: 无法获取"); // 打印传感器名称和提示信息}}}}}catch (Exception ex) // 捕获并处理异常{Console.WriteLine($"出现错误: {ex.Message}"); // 打印错误信息}finally{computer.Close(); // 关闭硬件监控}Console.WriteLine("程序完成。按任意键退出。"); // 提示用户程序完成Console.ReadKey(); // 等待用户按键}
}

代码运行的结果：