问题标签 [cpu-usage]

是否有一些简单的方法可以向远程 PC 发送 ping 式消息并用 C# 取回有关 PC 的一些一般事实/数据？我最感兴趣的是 CPU 负载、RAM 使用情况、当前正在运行的进程等，但信息越多越好（CPU 规格等额外信息会很酷）！

我想在理想情况下，它就像通过简单的 3rd 方库 ping 计算机一样简单。我可以在远程计算机上运行自定义应用程序，但如果它开箱即用，那就太棒了。

所以我在我们的生产环境中遇到了一个问题，其中 2 个线程已经运行了 9 小时和 5 小时，它们导致 cpu 使用率保持在 99% 左右

我已经包含了来自 !Clrstack 和 kb 2000 的堆栈跟踪，我一直在 google 等...在资源

.net平台有一个PerformanceCounter，可以检索每个进程的cpu使用率。

delphi有没有类似的解决方案？

请注意，所有进程的名称已经可用。

我想知道我的应用程序在执行时使用了每个内核的 CPU 时间以及程序结束所需的时间长度。对于后者，我使用 linux“时间”命令。对于前者，我认为我必须使用“mpstat”之类的东西。但是我希望 mpstat 仅在我的应用程序执行期间生成一些日志，我不知道是否可以这样做。谁可以帮我这个事？

在迁移到 SQL Server 2005 集群之前，我们的 CPU 负载平均为 60%。迁移到主动/被动集群（使用完全相同的硬件）后，主动节点 CPU 上的负载变为 100%，一段时间后，我们的 Web 应用程序出现超时。任何想法可能是一个原因？

附加信息：操作系统：Windows Server 2008 Enterprise；SQL：SQL Server 2005 SP3 企业版；两个节点具有完全相同的硬件

I use Python 2.5.4. My computer: CPU AMD Phenom X3 720BE, Mainboard 780G, 4GB RAM, Windows 7 32 bit.

I use Python threading but can not make every python.exe process consume 100% CPU. Why are they using only about 33-34% on average?.

I wish to direct all available computer resources toward these large calculations so as to complete them as quickly as possible.

EDIT: Thanks everybody. Now I'm using Parallel Python and everything works well. My CPU now always at 100%. Thanks all!

我找到了各种方法来从C# 中的进程中跟踪CPU 和 RAM 的使用情况。我想为外部程序获取这些信息（比如提供它的 PID）。

.NET 框架中有什么可以帮助我的吗？

谢谢

我们在 Linux 环境中有一个 Web 应用程序，CPU 有时会达到 99%。

有时需要几天，有时需要几分钟。我们在 tomcat webapp 和 Oracle 数据库中使用 Hibernate 和 Spring。

检查日志显示如下：

“ConnectionManager - 事务在会话上以 on_close 连接释放模式完成；请务必关闭会话以释放 JDBC 资源！”。

然后会话数开始增长，直到 256 个会话（我们的 Apache confs 允许的最大值）。这是会话计数达到 256 时出现的行：

“ContainerBackgroundProcessor[StandardEngine[Catalina]] ManagerBase - 在 1259947978384 sessioncount 256 处启动过期会话 StandardManager”

之后 CPU 达到 99%。

有什么建议么？所有人都将受到高度赞赏。

提前致谢。

ps 前段时间我们遇到了一些类似的行锁争用问题。这就是我们采用 Spring 的原因。

我正在制作一个 C# 程序。我的程序正在调用另一个程序。问题是我正在调用的程序正在消耗 100% 的 CPU。因此，我想将其限制为 CPU 使用率的恒定百分比。是否可以？如何？

我对 Google App Engine 和 Python 还很陌生，但我刚刚发布了我的第一个真实网站。但是现在我遇到了一条路径的问题，该路径使用的 CPU（和 API CPU）时间比其他路径多得多。我已将其缩小到导致问题的单个数据存储提取：Carvings.all().fetch(1000)

在 App Engine 仪表板下，它为对该路径的每个请求非常可靠地报告“1040cpu_ms 846api_cpu_ms”。看起来这可能是我的客户在网站上普遍经历的一些反应迟钝的原因。

所以我无法弄清楚这个查询的代价是什么。这是相关的数据模型：

在应用程序的其他地方，当我从数据存储区中提取此模型时，我会进行更多过滤，我想这就是它们不会造成任何麻烦的原因。但是这个模型的实体总数刚刚超过 90 个，我无法想象为什么这么贵。