在 Ubuntu 中监控 CPU 和 GPU 的 2 个图形可视化工具

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。
  

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。

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}%
]]

这里可以找到更多的配置：Link