CPU使用率是最常見的監控指標之一，用于衡量CPU的繁忙程度。

一方面，如果某個系統CPU使用率越高，意味著應用進程得不到調度的概率越大，應用響應速度將受負面影響； 另一方面，某個應用CPU使用率過高，意味著其消耗太多CPU資源，很可能存在優化的空間。

指標

大多數系統管理員或開發人員對CPU使用率或多或少有所了解，但未必準確。

那么，操作系統如何衡量CPU的繁忙程度呢？

最簡單的方式是，統計CPU在執行任務的時間以及空閑的時間，并計算這兩部分時間的占比。 如果執行任務時間占比很高，則說明CPU非常繁忙；反之亦然。 因此，CPU使用率是一個百分比也就非常好理解了。

通常，操作系統對CPU時間的統計更為細化。 以Linux為例，內核進一步將執行時間和空閑時間進行分類，形成更為細致指標：

user

user表示CPU運行在用戶態的時間占比。

應用進程執行分為用戶態以及內核態：CPU在用戶態執行應用進程自身的代碼邏輯，通常是一些邏輯或數值計算；CPU在內核態執行進程發起的系統調用，通常是響應進程對資源的請求。

如果應用為計算密集型(包含大量計算很少系統調用)，則CPUuser狀態使用率很高。

nice

nice表示CPU運行在低優先級用戶態的時間占比，低優先級意味著進程nice值小于0。

system

user表示CPU運行在內核態的時間占比。

一般而言，內核態CPU使用率不應過高，除非應用進程發起大量系統調用。 如果該值較高，需要著手分析原因，重新審視程序設計是否存在缺陷。

idle

idle表示CPU在空閑狀態的時間占比，該狀態下CPU沒有任何任務可執行。

iowait

iowait表示“等待I/O”的時間。 大部分人對此有誤解，認為CPU此時不能工作。

這是不正確的，CPU在等待I/O時，可以切換到其他就緒任務執行，只是當時剛好沒有就緒任務可以運行。 準確講，iowait是CPU空閑并且系統有I/O請求未完成的時間。

另一個誤解是：iowait升高時便認為系統存在I/O瓶頸。 同種I/O條件下，如果系統還有其他計算密集型任務，iowait將明顯降低。

因此，iowait是一個非常模糊的指標，并不足以說明問題。 大部分情況下，還需要檢查I/O量，等待隊列等更加明確的指標。 如果只是iowait升高，其他指標沒有明顯變化，便無需擔心。

注解

idle和iowait都說明CPU很空閑，iowait還說明系統有未完成的I/O請求。

irq

irq表示CPU處理硬件中斷的時間占比。

網卡中斷是一個典型的例子：網卡接到數據包后，通過硬件中斷通知CPU進行處理。 如果系統網絡流量非常大，則可觀察到irq使用率明顯升高。

通常，網卡中斷只由一個CPU來響應。 如果網絡處理上不去并觀察到單個CPUirq指標較高，則可以考慮通過irqbalance將中斷處理平衡到更多CPU上。

softirq

對應地，softirq表示CPU處理軟件中斷的時間占比。

steal

steal是指在虛擬化環境中，被其他系統占用的時間。 這體現為物理CPU沒有辦法為當前系統服務，通常正在為另一個系統服務。 在虛擬機超賣比較嚴重的場景，這個數值非常明顯。 這部分時間顯然不是當前系統所用，而是被其他系統占用了。

total

總CPU時間片數是各種狀態時間的和，計算公式如下：

total=user+nice+system+idle+iowait+irq+softirq+stealtotal=user+nice+system+idle+iowait+irq+softirq+steal

注意到，guest以及guest_nice不參與求和計算，因為這兩種時間分別作為user以及nice的一部分統計在其中了。

utilized

CPU用于執行任務的時間將是6種執行狀態時間的總和：

utilized=user+nice+system+irq+softirq+stealutilized=user+nice+system+irq+softirq+steal

除此之外，還有另外一種計算方法，只包含5種執行狀態：

utilized=user+nice+system+irq+softirqutilized=user+nice+system+irq+softirq

兩種計算方式區別只在于：steal狀態占用的時間是否參與計算。 前者反應了系統的實際負載，steal雖不是本系統占用，但也制約了系統對CPU資源的進一步使用； 后者則反映了系統的真實負載，也就是系統的實際開銷。

算法

Linux內核為CPU各個核心維護了自系統啟動以來各種狀態的時間，并暴露在在proc偽文件系統中，路徑為/proc/stat。 通過以下命令可以窺探一二：

$ cat /proc/stat

注解

/proc/stat中，CPU時間單位為jiffy，即USER_HZ分之一秒。 其中，USER_HZ是內核計時時鐘的頻率，表示時鐘每秒產生多少次中斷。 時鐘每中斷一次，內核jiffies自增1。

很顯然，CPU使用率可以由內核提供的計數器(counters)計算而來。

首先，在t1時間點采集一次/proc/stat數據并計算總CPU時間：

totalt1=usert1+nicet1+systemt1+idlet1+iowaitt1+irqt1+softirqt1+stealt1totalt1=usert1+nicet1+systemt1+idlet1+iowaitt1+irqt1+softirqt1+stealt1

在t2時間點再采集一次，同樣計算總CPU時間：

totalt2=usert2+nicet2+systemt2+idlet2+iowaitt2+irqt2+softirqt2+stealt2totalt2=usert2+nicet2+systemt2+idlet2+iowaitt2+irqt2+softirqt2+stealt2

那么，從t1到t2的CPU時間為：

deltat1,t2=totalt2?totalt1deltat1,t2=totalt2?totalt1

其中，用戶態時間占比為：

user_percent=usert2?usert1totalt2?totalt1×100%user_percent=usert2?usert1totalt2?totalt1×100%

這便是用戶態CPU使用率，其他狀態使用率計算方式以此類推。

很顯然，所有狀態CPU使用率加起來剛好就是100%(同樣不包括guest系列)：

user_percent+nice_percent+?+steal_percent=100%user_percent+nice_percent+?+steal_percent=100%

采集

接下，看看如何讀取/proc/stat文件并計算CPU使用率。直接上代碼：

cpu_usage.py

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99

import time

from tabulate import (
    tabulate,
)

# sample interval
INTERVAL = 1

# table header
TABLE_HEADER = (
    'device',
    'utilized',
    'user',
    'nice',
    'system',
    'idle',
    'iowait',
    'irq',
    'softirq',
    'steal',
    'guest',
    'guset_nice',
)


def cpu_counters():
    records = []

    # open /proc/stat to read
    with open('/proc/stat') as f:
        # iterate all lines
        for line in f.readlines():
            if not line.startswith('cpu'):
                continue

            # split to fields
            fields = line.strip().split()

            # cpu name
            name = fields[0]
            # convert all counters to int
            counters = tuple(map(int, fields[1:]))
            # calculate total cpu time
            total = sum(counters[:8])

            records.append((name, counters, total))

    return records


def sample_forever():
    last_records = None

    while True:
        # sample cpu counters
        records = cpu_counters()

        if last_records:
            table_data = []
            # iterate counters for every cpu core
            for (device, last_counters, last_total), (_, counters, total) in 
                    zip(last_records, records):

                # calculate cpu usage
                delta = total - last_total
                percents = list(map(
                    lambda pair: 100. * (pair[0]-pair[1]) / delta,
                    zip(counters, last_counters),
                ))
                utilized_percent = sum(percents[:3] + percents[5:8])

                table_data.append([device, utilized_percent] + percents)

            # make table
            table_data = tabulate(
                table_data,
                TABLE_HEADER,
                tablefmt='simple',
                floatfmt='6.2f',
            )

            # print table
            print(table_data)
            print()

        last_records = records

        time.sleep(INTERVAL)


def main():
    try:
        sample_forever()
    except KeyboardInterrupt:
        pass

if __name__ == '__main__':
    main()

cpu_counters函數負責讀取/proc/stat文件并解析所有CPU時間計數器：

第31行，打開/proc/stat文件；
第33行，讀取所有文本行；
第34-35行，跳過所有非cpu開頭的行；
第38行，切分字段；
第41行，取出CPU名字段；
第43行，將所有CPU時間計數器轉換成整數類型；
第45行，累加總CPU時間；
第47行，記錄解析結果；

sample_forever函數不斷采集并計算CPU使用率，計算部分邏輯如下：

第62-63行，遍歷每個CPU設備，分別取出CPU名、計數器以及總CPU時間；
第66行，計算兩次采集間的總CPU時間；
第67-70行，計算兩次采集間CPU每種狀態執行時間的占比(百分比)；
第71行，計算CPU繁忙時間占比，包括steal部分；

注意到，例子程序使用tabulate模塊格式化表格，不再贅述。

總結

以上是生活随笔為你收集整理的CPU使用率的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。