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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00