sysinfo库在Mac M3 Pro上CPU使用率显示异常问题分析
2025-07-01 10:31:15作者:姚月梅Lane
问题背景
sysinfo是一个用于获取系统信息的Rust库,但在Mac M3 Pro设备上使用时,开发者发现通过System结构体获取的全局CPU使用率数据存在异常。数据显示的CPU使用率基本保持不变,与系统自带的Activity Monitor或其他监控工具显示的实际CPU负载情况不符。
问题现象
开发者通过以下简单代码获取系统信息:
let mut sys = sysinfo::System::new_all();
sys.refresh_all();
dbg!(sys);
输出的结果中,global CPU usage字段值约为8.58,这个数值在系统高负载时(如编译大型项目)也几乎不变,与实际情况不符。
技术分析
经过深入调查,发现问题根源在于CPU使用率的获取方式。sysinfo库获取CPU使用率需要两次采样计算差值,而不是单次读取就能得到准确结果。
正确的使用方式应该是:
- 首次获取CPU信息
- 等待至少
MINIMUM_CPU_UPDATE_INTERVAL时间(通常为200ms) - 再次刷新CPU信息
- 此时获取的CPU使用率才是准确的
示例代码如下:
let mut sys = System::new_all();
sys.refresh_all();
std::thread::sleep(sysinfo::MINIMUM_CPU_UPDATE_INTERVAL);
sys.refresh_cpu();
dbg!(&sys);
原理说明
CPU使用率本质上是一个时间段内的计算值,而不是瞬时值。它表示的是CPU在单位时间内处于忙碌状态的比例。因此,要计算准确的CPU使用率,必须:
- 在时间点A获取CPU的总工作时间
- 在时间点B再次获取CPU的总工作时间
- 计算两个时间点之间的增量
- 用增量除以时间间隔得到使用率
这种计算方式确保了结果的准确性,也是大多数系统监控工具采用的方法。
最佳实践
对于需要持续监控CPU使用率的应用,建议:
- 初始化系统信息对象
- 首次刷新所有信息
- 进入监控循环:
- 睡眠适当时间间隔
- 刷新CPU信息
- 获取并处理CPU使用率数据
- 重复循环
这样可以确保获取到准确且实时的CPU使用率数据,特别是在高性能的Mac M系列处理器上。
总结
sysinfo库在Mac M3 Pro上显示CPU使用率异常的问题,实际上是使用方式不当导致的。通过正确的两次采样方法,可以获取准确的CPU使用率数据。这一现象也提醒我们,在使用系统监控类库时,需要理解其底层原理和正确的使用方法,才能获得可靠的结果。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
328
387
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
876
576
openEuler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。
C
335
161
暂无简介
Dart
762
187
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
136