CPU 壓力測試命令大全

CPU 壓力測試命令大全

以下是 Linux/Unix 系統下常用的 CPU 壓力測試命令和工具,可用于測試 CPU 性能、穩定性和散熱能力。

1. 基本壓力測試命令

1.1 使用 yes 命令

yes > /dev/null &  # 啟動一個無限循環進程
yes > /dev/null &  # 啟動第二個進程
# 按需啟動更多進程...
killall yes        # 結束后臺所有 yes 進程

1.2 使用 dd 命令

dd if=/dev/zero of=/dev/null bs=1M count=1000000

1.3 使用 sha1sum 計算哈希

cat /dev/zero | sha1sum

2. 專業壓力測試工具

2.1 stress 工具

# 安裝 stress
sudo apt-get install stress  # Debian/Ubuntu
sudo yum install stress     # CentOS/RHEL# 測試所有 CPU 核心 100% 負載 60秒
stress --cpu $(nproc) --timeout 60s# 指定 CPU 核心數
stress --cpu 4 --timeout 30s# 同時測試 CPU、內存和 IO
stress --cpu 8 --io 4 --vm 2 --vm-bytes 1G --timeout 60s

2.2 stress-ng 工具 (更強大的 stress 版本)

# 安裝
sudo apt-get install stress-ng  # Debian/Ubuntu
sudo yum install stress-ng      # CentOS/RHEL# 基本 CPU 測試
stress-ng --cpu $(nproc) --timeout 60s# 使用多種 CPU 壓力算法
stress-ng --cpu $(nproc) --cpu-method all --timeout 60s# 矩陣計算壓力測試
stress-ng --matrix 1 --timeout 60s

2.3 sysbench 工具

# 安裝
sudo apt-get install sysbench  # Debian/Ubuntu
sudo yum install sysbench      # CentOS/RHEL# CPU 素數計算測試
sysbench cpu --cpu-max-prime=20000 run# 多線程測試
sysbench cpu --threads=4 --cpu-max-prime=20000 run

3. 高級壓力測試工具

3.1 cpuburn

# 下載編譯
git clone https://github.com/chaos/cpuburn
cd cpuburn
make# 運行 (謹慎使用,可能導致過熱)
./cpuburn

3.2 Intel Processor Diagnostic Tool

# 下載
wget https://downloadmirror.intel.com/28640/eng/ipdt_2021.2.0.43.tgz
tar zxvf ipdt_*.tgz
cd ipdt_*/64-bit# 運行測試
sudo ./ipdt

4. 監控命令

在壓力測試期間可以配合以下命令監控 CPU 狀態:

# 實時監控 CPU 使用率
top
htop# 每1秒刷新一次 CPU 信息
mpstat -P ALL 1# 查看 CPU 溫度 (需要 lm-sensors)
sensors# 查看 CPU 頻率
watch -n 1 "cat /proc/cpuinfo | grep MHz"

5. 注意事項

  1. 壓力測試可能導致系統溫度升高,請確保散熱良好
  2. 在生產環境執行前,建議先在測試環境驗證
  3. 長時間高負載測試可能影響硬件壽命
  4. 筆記本用戶建議連接電源并確保良好散熱
  5. 測試完成后及時停止壓力測試進程

6. 停止測試

對于后臺運行的測試進程,可以使用以下命令停止:

# 停止所有 stress 進程
pkill stress# 停止特定進程
killall [進程名]# 查看并殺死占用 CPU 高的進程
top # 然后按 k 輸入進程 ID

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/76054.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/76054.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/76054.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

#SVA語法滴水穿石# (003)關于 sequence 和 property 的區別和聯系

在 SystemVerilog Assertions (SVA) 中,sequence 和 property 是兩個核心概念,它們既有區別又緊密相關。對于初學者,可能不需要過多理解;但是要想寫出復雜精美的斷言,深刻理解兩者十分重要。今天,我們匯總和學習一下該知識點。 1. 區別 特性sequenceproperty定義描述一系…

WordPress浮動廣告插件+飄動效果客服插件

源碼介紹 WordPress浮動廣告插件飄動效果客服插件 將源碼上傳到wordpress的插件根目錄下,解壓,然后后臺啟用即可 截圖 源碼免費獲取 WordPress浮動廣告插件飄動效果客服插件

虛幻基礎:藍圖基礎知識

文章目錄 組件藍圖創建時,優先創建組件,如c一樣。 UI控件控件不會自動創建,而是在藍圖創建函數中手動創建。 函數內使用S序列接退出,并不會等所有執行完再退出,而是一個執行完后直接退出 組件 藍圖創建時,…

《AI大模型應知應會100篇》加餐篇:LlamaIndex 與 LangChain 的無縫集成

加餐篇:LlamaIndex 與 LangChain 的無縫集成 問題背景:在實際應用中,開發者常常需要結合多個框架的優勢。例如,使用 LangChain 管理復雜的業務邏輯鏈,同時利用 LlamaIndex 的高效索引和檢索能力構建知識庫。本文在基于…

深度學習項目--分組卷積與ResNext網絡實驗探究(pytorch復現)

🍨 本文為🔗365天深度學習訓練營 中的學習記錄博客🍖 原作者:K同學啊 前言 ResNext是分組卷積的開始之作,這里本文將學習ResNext網絡;本文復現了ResNext50神經網絡,并用其進行了猴痘病分類實驗…

從代碼學習深度學習 - RNN PyTorch版

文章目錄 前言一、數據預處理二、輔助訓練工具函數三、繪圖工具函數四、模型定義五、模型訓練與預測六、實例化模型并訓練訓練結果可視化總結前言 循環神經網絡(RNN)是深度學習中處理序列數據的重要模型,尤其在自然語言處理和時間序列分析中有著廣泛應用。本篇博客將通過一…

JS DOM節點增刪改查

增加節點 通過document.createNode()函數創建對象 // 創建節點 const div document.createElement(div) // 追加節點 document.body.appendChild(div) 克隆節點 刪除節點

IMX6ULL學習整理篇——Linux使用更現代的GPIO操作簡單設備

IMX6ULL學習篇——實戰:使用設備樹/Pinctl-gpio子系統驅動LED 前言 ? 經過層層考驗,我們即將接近現代的LED驅動的解決方案了。那就是使用最現代的方式開發一個簡單的GPIO驅動外設。 ? 如果您忘記了設備樹的相關內容,請自行到筆者的上一篇…

2025-04-07 NO.3 Quest3 MR 配置

文章目錄 1 MR 介紹1.1 透視1.2 場景理解1.3 空間設置 2 配置 MR 環境2.1 場景配置2.2 MR 配置 3 運行測試 配置環境: Windows 11Unity 6000.0.42f1Meta SDK v74.0.2Quest3 1 MR 介紹 1.1 透視 ? 透視(Passthrough)是將應用的背景從虛擬的…

如何在 GitHub 上開源一個小項目:從創建到長期維護的完整指南

如何在 GitHub 上開源一個小項目:從創建到長期維護的完整指南 適用于 個人開發者、團隊合作、企業開源,涵蓋 Git 基礎、GitHub 配置、最佳實踐、社區互動、自動化 CI/CD 及長期維護策略。 📌 1. 注冊 GitHub 賬戶 如果你還沒有 GitHub 賬戶&…

【技術報告】GPT-4o 原生圖像生成的應用與分析

【技術報告】GPT-4o 原生圖像生成的應用與分析 1. GPT-4o 原生圖像生成簡介1.1 文本渲染能力1.2 多輪對話迭代1.3 指令遵循能力1.4 上下文學習能力1.5 跨模態知識調用1.6 逼真畫質與多元風格1.7 局限性與安全性 2. GPT-4o 技術報告2.1 引言2.2 安全挑戰、評估與緩解措施2.2.1 安…

React中的跨組件通信

在React中,跨組件通信有幾種常見的方式。每種方式適用于不同的場景,下面是幾種常見的跨組件通信方法: 1. 通過父子組件傳遞 Props 父組件可以通過 props 將數據傳遞給子組件,子組件只能接收和使用這些數據。 父組件&#xff08…

系統與網絡安全------Windows系統安全(8)

資料整理于網絡資料、書本資料、AI,僅供個人學習參考。 DNS DNS概述 為什么需要DNS系統 www.baidu.com與119.75.217.56,哪個更好記? 互聯網中的114查號臺/導航員 DNS(Domian Name System,域名系統)的功…

[ctfshow web入門] web16

信息收集 提示:對于測試用的探針,使用完畢后要及時刪除,可能會造成信息泄露 試試url/phpinfo.php url/phpsysinfo.php url/tz.php tz.php能用 點擊phpinfo,查看phpinfo信息,搜索flag,發現flag被保存為變量…

Go基礎一(Maps Functions 可變參數 閉包 遞歸 Range 指針 字符串和符文 結構體)

Maps 1.創建map make(map[鍵類型]值類型) 2.設置鍵值對 name[key]value; 3. name[key]獲取鍵值 3.1 key不存在 則返回 0 4.len()方法 返回 map 上 鍵值對數量 len(name) 5.delete()方法 從map中刪除 鍵值對 delete(name,key) 6.clear()方法 map中刪除所有鍵值對 clear(name) 7…

? 2025最新 | YOLO 獲取 COCO 指標終極指南 | 從標簽轉換到 COCOAPI 評估 (訓練/驗證) 全覆蓋【B 站教程詳解】

? YOLO 輕松獲取論文 COCO 指標:AP(small,medium,large )| 從標簽轉換到 COCOAPI 評估 (訓練/驗證) 全覆蓋 文章目錄 一、摘要二、為什么需要 COCO 指標評估 YOLO 模型?三、核心挑戰與解決方案 (視頻教程核…

ResNet改進(18):添加 CPCA通道先驗卷積注意力機制

1. CPCA 模塊 CPCA(Channel Prior Convolutional Attention)是一種結合通道先驗信息的卷積注意力機制,旨在通過顯式建模通道間關系來增強特征表示能力。 核心思想 CPCA的核心思想是將通道注意力機制與卷積操作相結合,同時引入通道先驗知識,通過以下方式優化特征學習: 通…

SpringMVC的簡單介紹

SpringMVC的簡單介紹 SpringMVC 是一個基于 Java 的 Web 框架,是 Spring Framework 中用于構建 Web 應用的一個核心模塊。它采用了 模型-視圖-控制器 (MVC) 設計模式,能夠幫助開發者更加清晰地分離業務邏輯、用戶界面和請求處理,從而提高應用…

MES生產工單管理系統,Java+Vue,含源碼與文檔,實現生產工單全流程管理,提升制造執行效率與精準度

前言: MES生產工單管理系統是制造業數字化轉型的核心工具,通過集成生產、數據、庫存等模塊,實現全流程數字化管理。以下是對各核心功能的詳細解析: 一、生產管理 工單全生命周期管理 創建與派發:根據銷售訂單或生產計…

Redis常見問題排查與解決方案指南

Redis作為高性能的內存數據庫,廣泛應用于緩存、隊列、實時統計等場景。但在實際使用中,開發者和運維人員常會遇到性能下降、內存溢出、主從同步失敗等問題。本文將針對高頻問題進行詳細分析,并提供對應的解決方案和預防措施,助你快…