如何跟蹤Python指令碼使用時CPU使用情況，重點關注以下幾個方面：

1、cProfile

2、line_profiler

3、pprofile

4、vprof

測量CPU使用率，主要使用與記憶體分析中使用指令碼相同的指令碼，具體如下：

在PyPy2中，你需要使用與之配合的pip版本：

cProfile

在討論CPU分析時，最常用的工具之一是cProfile，主要是因為它內建在CPython2和PyPy2中。這是一個確定性的分析器，意味著在執行程式時會收集一組統計資料，例如我們程式碼的各個部分的執行次數或執行時間。此外，cProfile在系統上的開銷比其他內建的分析器（配置檔案）要低。

line_profiler

此分析器在行級提供關於工作負載的資訊。它使用Cython在C中實現，並將其與cProfile進行比較時發現其具有較小的開銷。

原始碼可以在這裡找到，也可以在這裡找到PyPI頁面。與cProfile相比，它具有一樣的開銷，不過卻要花費12倍的時間來獲取配置檔案。

要使用它，你需要先透過pip新增它：pip install pip install Cython ipython == 5.4.1 line_profiler（CPython2）。這個分析器的一個主要缺點是它不支援PyPy。

pprofile

pprofile是一個“執行緒測量和統計的純python分析器”。

它受到line_profiler的啟發，修復了很多缺點，但是由於它完全用Python編寫，所以它也可以與PyPy成功使用。與cProfile相比，使用CPython時的分析時間要多28倍，而使用PyPy時，分析時間要多10倍，而且細節水平更加細化。

vprof

vprof是一個Python分析器，為各種Python程式特性（如執行時間和記憶體使用）提供豐富的互動式視覺化。它是一個基於Node.JS的圖形化的顯示在網頁中的結果。

透過python指令碼分析機器cpu使用情況主要有以下步驟（供參考）：

首先，確定分析cpu的哪些指標，最關鍵的有：核心態使用率、使用者態使用率、iowait比率。

其次，確定統計頻率及統計精度。

再次，確定統計指標，包括平均值、峰值、最低值等。

最後，透過python指令碼執行top命令，輸出cpu的各項指標，可以在統計週期內臨時寫入一個檔案，然後對臨時檔案進行統計指標（平均值、峰值、最低值）計算，可以直接使用awk命令，也可以在python程式中計算。

可以使用這個命令進行統計：top -cbi -d1 -n 10 > tmp.txt

這個命令的意思是：逐次輸出top統計結果輸出到

tmp.txt