htop项目在macOS系统上的进程运行时间计算优化
在系统监控工具htop的最新开发中,针对macOS平台上的进程运行时间计算进行了重要优化。这项改进解决了原有版本中进程运行时间显示不准确的问题,使htop在macOS上的表现更加精确可靠。
问题背景
htop作为Linux系统上广受欢迎的系统监控工具,其macOS版本一直存在进程运行时间计算不够精确的问题。通过对比htop 3.3.0版本、修改后的开发版本以及macOS原生工具top的输出,可以明显看出原版htop在运行时间显示上存在偏差。
技术改进点
开发团队对macOS平台的实现进行了以下关键修改:
-
移除冗余转换函数:删除了
Platform_machTicksToNanoseconds函数的调用,直接使用proc_taskinfo结构体中提供的纳秒级运行时间数据。这个结构体已经包含了进程在用户态和内核态运行的精确时间。 -
优化时间单位转换:取消了原有的
nanosecondsToCentiseconds静态函数,改为直接除以1e7进行纳秒到厘秒的转换。这一改变避免了原有实现中可能出现的±1毫秒精度损失。 -
GPU使用率计算条件修正:调整了GPU百分比更新的判断条件,确保只有在进程CPU运行时间确实增加时才更新使用率数据。这一改进消除了不必要的计算和潜在的显示误差。
实现细节
在macOS系统中,内核通过proc_taskinfo结构体向用户空间提供精确的进程运行时间信息。开发团队发现原有的实现存在以下问题:
- 不必要地进行了多次时间单位转换
- 使用了可能引入误差的中间计算步骤
- GPU使用率更新逻辑不够严谨
新的实现直接利用内核提供的纳秒级时间数据,通过简单的数学运算转换为htop需要的显示单位,既提高了精度又简化了代码逻辑。
效果对比
通过实际测试对比可以看到:
- htop 3.3.0版本显示的进程运行时间与macOS原生top工具存在明显差异
- 修改后的开发版本显示结果与top工具高度一致
- 系统资源使用率计算更加准确可靠
未来优化方向
开发团队还计划进一步清理代码,包括:
- 移除不再使用的
Platform_nanosecondsPerMachTick静态变量 - 删除仅用于设置该变量的
Platform_calculateNanosecondsPerMachTick函数
这些优化将使代码更加简洁高效,减少潜在的错误点。
总结
这项针对macOS平台的优化显著提升了htop在苹果系统上的准确性和可靠性。通过简化时间计算流程、消除不必要的转换步骤,开发团队使htop能够更精确地反映系统进程的真实运行状态。这对于依赖htop进行系统监控和性能分析的macOS用户来说是一个重要的改进。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00