### 实现资源管理器使用情况抓取并存储到数据库中 为了实现每分钟抓取电脑资源管理器的使用情况，并将数据存储到数据库中，同时需要打包该程序，可以按照以下方式设计和实现。 #### 1. 获取系统资源使用情况 使用 `psutil` 库来获取系统资源的使用情况。此库能够轻松实现对 CPU、内存、磁盘等资源的监控[^2]。 #### 2. 数据存储到数据库 选择一个适合的数据库进行数据存储。例如，可以选择 MySQL 或 SQLite 数据库。这里以 SQLite 为例，因为它简单易用且无需额外配置。 #### 3. 定时任务 通过 Python 的 `schedule` 库或 `time.sleep()` 方法实现每分钟抓取数据的功能。 #### 4. 打包程序 使用 `PyInstaller` 将 Python 程序打包为可执行文件，以便在没有 Python 环境的机器上运行。 --- ### 示例代码 ```python import psutil import sqlite3 import time from datetime import datetime # 创建或连接数据库 conn = sqlite3.connect('system_usage.db') cursor = conn.cursor() # 创建表 cursor.execute(''' CREATE TABLE IF NOT EXISTS system_usage ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp TEXT, cpu_percent REAL, memory_percent REAL, disk_usage REAL ) ''') def get_system_usage(): """获取系统资源使用情况""" cpu_percent = psutil.cpu_percent(interval=1) memory_info = psutil.virtual_memory() memory_percent = memory_info.percent disk_usage = psutil.disk_usage('/').percent return cpu_percent, memory_percent, disk_usage def save_to_database(cpu_percent, memory_percent, disk_usage): """将数据保存到数据库""" timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S') cursor.execute(''' INSERT INTO system_usage (timestamp, cpu_percent, memory_percent, disk_usage) VALUES (?, ?, ?, ?) ''', (timestamp, cpu_percent, memory_percent, disk_usage)) conn.commit() def main(): """主函数：每分钟抓取一次数据并存储""" while True: cpu_percent, memory_percent, disk_usage = get_system_usage() save_to_database(cpu_percent, memory_percent, disk_usage) print(f"Data saved at {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}") time.sleep(60) # 每隔60秒运行一次 if __name__ == '__main__': try: main() except KeyboardInterrupt: print("Program terminated by user.") finally: conn.close() ``` --- ### 使用 PyInstaller 打包程序 安装 `PyInstaller`： ```bash pip install pyinstaller ``` 打包程序为可执行文件： ```bash pyinstaller --onefile your_script_name.py ``` 打包完成后，可执行文件将位于 `dist` 目录下。 --- ### 数据库查询示例 可以通过以下 SQL 查询查看存储的数据： ```sql SELECT * FROM system_usage; ``` --- ### 注意事项 - 确保目标机器已安装 SQLite 数据库支持。 - 如果需要更复杂的数据库功能，可以考虑使用 MySQL 或 PostgreSQL，并使用相应的库（如 `mysql-connector-python` 或 `psycopg2`）[^1]。 - 在生产环境中，建议添加异常处理逻辑以增强程序的稳定性。 ---