设计一个简单的系统监控工具，实时显示CPU和内存使用率

题目

设计一个简单的系统监控工具，实时显示CPU和内存使用率

信息

• 类型：问答
• 难度：⭐⭐

考点

系统监控原理,系统调用使用,实时数据处理,多线程/异步处理

快速回答

实现要点：

• 使用/proc文件系统获取CPU和内存数据
• CPU使用率计算：(total_time - idle_time) / total_time * 100
• 内存使用率计算：(total_memory - available_memory) / total_memory * 100
• 采用定时轮询机制（如每秒采集）
• 使用多线程分离数据采集和UI更新
• 注意资源竞争和线程安全

1. 核心原理

Linux系统通过/proc虚拟文件系统暴露硬件和进程信息：

• CPU数据：读取/proc/stat，首行cpu开头的数字分别表示：用户态、用户态(nice)、内核态、空闲、I/O等待等状态的时钟周期数
• 内存数据：读取/proc/meminfo，关键字段：MemTotal, MemAvailable

2. 关键计算逻辑

CPU使用率计算（伪代码）：

# 第一次读取
prev_idle = idle + iowait
prev_total = user + nice + system + idle + iowait + irq + softirq

# 间隔1秒后第二次读取
next_idle = idle + iowait
next_total = user + nice + system + idle + iowait + irq + softirq

# 计算差值
diff_idle = next_idle - prev_idle
diff_total = next_total - prev_total

# 使用率公式
usage = (diff_total - diff_idle) / diff_total * 100

内存使用率计算：

# 读取/proc/meminfo
total = parse_line('MemTotal')
available = parse_line('MemAvailable')

# 使用率公式
usage = (total - available) / total * 100

3. 最佳实践

• 多线程架构：
  • 线程1：定时采集数据（避免阻塞UI）
  • 线程2：处理数据计算
  • 主线程：更新UI（使用线程安全队列传递数据）
• 错误处理：
  • 文件读取异常捕获
  • 除零保护（当diff_total=0时）
  • 数值越界检查
• 性能优化：
  • 采样间隔不低于0.5秒（避免频繁I/O）
  • 使用环形缓冲区存储历史数据

4. 常见错误

• CPU计算错误：未使用两次采样的差值，直接使用瞬时值
• 线程阻塞：在UI线程执行文件I/O导致界面卡顿
• 内存泄漏：未关闭/proc文件描述符
• 单位混淆：/proc/meminfo数值单位为kB，需统一转换

5. 扩展知识

• 替代方案：使用sysinfo系统调用获取内存信息（但精度低于/proc）
• 高级监控：
  • Perf事件监控CPU缓存命中率
  • eBPF实现低开销监控
• 容器环境适配：在Docker中需读取/sys/fs/cgroup控制组数据

6. 完整示例（Python简化版）

import threading, time, collections

def monitor_thread(data_queue):
    prev_cpu = None
    while True:
        # 采集CPU
        with open('/proc/stat') as f:
            cpu_line = f.readline().split()
        cpu_vals = list(map(int, cpu_line[1:8]))
        idle = cpu_vals[3] + cpu_vals[4]  # idle + iowait
        total = sum(cpu_vals)

        # 计算CPU使用率
        if prev_cpu:
            diff_total = total - prev_cpu[0]
            diff_idle = idle - prev_cpu[1]
            cpu_usage = (diff_total - diff_idle) / diff_total * 100
            data_queue.put(('cpu', cpu_usage))
        prev_cpu = (total, idle)

        # 采集内存
        with open('/proc/meminfo') as f:
            total_mem = int(f.readline().split()[1])
            avail_mem = int(f.readline().split()[1])
        mem_usage = (total_mem - avail_mem) / total_mem * 100
        data_queue.put(('mem', mem_usage))

        time.sleep(1)

# UI主线程
if __name__ == "__main__":
    import queue
    data_queue = queue.Queue()
    threading.Thread(target=monitor_thread, args=(data_queue,), daemon=True).start()

    while True:
        try:
            metric, value = data_queue.get(timeout=2)
            print(f"{metric.upper()}: {value:.1f}%")
        except queue.Empty:
            print("Data timeout")