Python标准库 - os (3) 调度策略、系统信息
文章目录
- 6 调度策略
- 6.1 调度策略常量
- 6.2 访问和设置进程的调度策略
- 7 系统信息
- 7.1 系统信息
- 7.2 系统配置信息
- 7.3 系统负载
- 7.4 路径相关常量
- 7.5 生成随机字节
os模块提供了各种操作系统接口。包括环境变量、进程管理、进程调度、文件操作等方面。
这里整理了进程调度和查看系统信息的方法。
参考:os模块官方文档
6 调度策略
6.1 调度策略常量
调度策略常量 | 说明 |
---|---|
os.SCHED_OTHER | 默认调度策略 |
os.SCHED_BATCH | 用于CPU密集型进程的调度策略,尽可能为计算机的其余任务保留交互性。 |
os.SCHED_IDLE | 用于低优先级的后台任务的调度策略。 |
os.SCHED_SPORADIC | 用于偶发型服务程序的调度策略。 |
os.SCHED_FIFO | 先进先出的调度策略。 |
os.SCHED_RR | 循环式的调度策略。 |
os.SCHED_RESET_ON_FORK | 可与其他调度策略进行OR运算。进程设置分叉时,子进程的调度策略和优先级会被重置为默认。 |
6.2 访问和设置进程的调度策略
-
os.sched_get_priority_min(policy)
获取调度策略的最低优先级数值。 -
os.sched_get_priority_max(policy)
获取调度策略的最高优先级数值。 -
os.sched_getscheduler(pid)
返回指定进程的调度策略。 -
os.sched_setscheduler(pid, policy, param)
设置pid对应的进程的调度策略。
pid为0表示当前进程。param是一个os.sched_param
实例。 -
os.sched_getparam(pid)
获取指定进程的调度参数。>>> os.sched_getparam(0) posix.sched_param(sched_priority=0)
-
os.sched_setparam(pid, param)
设置指定进程的调度参数。 -
class os.sched_param(sched_priority)
这个类是上述的方法中用到的调度形参,是不可变对象。
sched_priority
表示调度策略的优先级。 -
os.sched_rr_get_interval(pid)
返回指定进程在循环调度策略下的时间片长度,单位为秒。>>> os.sched_rr_get_interval(0) 0.011000000000000001
-
os.sched_yield()
主动让出CPU。 -
os.sched_setaffinity(pid, mask)
将指定进程限制到一组CPU上,mask是整数的可迭代对象。 -
os.sched_getaffinity(pid)
返回指定进程被限制的那一组CPU。
pid为0时,返回当前进程的调用方线程被限制到的那组CPU。>>> os.sched_getaffinity(0) {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31} >>> os.sched_setaffinity(0, {0,1,2,3,4}) >>> os.sched_getaffinity(0) {0, 1, 2, 3, 4}
7 系统信息
7.1 系统信息
-
os.uname()
返回当前操作系统的识别信息。
返回值是一个对象,它有五个属性:sysname(操作系统名)、nodename(机器在网络上的名称)、release(操作系统发行信息)、version(操作系统版本信息)、machine(硬件标识符)。可以作为元组迭代这五个属性。>>> os.uname() posix.uname_result(sysname='Linux', nodename='xxxx', release='3.10.0-1062.9.1.el7.x86_64', version='#1 SMP Fri Dec 6 15:49:49 UTC 2019', machine='x86_64') >>> os.uname().sysname 'Linux'
-
os.cpu_count()
返回系统中的逻辑CPU数量,无法确定时返回None。>>> os.cpu_count() 32
-
os.process_cpu_count()
获取当前进程的调用方法线程可以使用的逻辑CPU数量。
7.2 系统配置信息
-
os.confstr(name)
返回字符串格式的系统配置信息。仅Unix可用。
name指定要查找的配置名称,可选值和所在系统相关,当前系统已定义的名称可以在os.confstr_names
查看。
name指定的配置值未定义时,返回None。
name配置名称不在已定义名称中时,出现ValueError
。
os.confstr_names
中存在的名称,但系统不支持,出现OSError
。 -
os.confstr_names
字典,系统定义的配置名称和配置值的映射。>>> os.confstr_names {'CS_GNU_LIBC_VERSION': 2, 'CS_GNU_LIBPTHREAD_VERSION': 3, ...}
-
os.sysconf(name)
返回整数格式的系统配置信息。仅Unix可用。
name指定的配置值未定义时,返回-1。 -
os.sysconf_names
系统配置名称对应的整数值。仅Unix可用。>>> os.sysconf_names {'SC_2_CHAR_TERM': 95, 'SC_2_C_BIND': 47, ...}
7.3 系统负载
os.getloadavg()
返回系统运行队列中最近1、5和15分钟内的平均进程数。
无法获取平均负载时出现OSError
错误。>>> os.getloadavg() (0.0, 0.01, 0.05)
7.4 路径相关常量
常量 | 说明 |
---|---|
os.curdir | 操作系统用来表示当前目录的常量字符串 |
os.pardir | 操作系统用来表示父目录的常量字符串 |
os.sep | 操作系统用来分隔路径的字符 |
os.altsep | 操作系统用来分隔路径的替代字符 |
os.extsep | 分割基本文件名宇扩展名的字符 |
os.pathsep | 操作系统用于分隔搜索路径(如环境变量PATH)中不同部分的字符串 |
os.defpath | 在环境变量没有PATH的情况下,默认的搜索路径 |
os.linesep | 系统用于分割行的字符 |
os.devnull | 空设备的文件路径 |
创建一个python文件:
import os
print("os.curdir".ljust(11, " "), os.curdir)
print("os.pardir".ljust(11, " "), os.pardir)
print("os.sep".ljust(11, " "), os.sep)
print("os.altsep".ljust(11, " "), os.altsep)
print("os.extsep".ljust(11, " "), os.extsep)
print("os.pathsep".ljust(11, " "), os.pathsep)
print("os.defpath".ljust(11, " "), os.defpath)
print("os.linesep".ljust(11, " "), os.linesep)
print("os.devnull".ljust(11, " "), os.devnull)
在linux上运行:
os.curdir .
os.pardir ..
os.sep /
os.altsep None
os.extsep .
os.pathsep :
os.defpath /bin:/usr/bin
os.linesep os.devnull /dev/null
在Windows上运行:
os.curdir .
os.pardir ..
os.sep \
os.altsep /
os.extsep .
os.pathsep ;
os.defpath .;C:\bin
os.linesepos.devnull nul
7.5 生成随机字节
-
os.getrandom(size, flags=0)
获取指定大小的随机字节。
用于为随机数生成器提供种子或用于加密。
需要Linux版本不低于3.17。
flags可以是os.GRND_NONBLOCK
、os.GRND_RANDOM
或它俩的或运算结果。默认从
/dev/urandom
读取时,熵池未初始化则os.getrandom()
会阻塞;从/dev/random
读取随机字节,没有可用的随机字节时,也会阻塞。
设置os.GRND_NONBLOCK
时,os.getrandom()
不会阻塞,会抛出BlockingError
异常。
设置os.GRND_RANDOM
,会从/dev/random
而不是/dev/urandom
提取随机字节。 -
os.urandom(size)
返回指定字节的随机字节。适合加密使用。
如果getrandom()
系统调用可用,就以阻塞模式运行,直到系统的urandom熵池初始完毕。
以上是os模块关于进程管理的方法和常量整理。
该模块的其他内容参考:
os模块:环境变量、进程所属的用户和组
os模块:进程管理
相关文章:

Python标准库 - os (3) 调度策略、系统信息
文章目录 6 调度策略6.1 调度策略常量6.2 访问和设置进程的调度策略 7 系统信息7.1 系统信息7.2 系统配置信息7.3 系统负载7.4 路径相关常量7.5 生成随机字节 os模块提供了各种操作系统接口。包括环境变量、进程管理、进程调度、文件操作等方面。 这里整理了进程调度和查看系统…...

【NLP251】NLP RNN 系列网络
NLP251 系列主要记录从NLP基础网络结构到知识图谱的学习 1.原理及网络结构 1.1RNN 在Yoshua Bengio论文中( http://proceedings.mlr.press/v28/pascanu13.pdf )证明了梯度求导的一部分环节是一个指数模型…...

【漫话机器学习系列】067.希腊字母(greek letters)-写法、名称、读法和常见用途
希腊字母(Greek Letters) 希腊字母在数学、科学、工程学和编程中广泛使用,常用于表示变量、常量、参数、角度等。以下是希腊字母的完整列表及其常见用途。 大写与小写希腊字母表 大写小写名称(英文)名称(…...

2.文件IO
2.文件IO **1. 文件I/O概述****2. 文件I/O函数接口****3. 文件定位****4. 文件描述符与文件流指针的转换****5. 文件I/O与标准I/O的比较****6. 练习与作业****7. 文件I/O与标准I/O的对应关系****8. 其他注意事项****9. 总结** 1. 文件I/O概述 文件I/O:操作系统为了…...

毕业设计--具有车流量检测功能的智能交通灯设计
摘要: 随着21世纪机动车保有量的持续增加,城市交通拥堵已成为一个日益严重的问题。传统的固定绿灯时长方案导致了大量的时间浪费和交通拥堵。为解决这一问题,本文设计了一款智能交通灯系统,利用车流量检测功能和先进的算法实现了…...

【SpringBoot教程】Spring Boot + MySQL + HikariCP 连接池整合教程
🙋大家好!我是毛毛张! 🌈个人首页: 神马都会亿点点的毛毛张 在前面一篇文章中毛毛张介绍了SpringBoot中数据源与数据库连接池相关概念,今天毛毛张要分享的是关于SpringBoot整合HicariCP连接池相关知识点以及底层源码…...

设计模式的艺术-策略模式
行为型模式的名称、定义、学习难度和使用频率如下表所示: 1.如何理解策略模式 在策略模式中,可以定义一些独立的类来封装不同的算法,每个类封装一种具体的算法。在这里,每个封装算法的类都可以称之为一种策略(Strategy…...

【memgpt】letta 课程1/2:从头实现一个自我编辑、记忆和多步骤推理的代理
llms-as-operating-systems-agent-memory llms-as-operating-systems-agent-memory内存 操作系统的内存管理...

动态规划DP 最长上升子序列模型 合唱队形(题目分析+C++完整代码)
概览检索 动态规划DP 最长上升子序列模型 合唱队形 原题链接 AcWiing 482. 合唱队形 题目描述 N位同学站成一排,音乐老师要请其中的 (N−K)位同学出列,使得剩下的 K位同学排成合唱队形。 合唱队形是指这样的一种队形:设 K位同学从左到右…...

【踩坑】解决Hugging-face下载问题
解决Hugging-face下载问题 问题1:couldnt connect to https://huggingface.co问题2:HTTPSConnectionPool(hostcdn-lfs-us-1.hf-mirror.com, port443)设置hf_transfer加快速度 问题3:requests.exceptions.ChunkedEncodingError: (Connection b…...

Spring AI 在微服务中的应用:支持分布式 AI 推理
1. 引言 在现代企业中,微服务架构 已成为开发复杂系统的主流方式,而 AI 模型推理 也越来越多地被集成到业务流程中。如何在分布式微服务架构下高效地集成 Spring AI,使多个服务可以协同完成 AI 任务,并支持分布式 AI 推理&#x…...

5.3.2 软件设计原则
文章目录 抽象模块化信息隐蔽与独立性衡量 软件设计原则:抽象、模块化、信息隐蔽。 抽象 抽象是抽出事物本质的共同特性。过程抽象是指将一个明确定义功能的操作当作单个实体看待。数据抽象是对数据的类型、操作、取值范围进行定义,然后通过这些操作对数…...

java求职学习day20
1 在线考试系统 1.1 软件开发的流程 需求分析文档、概要设计文档、详细设计文档、编码和测试、安装和调试、维护和升级 1.2 软件的需求分析 在线考试系统的主要功能分析如下: ( 1 )学员系统 (1.1)用户模块&…...

Python NumPy(8):NumPy 位运算、NumPy 字符串函数
1 NumPy 位运算 位运算是一种在二进制数字的位级别上进行操作的一类运算,它们直接操作二进制数字的各个位,而不考虑数字的整体值。NumPy 提供了一系列位运算函数,允许对数组中的元素进行逐位操作,这些操作与 Python 的位运算符类似…...

日志2025.1.30
日志2025.1.30 1.简略地做了一下交互系统 public class Interactable : MonoBehaviour { private MeshRenderer renderer; private Material defaultMaterial; public Material highlightMaterial; private void Awake() { renderer GetComponentInChildren<Me…...

实战:如何快速让新网站被百度收录?
本文来自:百万收录网 原文链接:https://www.baiwanshoulu.com/22.html 要让新网站快速被百度收录,可以采取以下实战策略: 一、网站基础优化 网站结构清晰:确保网站的结构简洁清晰,符合百度的抓取规则。主…...

PhotoShop中JSX编辑器安装
1.使用ExtendScript Tookit CC编辑 1.安装 打开CEP Resource链接: CEP-Resources/ExtendScript-Toolkit at master Adobe-CEP/CEP-Resources (github.com) 将文件clone到本地或者下载到本地 点击AdobeExtendScriptToolKit_4_Ls22.exe安装,根据弹出的…...

01-时间与管理
时间与效率 一丶番茄时钟步骤好处 二丶86400s的财富利用时间的方法每天坚持写下一天计划 自我管理体系计划-行动-评价-回顾 一丶番茄时钟 一个计时器 一份任务清单,任务 步骤 每一个25分钟是一个番茄时钟 将工作时间划分为若干个25分钟的工作单元期间只专注于当前任务,遇到…...

MiniMax-01技术报告解读
刚刚MiniMax发布了MiniMax-01,简单测试了效果,感觉不错。于是又把它的技术报告看了一下。这种报告看多了,就会多一个毛病,越来越觉得自己也能搞一个。 这篇文章我觉得最有意思的一句是对数据质量的强调“低质量数据在训练超过两个…...

多头潜在注意力(MLA):让大模型“轻装上阵”的技术革新——从DeepSeek看下一代语言模型的高效之路
多头潜在注意力(MLA):让大模型“轻装上阵”的技术革新 ——从DeepSeek看下一代语言模型的高效之路 大模型的“内存焦虑” 当ChatGPT等大语言模型(LLM)惊艳世界时,很少有人意识到它们背后隐藏的“内存焦虑”…...

哈希表实现
目录 1. 哈希概念 1.1 直接定址法 1.2 哈希冲突 1.3 负载因子 1.4 将关键字转为整型 1.5 哈希函数 1.5.1 除法散列法/除留余数法 1.5.2 乘法散列法 1.5.3 全域散列法 1.5.4 其他方法 1.6 处理哈希冲突 1.6.1 开放定址法 1.6.1.1 线性探测 1.6.1.2 二次探测 1.6.…...

Linux的常用指令的用法
目录 Linux下基本指令 whoami ls指令: 文件: touch clear pwd cd mkdir rmdir指令 && rm 指令 man指令 cp mv cat more less head tail 管道和重定向 1. 重定向(Redirection) 2. 管道(Pipes&a…...

Ubuntu安装VMware17
安装 下载本文的附件,之后执行 sudo chmod x VMware-Workstation-Full-17.5.2-23775571.x86_64.bundle sudo ./VMware-Workstation-Full-17.5.2-23775571.x86_64.bundle安装注意事项: 跳过账户登录的办法:断开网络 可能出现的问题以及解决…...

什么是线性化PDF?
线性化PDF是一种特殊的PDF文件组织方式。 总体而言,PDF是一种极为优雅且设计精良的格式。PDF由大量PDF对象构成,这些对象用于创建页面。相关信息存储在一棵二叉树中,该二叉树同时记录文件中每个对象的位置。因此,打开文件时只需加…...

每日一题——序列化二叉树
序列化二叉树 BM39 序列化二叉树题目描述序列化反序列化 示例示例1示例2 解题思路序列化过程反序列化过程 代码实现代码说明复杂度分析总结 BM39 序列化二叉树 题目描述 请实现两个函数,分别用来序列化和反序列化二叉树。二叉树的序列化是将二叉树按照某种遍历方式…...

Transformer+vit原理分析
目录 一、Transformer的核心思想 1. 自注意力机制(Self-Attention) 2. 多头注意力(Multi-Head Attention) 二、Transformer的架构 1. 整体结构 2. 编码器层(Encoder Layer) 3. 解码器层(Decoder…...

「AI学习笔记」深度学习的起源与发展:从神经网络到大数据(二)
深度学习(DL)是现代人工智能(AI)的核心之一,但它并不是一夜之间出现的技术。从最初的理论提出到如今的广泛应用,深度学习经历了几乎一个世纪的不断探索与发展。今天,我们一起回顾深度学习的历史…...
【漫话机器学习系列】069.哈达马乘积(Hadamard Product)
哈达马乘积(Hadamard Product) 哈达马乘积(Hadamard Product)是两个矩阵之间的一种元素级操作,也称为逐元素乘积(Element-wise Product)。它以矩阵的对应元素相乘为规则,生成一个新…...

2025一区新风口:小波变换+KAN!速占!
今天给大家分享一个能让审稿人眼前一亮,好发一区的idea:小波变换KAN! 一方面:KAN刚中稿ICLR25,正是风口上,与小波变换的结合还处于起步阶段,正是红利期,创新空间广阔。 另一方面&a…...

相同的树及延伸题型(C语言详解版)
从LeetCode 100和101看二叉树的比较与对称性判断 今天要讲的是leetcode100.相同的树,并且本文章还会讲到延伸题型leetcode101.对称二叉树。本文章编写用的是C语言,大家主要是学习思路,学习过后可以自己点击链接测试,并且做一些对…...