# Pythonで実行環境（CPU・メモリ・OS情報）を自動取得する

パフォーマンス測定やベンチマーク結果を比較する際、

• 「どのマシンで実行したのか？」
• 「CPUコア数はいくつか？」
• 「メモリはどのくらいか？」
• 「そのときのCPU使用率は？」

といった 実行環境の前提条件 を残しておくことは非常に重要です。

本記事では、Windows, Linux, MacOSなどで動作可能なライブラリ psutil を使って
OS・CPU・メモリ・プロセス情報をJSON形式で保存するPythonスクリプト を紹介します。

取得できる情報

このスクリプトでは以下を取得します。

✅ 基本情報

• タイムスタンプ
• プロセスID
• 実行コマンド

✅ OS / アーキテクチャ

• OS名
• OSリリース
• CPUアーキテクチャ

✅ CPU情報

• 物理コア数
• 論理コア数
• CPU周波数
• CPUアフィニティ
• CPU使用率（全体 / コアごと）

✅ メモリ情報

• 総メモリ
• 使用中メモリ
• 利用可能メモリ
• プロセスRSS

✅ swap情報

• 総swap
• 使用中swap

必要なライブラリ

pip install psutil

実装コード

import psutil
import platform
import os
import json
import time

# 単位をMBに変換する定数
MB = 1024 ** 2

def collect_perf_preconditions():
    p = psutil.Process()

    vm = psutil.virtual_memory()
    swap = psutil.swap_memory()

    info = {
        # タイムスタンプ
        "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
        "pid": p.pid,
        "cmdline": p.cmdline(),

        # OS / 環境
        "os": platform.system(),
        "os_release": platform.release(),
        "arch": platform.machine(),

        # CPU
        "cpu": {
            "physical_cores": psutil.cpu_count(logical=False),
            "logical_cores": psutil.cpu_count(logical=True),
            "freq_mhz": psutil.cpu_freq()._asdict() if psutil.cpu_freq() else None,
            "cpu_affinity": p.cpu_affinity(),
            "cpu_percent_total": psutil.cpu_percent(interval=1),
            "cpu_percent_percpu": psutil.cpu_percent(interval=1, percpu=True),
        },

        # メモリ
        "memory": {
            "total_mb": round(vm.total / MB, 3),
            "used_mb": round(vm.used / MB, 3),
            "available_mb": round(vm.available / MB, 3),
            "process_rss_mb": round(p.memory_info().rss / MB, 3),
        },

        # swap メモリ
        "swap": {
            "total_mb": round(swap.total / MB, 3),
            "used_mb": round(swap.used / MB, 3),
        }
    }

    return info


if __name__ == "__main__":
    precond = collect_perf_preconditions()

    print(json.dumps(precond, indent=2))

    # jsonファイルとして保存
    with open("perf_precondition.json", "w") as f:
        json.dump(precond, f, indent=2)

実行結果例

json形式で表示するとともにjsonファイルをログとして残します。

{
  "timestamp": "2026-02-11 02:55:51",
  "pid": 1,
  "cmdline": [
    "python",
    "/workspace/record_condition.py"
  ],
  "os": "Linux",
  "os_release": "6.1.21-v8+",
  "arch": "aarch64",
  "cpu": {
    "physical_cores": 4,
    "logical_cores": 4,
    "freq_mhz": {
      "current": 1000.0,
      "min": 600.0,
      "max": 1000.0
    },
    "cpu_affinity": [
      0,
      1,
      2,
      3
    ],
    "cpu_percent_total": 0.5,
    "cpu_percent_percpu": [
      4.0,
      2.0,
      1.0,
      2.0
    ]
  },
  "memory": {
    "total_mb": 419.336,
    "used_mb": 183.199,
    "available_mb": 236.137,
    "process_rss_mb": 11.926
  },
  "swap": {
    "total_mb": 99.996,
    "used_mb": 3.25
  }
}

なぜこの情報が重要なのか？

パフォーマンス評価では、

• CPUコア数が違う
• メモリ容量が違う
• CPUアフィニティが違う
• swapが発生している

といった条件の違いが結果に大きく影響します。

例えば：

• OpenMP並列数のスケーリング検証
• PyTorchのCPUベンチマーク
• perfによる性能測定
• Docker内外の性能比較

こういったケースでは 環境差分の記録が再現性を担保する鍵 になります。

まとめ

パフォーマンス評価では「測定コード」よりも「測定環境の記録」のほうが重要なことも多いです。　psutil を使えば簡単に再現性のある環境ログを取得できます。
ぜひベンチマークコードとセットで保存してみてください。