[Linux] 手寫輕量C++函數性能探查器：CPU佔用率&耗時詳情 - 操作系統 Lekco 博客

平時在寫C++程序優化性能的時候，經常想知道某些熱點函數跑起來到底佔用了多少CPU，花了多少時間。Linux中有很多性能探查工具，諸如perf、top等等，但大多數時候只想要測量某個函數或者代碼塊，用不着特別龐大的工具。查閲一些資料後，筆者寫了兩個輕量簡單的探查器，分別探查代碼塊的CPU佔用率和耗時，記錄分享一下。

統計CPU佔用率

核心思路

計算某個函數的CPU佔用率，可以粗略地理解為計算某個函數佔用CPU的時間與CPU在所有進程上花費的時間的比值，這就要求我們要拿到CPU的詳細統計信息。Linux在/proc中記錄了現成的CPU統計數據。其中/proc/stat中記錄了系統啓動到現在，CPU在不同“狀態”上累計花的時間；proc/self/stat中則包含了當前進程的CPU各項統計數據。讀取這兩個文件不需要root權限，因此實現起來不會很麻煩。我們需要做的就是解析這兩個文件，提取所需的參數即可。

解析`/proc/stat`

在終端中執行命令cat /proc/stat，可以看到返回結果的第一行通常如下：

cpu  518127 71 120189 7077551 8165 0 48610 0 0 0

這一行的含義是：從系統啓動到現在，CPU在不同“狀態”上累計花了多少時間。單位是USER_HZ（大多數機器上可以粗略理解成1/100秒，但準確值建議用sysconf(_SC_CLK_TCK)獲取）。各列分別對應着不同的字段，字段順序從左到右一般是這些：

user：用户態時間；
nice：用户態時間（跑在低優先級進程上花的時間）；
system：內核態時間（系統調用、內核代碼執行的時間）；
idle：空閒時間；
iowait：等待I/O的時間；
irq：處理硬中斷的時間；
softirq：處理軟中斷的時間；
steal：虛擬化相關的“被偷走的時間”（在虛擬機環境裏，CPU去跑別的系統/別的虛擬機了，就像被偷走了一樣）；
guest：跑guest虛擬CPU的時間（虛擬化場景）；
guest_nice：跑“nice過的guest”的時間；

其中注意guest和guest_nice不少內核/工具口徑裏會和user/nice存在重複計入的關係，所以最好將其排除。要計算CPU從系統啓動到現在花費的所有時間，把這些值求和即可，計算單位均是USER_HZ。

解析`/proc/self/stat`

終端中執行命令cat /proc/self/stat，能看到如下的返回結果：

76723 (cat) R 52152 76723 52152 34816 76723 4194304 95 0 0 0 0 0 0 0 20 0 1 0 1515316 9162752 418 18446744073709551615 94507585687552 94507585710729 140728218500048 0 0 0 0 0 0 0 0 0 17 1 0 0 0 0 0 94507585726960 94507585728704 94508453613568 140728218505341 140728218505361 140728218505361 140728218509291 0

這裏面有非常多字段，但是我們只需要關心下面幾個字段：

utime (14)：進程在用户態被調度運行的累計時間；
stime (15)：進程在內核態被調度運行的累計時間；
cutime (16)：已等待的子進程累計用户態時間；
cstime (17)：已等待的子進程累計內核態時間；

如果只關心當前進程，那麼cutime和cstime是不需要考慮的。由於我實現的是輕量版本，就跳過前面的字段，只考慮utime和stime，對其求和即可，單位也都是USER_HZ。

求差計算

從/proc/stat和/proc/self/stat獲取的值都是“從開機/啓動到現在”的累計計數，所以要測“某段時間內”的佔用，就需要在代碼塊的開頭和結尾做兩次採樣取差值：

procDelta = procEnd - procStart
totalDelta = totalEnd - totalStart
cpuPercent = procDelta / totalDelta * 100

這樣求得的cpuPrecent就是代碼塊的CPU佔用率了。

代碼實現

摸清楚了原理，代碼實現就不難了。筆者把這部分邏輯抽成CpuProfiler類，完整實現如下：

#include <fstream>
#include <string>
#include <chrono>

class CpuProfiler {
public:
    // 開始測量時記錄當前進程和系統CPU時間
    void start() {
        lastProcTime = getProcessCpuTime();
        lastTotalTime = getTotalCpuTime();
    }

    // 結束測量時再次讀取時間並計算CPU佔用率（百分比）
    double stop() {
        unsigned long procTime = getProcessCpuTime();
        unsigned long totalTime = getTotalCpuTime();
        unsigned long procDiff = procTime - lastProcTime;
        unsigned long totalDiff = totalTime - lastTotalTime;
        // 計算佔用率百分比
        double cpuPercent = 0.0;
        if (totalDiff != 0) {
            cpuPercent = (double)procDiff / totalDiff * 100.0;
        }
        return cpuPercent;
    }

private:
    unsigned long lastProcTime = 0;
    unsigned long lastTotalTime = 0;

    // 獲取當前進程的 CPU 時間（用户態+內核態），單位：時鐘節拍
    unsigned long getProcessCpuTime() {
        std::ifstream statFile("/proc/self/stat");
        if (!statFile.is_open()) {
            return 0;
        }

        // 按順序讀取stat文件中的字段
        int pid;
        char comm[256], state;
        statFile >> pid;             // 進程ID
        statFile.ignore(256, ')');   // 跳過括號內的進程名稱
        statFile.ignore(1);          // 略過空格
        statFile >> state;           // 進程狀態（R/S等）
        // 跳過不關心的項，一直到第13列結束
        long dummy;
        for (int i = 0; i < 10; ++i) {
            statFile >> dummy;
        }

        // 讀取第14列utime和第15列stime
        unsigned long utimeTicks = 0, stimeTicks = 0;
        statFile >> utimeTicks >> stimeTicks;
        return utimeTicks + stimeTicks;
    }

    // 獲取系統總的 CPU 時間（所有CPU核心累積），單位：時鐘節拍
    unsigned long getTotalCpuTime() {
        std::ifstream statFile("/proc/stat");
        if (!statFile.is_open()) {
            return 0;
        }

        std::string cpuLabel;
        unsigned long user=0, nice=0, system=0, idle=0;
        unsigned long iowait=0, irq=0, softirq=0, steal=0;

        /* 讀取第一行，如 "cpu  <user> <nice> <system> <idle> <iowait> <irq> <softirq> <steal> ..." */
        statFile >> cpuLabel 
                 >> user >> nice >> system >> idle 
                 >> iowait >> irq >> softirq >> steal;

        // 注意：後續還有 guest 等字段，這裏略過
        unsigned long totalJiffies = user + nice + system + idle 
                                   + iowait + irq + softirq + steal;
        return totalJiffies;
    }
};

如果要對其再作優化，可以維護全局的文件句柄，使用時按需讀取；同時文件解析的邏輯也可以自己實現，這裏不多作贅述。

統計耗時

代碼執行耗時的測量就簡單得多了。在C++11及以後的標準中，標準庫已經提供了<chrono>時間庫，可以方便地獲取高精度的時間點。這部分的實現原理就不多介紹了，直接上代碼：

#include <chrono>
#include <cstdint>

class ElapsedProfiler {
public:
    void start() {
        m_running = true;
        m_start = Clock::now();
    }

    // 返回毫秒
    double stopMs() {
        if (!m_running) {
            return 0.0;
        }
        auto end = Clock::now();
        m_running = false;
        std::chrono::duration<double, std::milli> ms = end - m_start;
        return ms.count();
    }

    bool running() const {
        return m_running;
    }

private:
    using Clock = std::chrono::high_resolution_clock;
    bool m_running = false;
    Clock::time_point m_start{ };
};

這裏我使用了std::chrono::high_resolution_clock取得高精度的時間，其實如果為了測量毫秒級的函數耗時，沒有必要使用特別高精度的時鐘，這裏僅供參考。

使用例程

不妨編寫分別寫一個計算密集的函數和一個掛起等待的函數，驗證一下耗時和CPU佔用率的計算是否準確。代碼如下：

static void demo_cpu_heavy() {
    printf("=== 計算密集 ===\n");

    CpuProfiler cpu;
    ElapsedProfiler wall;

    cpu.start();
    wall.start();

    volatile uint64_t acc = 0;
    for (uint64_t i = 1; i <= 200000000ULL; ++i) {
        acc += (i * 2654435761ULL) ^ (acc >> 3);
    }

    const double elapsedMs = wall.stopMs();
    const auto r = cpu.stop();

    printf("acc=%llu\n", (unsigned long long)acc);
    printf("elapsed=%.3f ms, cpu=%.2f%%\n", elapsedMs, r);
}

static void demo_sleep() {
    printf("\n=== 掛起延時 ===\n");

    CpuProfiler cpu;
    ElapsedProfiler wall;

    cpu.start();
    wall.start();

    std::this_thread::sleep_for(std::chrono::milliseconds(800));

    const double elapsedMs = wall.stopMs();
    const auto r = cpu.stop();

    printf("elapsed=%.3f ms, cpu=%.2f%%\n", elapsedMs, r);
}

int main() {
    demo_cpu_heavy();
    demo_sleep();
    return 0;
}

程序輸出如下：

筆者電腦是六核十二線程，計算密集函數CPU佔用率~8%，説明基本能跑滿單線程；掛起延時的函數耗時接近800 ms，且CPU佔用率幾乎為零，説明結果符合預期，可以放心使用。

Lekco 博客

Lekco 博客

博客 / 詳情