当前位置: 首页 > article >正文

CPU压力测试

工具环境python3运行环境SOC端内部测试用途给SOC的CPU单个核以及MEM加压文件说明以及主要用法 CPU Loader import os import sys import time import math import signal import argparse from multiprocessing import Process TOTAL_CORES 12 def cpu_worker(core_id, load_pct, interval): 绑定核 core_id: 指定核的id load_pct占用百分比 interval控制时长(秒) try: os.sched_setaffinity(0, {core_id}) except Exception as e: print([Worker-%d] Cannot bind to core %d: %s % (core_id, core_id, e)) return print([Worker-%d] Started, target load: %d%% % (core_id, load_pct)) while True: busy interval * (load_pct / 100.0) idle interval - busy start time.perf_counter() while (time.perf_counter() - start) busy: math.sqrt(12345.6789) math.sin(0.5) math.cos(0.5) math.pow(2, 10) if idle 0: time.sleep(idle) def mem_worker(size_mb): MEM占用 size_mb占用大小MB data [] chunk 1024 * 1024 print([Memory] Allocating %d MB % size_mb) for i in range(size_mb): data.append(bytearray(chunk)) if i % 10 0: for j in range(0, len(data), max(1, len(data)//10)): data[j][0] 1 while True: time.sleep(1) for chunk in data: chunk[0] 1 def signal_handler(signum, frame): print(Stopping...) sys.exit(0) def main(): 命令基本描述 -c, --cores 指定核心 0,1,2 或 all 0,1,2,3,4,5 -l, --load 负载百分比 0-100 50 -a, --all 使用全部12核 - -m, --memory 额外内存占用(MB) 0 -d, --daemon 后台守护运行 - -i, --interval 控制周期(秒) 0.1 parser argparse.ArgumentParser(descriptionCPU Loader) parser.add_argument(-c, --cores, default0,1,2,3,4,5, helpCores to use: 0,1,2 or all) parser.add_argument(-l, --load, typeint, default50, helpLoad percent 0-100) parser.add_argument(-a, --all, actionstore_true, helpUse all 12 cores) parser.add_argument(-m, --memory, typeint, default0, helpMemory to allocate in MB) parser.add_argument(-d, --daemon, actionstore_true, helpRun as daemon) parser.add_argument(-i, --interval, typefloat, default0.1, helpControl interval in seconds) args parser.parse_args() signal.signal(signal.SIGINT, signal_handler) signal.signal(signal.SIGTERM, signal_handler) # Parse core list if args.all or args.cores all: cores list(range(TOTAL_CORES)) elif , in args.cores: cores [int(x.strip()) for x in args.cores.split(,)] else: cores [int(args.cores)] # Validate for c in cores: if c 0 or c TOTAL_CORES: print(Error: Core %d out of range (0-%d) % (c, TOTAL_CORES-1)) sys.exit(1) if args.load 0 or args.load 100: print(Error: Load must be 0-100) sys.exit(1) print( * 50) print(CPU Loader) print( * 50) print(Cores: %s % cores) print(Load: %d%% % args.load) print(Interval: %.2fs % args.interval) if args.memory 0: print(Memory: %d MB % args.memory) print( * 50) # Daemon mode if args.daemon: pid os.fork() if pid 0: print(Daemon PID: %d % pid) sys.exit(0) os.setsid() # Start workers procs [] for c in cores: p Process(targetcpu_worker, args(c, args.load, args.interval)) p.start() procs.append(p) if args.memory 0: p Process(targetmem_worker, args(args.memory,)) p.start() procs.append(p) print(Started %d worker(s), CtrlC to stop % len(cores)) try: while True: time.sleep(1) except KeyboardInterrupt: pass finally: print(Stopping workers...) for p in procs: p.terminate() p.join(timeout1) if p.is_alive(): p.kill() print(Done) if __name__ __main__: main()给CPU和MEM加压的主要工具 CPU Monitor import os import time import sys def read_stats(): with open(/proc/stat, r) as f: lines f.readlines() data {} for line in lines: if line.startswith(cpu): parts line.split() data[parts[0]] list(map(int, parts[1:])) return data def calc_usage(prev, curr): p_total sum(prev) c_total sum(curr) diff c_total - p_total if diff 0: return 0.0 p_idle prev[3] prev[4] c_idle curr[3] curr[4] idle_diff c_idle - p_idle return (diff - idle_diff) / diff * 100 def get_freq(core): try: path /sys/devices/system/cpu/cpu%d/cpufreq/scaling_cur_freq % core with open(path, r) as f: return int(f.read().strip()) / 1000 except: return 0 def get_temp(): temps [] for i in range(10): try: path /sys/class/thermal/thermal_zone%d/temp % i with open(path, r) as f: temps.append(int(f.read().strip()) / 1000) except: pass return max(temps) if temps else 0 def main(): print( * 60) print(AGX CPU Monitor) print( * 60) print(Press CtrlC to exit) prev read_stats() try: while True: time.sleep(1) curr read_stats() os.system(clear) print( * 60) print(CPU Monitor - %s % time.strftime(%H:%M:%S)) print( * 60) if cpu in prev and cpu in curr: total calc_usage(prev[cpu], curr[cpu]) temp get_temp() print(Total: %.1f%% | Temp: %.1fC % (total, temp)) print(%-6s %-8s %-10s %-8s %-8s %-8s % ( Core, Load, Freq, User, Sys, Idle)) print(- * 60) for i in range(12): name cpu%d % i if name in prev and name in curr: usage calc_usage(prev[name], curr[name]) freq get_freq(i) d [c - p for c, p in zip(curr[name], prev[name])] total_d sum(d) if sum(d) 0 else 1 user d[0] / total_d * 100 sys_ d[2] / total_d * 100 idle (d[3] d[4]) / total_d * 100 color reset if usage 80: color [31m elif usage 50: color [33m else: color [32m reset [0m print(%sCPU%-3d %6.1f%% %6.0fMHz %6.1f%% %6.1f%% %6.1f%%%s % ( color, i, usage, freq, user, sys_, idle, reset)) print( * 60) print(Green: 50%% | Yellow: 50-80%% | Red: 80%%) prev curr except KeyboardInterrupt: print(Exited) if __name__ __main__: main()正常运行的结果如下参数说明默认-c, --cores指定核心0,1,2或all上限为11个0,1,2,3,4,5-l, --load负载百分比 0-10050-a, --all使用全部12核--m, --memory额外内存占用(MB)0-d, --daemon后台守护运行--i, --interval控制周期(秒)0.1运行参数举例说明占用6个核心50%负载python3 cpu_loader.py -c 0,1,2,3,4,5 -l 50占用所有12核30%负载python3 cpu_loader.py -a -l 30指定核心满载python3 cpu_loader.py -c 0,1,2 -l 100后台运行python3 cpu_loader.py -c 6 -l 80 -d同时占用内存python3 cpu_loader.py -c 6 -l 80 -m 1000运行python3 cpu_monitor.py一个在SOC内部实时监控CPU情况的终端正常运行的情况如下退出请按ctrlc基于上面的工具的快速测试脚本# CPU 负载测试脚本 # 一键测试各种负载场景 echo echo ️ CPU 负载测试工具 echo echo # 检查是否 root if [ $EUID -ne 0 ]; then echo ⚠️ 建议使用 sudo 运行以获得最佳效果 echo fi # 测试场景 declare -a tests( 6核50%负载:python3 cpu_loader.py -c 0,1,2,3,4,5 -l 50 6核80%负载:python3 cpu_loader.py -c 0,1,2,3,4,5 -l 80 6核100%负载:python3 cpu_loader.py -c 0,1,2,3,4,5 -l 100 12核30%负载:python3 cpu_loader.py -a -l 30 12核50%负载:python3 cpu_loader.py -a -l 50 12核100%负载:python3 cpu_loader.py -a -l 100 单核满载:python3 cpu_loader.py -c 0 -l 100 4核满载内存:python3 cpu_loader.py -c 0,1,2,3 -l 100 -m 500 ) echo 选择测试场景: for i in ${!tests[]}; do name${tests[$i]%%:*} echo $((i1)). $name done echo 0. 退出 echo read -p 请输入编号: choice if [ $choice -eq 0 ]; then exit 0 fi if [ $choice -lt 1 ] || [ $choice -gt ${#tests[]} ]; then echo ❌ 无效选择 exit 1 fi # 获取命令 cmd${tests[$((choice-1))]#*:} name${tests[$((choice-1))]%%:*} echo echo echo 启动测试: $name echo 命令: $cmd echo echo echo 按 CtrlC 停止 echo # 在新终端中运行监控 if command -v gnome-terminal /dev/null; then gnome-terminal -- python3 agx_cpu_monitor.py elif command -v xterm /dev/null; then xterm -e python3 agx_cpu_monitor.py fi # 运行负载 $cmd # 清理 echo echo ✅ 测试结束

相关文章:

CPU压力测试

工具环境:python3运行环境:SOC端内部测试用途:给SOC的CPU单个核以及MEM加压文件说明以及主要用法:""" CPU Loader """import os import sys import time import math import signal import argpars…...

戴森球计划终极蓝图指南:从新手到专家的完整工厂建设方案

戴森球计划终极蓝图指南:从新手到专家的完整工厂建设方案 【免费下载链接】FactoryBluePrints 游戏戴森球计划的**工厂**蓝图仓库 项目地址: https://gitcode.com/GitHub_Trending/fa/FactoryBluePrints FactoryBluePrints是戴森球计划玩家必备的工厂蓝图仓库…...

8051MX内存溢出问题解析与解决方案

1. 问题背景与现象分析最近在移植一个基于Philips 8051MX架构的老项目时,遇到了一个典型的地址空间溢出问题。项目原本使用标准8051架构,现在需要迁移到支持更大内存空间的8051MX平台。我选择了ROM模型中的HUGE模式,这种模式下程序代码可以存…...

Agent怎样做到在信创环境全栈兼容?2026企业级智能体信创适配技术全解析

进入2026年,随着信创(信息技术应用创新)产业进入深水区,企业数字化转型已不再仅仅是简单的“去IOE”或系统迁移,而是演变为以AI Agent(智能体)为核心的新型生产力重构。在这一背景下&#xff0c…...

代数拓扑运算流程

文章目录0、背景一、标准计算流程:以单纯同调为例空间剖分,构建单纯复形‌生成各维度链群‌定义边界算子‌定义闭链群与边缘链群‌计算同调群并解读拓扑信息‌推导最终拓扑结论‌二、其他核心概念的典型计算逻辑0、背景 之前为了做一个东西学习TDA&…...

一句指令就能完成跨系统操作?——2026企业级智能体技术路径深度拆解

站在2026年的时间节点回望,企业数字化转型已从“流程驱动”全面转向“智能体驱动”。过去,跨系统操作往往意味着繁杂的API对接或编写脆弱的自动化脚本。而今,以实在智能推出的实在Agent为代表的方案,实现了“一句指令,…...

QLoRA:4-bit 量化微调的完整链路

本文基于昇腾CANN和昇腾NPU,围绕 cann-recipes-train 仓库的相关技术展开。 QLoRA 不是简单的 LoRA 量化。它在 LoRA 的冻结权重上做了 NF4 量化,同时保留了 LoRA 适配器的 FP16 精度。CANN 上部署 QLoRA 模型时,NF4 的反量化要在 NPU 上做&…...

LoRA 部署:微调后的模型怎么上线

本文基于昇腾CANN和昇腾NPU,围绕 cann-recipes-infer 仓库的相关技术展开。 LoRA 训练完出来两个东西——基础模型权重不动,外加一个小 rank 矩阵。部署时你不能直接丢原始权重,LoRA 矩阵要合并进去或者通过算子注入。CANN 上 LoRA 部署有两种…...

MQA:全部 Query 共享一套 Key-Value

本文基于昇腾CANN和昇腾NPU,围绕 ops-transformer 仓库的相关技术展开。 MQA(Multi-Query Attention)走到 GQA 的极端——所有 Query Head 共享同一组 K、V。8 个 Head 还是 32 个 Head,都只存一份。这对 KV Cache 的压力最小&…...

GQA:多查少算的 Attention 头组合

本文基于昇腾CANN和昇腾NPU,围绕 ops-transformer 仓库的相关技术展开。 MHA(Multi-Head Attention)每个 Head 一套 QKV——8 个 Head 就是 8 组。MQA 省过头了——8 个 Head 共享 K、V。GQA(Grouped Query Attention)…...

法律科技的发展脉络:从数字化管理到AI辅助办案的演进路径

摘要 执业15年,我经历了律师行业工具变迁的三个阶段:纸质时代、本地软件时代、云端时代。现在正站在第四个阶段的起点——AI辅助办案。这篇文章回顾法律科技的发展脉络,分析每个阶段的特征和局限性,以及正在发生的变化趋势。 第一…...

紧急!2024年Q2最新:Claude 3.5 Sonnet对LaTeX/Markdown混合文档的支持边界实测报告(附绕过限制的3种军工级方案)

更多请点击: https://kaifayun.com 第一章:Claude 3.5 Sonnet对LaTeX/Markdown混合文档的原生支持能力全景评估 Claude 3.5 Sonnet 在处理 LaTeX 与 Markdown 混合文档时展现出显著增强的解析鲁棒性与语义理解深度,尤其在数学公式嵌入、交叉…...

不会 CSS 也能做出惊艳 PPT!Frontend Slides这个开源 Claude Code 技能让 AI 帮你生成 12 种风格演示文稿,告别千篇一律的紫渐变

不会 CSS 也能做出惊艳 PPT!Frontend Slides这个开源 Claude Code 技能让 AI 帮你生成 12 种风格演示文稿,告别千篇一律的紫渐变 💡 每次做 PPT 都在 Powerpoint 里拖来拖去,最后做出来还是那个味儿?Frontend Slides 让…...

企业AI编程效率提升:2026最新权威AI编程工具必看

企业AI编程效率提升:2026最新权威AI编程工具必看开篇“企业研发团队效率低下,核心项目交付周期长,如何通过AI编程工具缩短开发周期、提升ROI?”“企业部署AI编程工具,如何兼顾安全合规、代码质量与开发效率&#xff0c…...

工业视觉开发的基石:GenICam 简介

在工业自动化和机器视觉领域,“碎片化”曾是开发者面临的最大痛点。不同品牌的相机使用不同的通信协议、参数定义和 SDK。为了获取一张图像或调节曝光时间,开发者往往需要学习多个厂商的驱动接口。而 GenICam (Generic Interface for Cameras) 标准的出现…...

AI答案优化效果可以靠哪些第三方数据验证?

先给结论:AI答案优化效果要做三层交叉验证AI 答案优化、GEO 服务的效果,不应只听服务商自述,也不适合只靠单张 AI 回答截图判断。更稳妥的做法,是用三层数据交叉验证:AI回答层数据:看品牌是否被提及、位置是…...

AI Agent在仓储分拣中的真实效能验证(2023-2024全国12家仓配中心压测报告首次公开)

更多请点击: https://intelliparadigm.com 第一章:AI Agent物流行业应用 AI Agent正深度重构物流行业的决策、执行与协同范式。区别于传统规则引擎或单一预测模型,AI Agent具备感知环境、自主规划、多步推理与动态反馈能力,可嵌入…...

Lindy流程冷启动死亡陷阱(97%新手踩中的第3个环节):实时检测+自动回滚机制详解

更多请点击: https://kaifayun.com 第一章:Lindy流程冷启动死亡陷阱的底层认知 Lindy效应在软件工程中并非仅适用于“越老越可靠”的技术寿命预测,它更深层地揭示了一种反直觉的系统演化规律:一个尚未被时间验证的流程&#xff0…...

Lindy流程自动化效果衰减真相:3年追踪数据显示,未做持续治理的企业6个月后效率回落至基线112%

更多请点击: https://codechina.net 第一章:Lindy流程自动化效果衰减真相:3年追踪数据显示,未做持续治理的企业6个月后效率回落至基线112% Lindy效应在流程自动化领域呈现显著反向特征:系统上线初期的效率跃升并非稳态…...

【行业首发】Midjourney v6.2水动力学渲染白皮书:基于流体物理模型的prompt工程重构(附NASA水波频谱对照表)

更多请点击: https://codechina.net 第一章:【行业首发】Midjourney v6.2水动力学渲染白皮书:基于流体物理模型的prompt工程重构(附NASA水波频谱对照表) Midjourney v6.2首次引入隐式流体物理引擎(Implici…...

Taotoken 的 Token Plan 套餐如何帮助我们预测并锁定开发成本

🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 Taotoken 的 Token Plan 套餐如何帮助我们预测并锁定开发成本 作为项目管理者,确保研发预算的可预测性是保障项目平稳推…...

Anthropic 万亿估值启示录:战略聚焦如何击败全面扩张

【摘要】深入分析 Anthropic 从初创到估值破万亿的爆发式增长路径,揭示其在 AI 行业后来居上的核心密码。从战略聚焦与组织文化两个维度,拆解技术路线选择、人才管理、治理结构等关键决策,为 AI 时代的技术团队与企业管理者提供可借鉴的实践框…...

在微服务架构中集成Taotoken实现智能客服路由与成本控制

🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 在微服务架构中集成Taotoken实现智能客服路由与成本控制 1. 场景与挑战 在电商这类业务场景中,智能客服能力通常被拆分…...

论文写到一半卡壳了?师兄推荐这几个AI写作辅助软件

写论文最怕的就是卡壳,尤其是当思路混乱、资料繁杂、格式要求又高时,很容易陷入停滞。其实,论文写作的关键不在于苦熬,而在于用对工具、走对流程——不少资深教授都建议学生提前布局,借助 AI 工具提升效率。比如千笔AI…...

如何快速清理Windows右键菜单:终极管理工具完整指南

如何快速清理Windows右键菜单:终极管理工具完整指南 【免费下载链接】ContextMenuManager 🖱️ 纯粹的Windows右键菜单管理程序 项目地址: https://gitcode.com/gh_mirrors/co/ContextMenuManager 你是不是也遇到过这样的烦恼?安装的软…...

2026跨境实测|主流国产AI视频生成工具图生视频功能深度测评

在TikTok、Shopee、亚马逊短视频带货常态化的2026年,跨境商家的核心痛点早已不是不会拍视频,而是量产难、成本高、画面违和、适配海外场景差。传统真人拍摄、外包剪辑模式,不仅耗时耗力,还难以跟上跨境平台的流量更新节奏。而AI视…...

华实展厅出圈!大自然标识匠心打造,目视化呈现基建巨头的实力底气

当建筑的厚重与视觉的美感碰撞,当企业的成长与科技的便捷融合,华实建设集团企业展厅——由专业的长沙市大自然标识设计制作公司倾力打造,不仅是品牌形象的“窗口”,更是实力与文化的“立体名片”。长沙市大自然标识设计制作有限公…...

2025年AI数字人行业现状:全国超99万家企业涌入,真正能落地的不到一成

当生成式AI的浪潮席卷各行各业,AI数字人成为最先跑出商业化落地速度的细分赛道。然而,在全国超99万家相关企业蜂拥而入的热闹背后,一个残酷的现实正在显现:绝大多数所谓的"AI数字人"不过是披着科技外衣的"会动的照…...

FactoryBluePrints:戴森球计划终极蓝图仓库,5步打造高效自动化工厂

FactoryBluePrints:戴森球计划终极蓝图仓库,5步打造高效自动化工厂 【免费下载链接】FactoryBluePrints 游戏戴森球计划的**工厂**蓝图仓库 项目地址: https://gitcode.com/GitHub_Trending/fa/FactoryBluePrints 你是否曾在戴森球计划中花费数小…...

3分钟搞定Windows 11系统优化:Win11Debloat开源工具完整指南

3分钟搞定Windows 11系统优化:Win11Debloat开源工具完整指南 【免费下载链接】Win11Debloat A simple, lightweight PowerShell script that allows you to remove pre-installed apps, disable telemetry, as well as perform various other changes to declutter …...