来源:https://zhengyu.tech

Sysmon

对以下数据进行了图形可视化:

  • CPU 利用率和每核时钟速度
  • GPU 利用率和时钟速度(目前只有 Nvidia)。应该与多个 GPU 一起工作(未经测试)
  • 内存和交换利用率
  • 网络利用率(WLAN 和以太网)。WLAN 链路带宽不断更新。
  • HDD/SSD 利用率。
    在这里插入图片描述

安装运行:

pip install sysmon

要运行该程序,只需在终端中运行:

sysmon

如果您想监控您的 Nvidia GPU,则必须安装 nvidia-smi。

官方链接

Conky

这是一个极具创造力的小工具,我们可以根据自己的需求来设计显示内容。Conky 可以显示 300 多个内置对象,包括支持:

  • 操作系统统计信息(uname、正常运行时间、CPU 使用情况、内存使用情况、磁盘使用情况等等)。
  • 内置IMAP和POP3支持。
  • 内置支持许多流行的音乐播放器(MPD、 XMMS2、Audacious)。
  • 可以使用内置的Lua支持或任何您自己的脚本和程序(更多)进行扩展。
  • 内置Imlib2和Cairo绑定,用于使用 Lua 进行任意绘图(更多)。
  • 在 Linux、FreeBSD、OpenBSD、DragonFlyBSD、NetBSD、Solaris、Haiku 和 macOS 上运行!
  • Docker 映像可用于 amd64、armv7 和 aarch64(又名 armv8)
    ……还有更多。

Conky 可以将信息显示为文本,也可以使用简单的进度条和图形小部件,使用不同的字体和颜色。
在这里插入图片描述
安装运行:

sudo apt install conky

要运行该程序,只需在终端中运行:

conky

官方链接

到这里只是开始,我们可以指定配置文件来定制显示内容,例如简单的显示CPU、GPU、内存等。
复制保存配置文件(conky.config)

# 运行
conky -c ./conky.config
conky.config = {
    alignment = 'top_left',
    background = false,
    border_width = 1,
    cpu_avg_samples = 2,
    default_color = 'white',
    default_outline_color = 'white',
    default_shade_color = 'white',
    double_buffer = true,
    draw_borders = false,
    draw_graph_borders = true,
    draw_outline = false,
    draw_shades = false,
    extra_newline = false,
    font = 'DejaVu Sans Mono:size=12',
    gap_x = 60,
    gap_y = 60,
    minimum_height = 5,
    minimum_width = 5,
    net_avg_samples = 2,
    no_buffers = true,
    out_to_console = false,
    out_to_ncurses = false,
    out_to_stderr = false,
    out_to_x = true,
    own_window = true,
    own_window_class = 'Conky',
    own_window_type = 'desktop',
    show_graph_range = false,
    show_graph_scale = false,
    stippled_borders = 0,
    update_interval = 1.0,
    uppercase = false,
    use_spacer = 'none',
    use_xft = true,
}

conky.text = [[
${color2}${voffset 5}Intel® i-7 3630QM 3.4 GHz: ${color1}@  ${color green}${freq} MHz   
${color}${goto 13}CPU 1 ${goto 81}${color green}${cpu cpu1}% ${goto 131}${color3}${cpubar cpu1 18}
${color}${goto 13}CPU 2 ${goto 81}${color green}${cpu cpu2}% ${goto 131}${color3}${cpubar cpu2 18}
${color}${goto 13}CPU 3 ${goto 81}${color green}${cpu cpu3}% ${goto 131}${color3}${cpubar cpu3 18}
${color}${goto 13}CPU 4 ${goto 81}${color green}${cpu cpu4}% ${goto 131}${color3}${cpubar cpu4 18}
${color}${goto 13}CPU 5 ${goto 81}${color green}${cpu cpu5}% ${goto 131}${color3}${cpubar cpu5 18}
${color}${goto 13}CPU 6 ${goto 81}${color green}${cpu cpu6}% ${goto 131}${color3}${cpubar cpu6 18}
${color}${goto 13}CPU 7 ${goto 81}${color green}${cpu cpu7}% ${goto 131}${color3}${cpubar cpu7 18}
${color}${goto 13}CPU 8 ${goto 81}${color green}${cpu cpu8}% ${goto 131}${color3}${cpubar cpu8 18}
${color1}All CPU ${color green}${cpu}% ${goto 131}${color1}${goto 250}${color1}Up: ${color green}$uptime
${color green}$running_processes ${color1}running of ${color green}$processes ${color1}loaded processes.
${color orange}${voffset 2}${hr 1}
#------------+
# Nvidia GPU |
#------------+
#${color orange}${hr 1}${if_match "${lsmod | grep nvidia_uvm}">""}
${color2}${voffset 5}${execpi .001 (nvidia-smi --query-gpu=gpu_name --format=csv,noheader)} ${color1}@ ${color green}${execpi .001 (nvidia-smi --query-gpu=clocks.sm --format=csv,noheader)} ${alignr}${color1}Temp: ${color green}${execpi .001 (nvidia-smi --query-gpu=temperature.gpu --format=csv,noheader)}°C
${color1}${voffset 5}Ver: ${color green}${execpi .001 (nvidia-smi --query-gpu=driver_version --format=csv,noheader)} ${color1} P-State: ${color green}${execpi .001 (nvidia-smi --query-gpu=pstate --format=csv,noheader)} ${alignr}${color1}BIOS: ${color green}${execpi .001 (nvidia-smi --query-gpu=vbios_version --format=csv,noheader)}
${color1}${voffset 5}GPU:${color green}${execpi .001 (nvidia-smi --query-gpu=utilization.gpu --format=csv,noheader)} ${color1}Ram:${color green}${execpi .001 (nvidia-smi --query-gpu=utilization.memory --format=csv,noheader)} ${color1}Pwr:${color green}${execpi .001 (nvidia-smi --query-gpu=power.draw --format=csv,noheader)} ${alignr}${color1}Freq: ${color green}${execpi .001 (nvidia-smi --query-gpu=clocks.mem --format=csv,noheader)}
${color orange}${hr 1}
${color}Memory:${goto 148}${color green}$mem / $memmax $alignr${color green}${memperc /}%
${color}Linux:${goto 148}${color green}${fs_used /} / ${fs_size /} $alignr${color green}${fs_used_perc /}%
${color}Cache RAM:${goto 148}${color green}${cached} ${color} Buffers: ${color green} ${buffers}
${color}Swap:${goto 148}${color green}${swap} / ${swapmax} $alignr${color green}${swapperc}%
]]

在这里插入图片描述

这里可以找到更多的配置:Link

Logo

为开发者提供学习成长、分享交流、生态实践、资源工具等服务,帮助开发者快速成长。

更多推荐