### Python 获取系统资源使用情况并存储到数据库 为了实现定期抓取电脑资源管理器的使用情况，并将数据存储到SQLite数据库文件中，可以按照以下方法进行设计和实现。以下是详细说明： #### 1. 使用 `psutil` 模块获取系统资源使用情况 Python 的 `psutil` 模块提供了跨平台的方式来获取系统资源（如 CPU、内存、磁盘等）的使用情况。可以通过安装该模块来获取相关信息： ```bash pip install psutil ``` 以下是获取系统资源使用情况的代码示例： ```python import psutil def get_system_usage(): cpu_percent = psutil.cpu_percent(interval=1) # 获取CPU使用率 memory_info = psutil.virtual_memory() # 获取内存信息 disk_usage = psutil.disk_usage('/') # 获取磁盘使用情况 return { "cpu_percent": cpu_percent, "memory_total": memory_info.total, "memory_used": memory_info.used, "memory_percent": memory_info.percent, "disk_total": disk_usage.total, "disk_used": disk_usage.used, "disk_percent": disk_usage.percent } ``` #### 2. 使用 SQLite 数据库存储数据 SQLite 是 Python 内置的轻量级数据库，适合用于本地应用的数据存储。可以利用 `sqlite3` 模块创建数据库表并插入数据。 以下是创建数据库表和插入数据的代码示例： ```python import sqlite3 from datetime import datetime # 创建数据库表 def create_table(conn): cursor = conn.cursor() cursor.execute(''' CREATE TABLE IF NOT EXISTS system_usage ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp TEXT NOT NULL, cpu_percent REAL, memory_total REAL, memory_used REAL, memory_percent REAL, disk_total REAL, disk_used REAL, disk_percent REAL ) ''') conn.commit() # 插入数据 def insert_data(conn, data): cursor = conn.cursor() timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S') cursor.execute(''' INSERT INTO system_usage (timestamp, cpu_percent, memory_total, memory_used, memory_percent, disk_total, disk_used, disk_percent) VALUES (?, ?, ?, ?, ?, ?, ?, ?) ''', ( timestamp, data['cpu_percent'], data['memory_total'], data['memory_used'], data['memory_percent'], data['disk_total'], data['disk_used'], data['disk_percent'] )) conn.commit() ``` #### 3. 定时任务调度 可以使用 `schedule` 模块来定时执行任务，每分钟获取一次系统资源使用情况并保存到数据库中。 ```bash pip install schedule ``` 以下是定时任务的代码示例： ```python import schedule import time def job(): data = get_system_usage() insert_data(conn, data) print(f"Data saved at {datetime.now()}") # 初始化数据库连接 conn = sqlite3.connect('system_usage.db') create_table(conn) # 设置定时任务 schedule.every(1).minutes.do(job) while True: schedule.run_pending() time.sleep(1) ``` #### 4. 性能优化建议 在实际运行过程中，可能会遇到性能瓶颈问题。以下是针对 SQLite 数据库的一些优化建议[^1]： - **批量插入**：如果需要一次性插入大量数据，可以使用事务控制，减少每次插入的开销。 - **索引设计**：根据查询需求，合理设计索引以提高查询效率。 - **写入模式**：启用 WAL（Write-Ahead Logging）模式，提升写入性能。 ```python # 启用WAL模式 cursor.execute("PRAGMA journal_mode=WAL;") ``` #### 5. 内存数据库（可选） 如果希望进一步提升性能，可以考虑使用 SQLite 的内存数据库功能[^2]。需要注意的是，内存数据库在连接关闭后会自动销毁，因此需要确保数据持久化的需求。 ```python conn = sqlite3.connect(':memory:') # 使用内存数据库 ``` --- ###