如何使用 `const os = require("os")` 获取系统CPU信息？

Question

如何使用 `const os = require("os")` 获取系统CPU信息？调用 `os.cpus()` 返回的每个CPU核心对象中包含哪些关键属性（如 `model`、`speed`、`times`）？这些属性分别代表什么含义？在多核处理器下，为何返回的是一个数组？如何通过该方法统计系统总逻辑处理器数量或计算CPU平均负载？实际应用中，为何有时获取到的 `speed` 值与任务管理器显示不符？是否受操作系统权限或节能模式影响？

Answer 1

一、使用 const os = require("os") 获取系统CPU信息

在Node.js环境中，os 模块提供了与操作系统相关的实用方法和属性。要获取CPU信息，首先需要引入该模块：

const os = require("os");

调用 os.cpus() 方法将返回一个数组，其中每个元素代表一个逻辑CPU核心的详细信息对象。该方法适用于监控系统性能、资源调度、服务健康检查等场景。

二、os.cpus() 返回的CPU核心对象关键属性解析

os.cpus() 返回的数组中，每个对象包含以下关键属性：

属性名	类型	含义说明
model	String	CPU型号名称，如 "Intel(R) Core(TM) i7-10700K"
speed	Number (MHz)	当前CPU核心的运行频率（以MHz为单位）
times.user	Number (ms)	用户模式下花费的毫秒数
times.nice	Number (ms)	低优先级用户模式（Unix特有）耗时
times.sys	Number (ms)	内核模式下花费的毫秒数
times.idle	Number (ms)	空闲时间（可用于计算负载）
times.irq	Number (ms)	处理中断所花费的时间

这些属性共同构成CPU使用情况的底层数据基础，尤其 times 对象是实现自定义CPU负载监控的核心依据。

三、为何在多核处理器下返回的是数组？

现代处理器普遍采用多核架构，且支持超线程技术（Hyper-Threading），使得一个物理核心可表现为多个逻辑处理器。Node.js通过os.cpus()暴露每个逻辑核心的独立状态，因此返回数组结构以体现并行处理能力。

例如，一个8核16线程的CPU将返回长度为16的数组，每个元素对应一个可调度的逻辑处理器。这种设计允许开发者进行细粒度的性能分析，如识别个别核心的异常负载。

四、统计逻辑处理器数量与计算CPU平均负载

获取系统总逻辑处理器数量非常简单：

const numCores = os.cpus().length;
console.log(`逻辑处理器总数: ${numCores}`); // 如 16

而计算CPU平均负载需结合前后两次采样中的 times 数据。以下是实现示例：

function getCpuUsage() {
  const startMeasure = os.cpus().map(core => ({ ...core.times }));
  setTimeout(() => {
    const endMeasure = os.cpus();
    const usage = endMeasure.map((core, idx) => {
      const start = startMeasure[idx];
      const diffIdle = core.times.idle - start.idle;
      const diffTotal = Object.values(core.times).reduce((a, b) => a + b, 0) -
                        Object.values(start).reduce((a, b) => a + b, 0);
      return 100 * (1 - diffIdle / diffTotal);
    });
    console.log(`各核心平均使用率: ${usage.map(u => u.toFixed(2)).join(', ')}%`);
  }, 1000);
}
getCpuUsage();

五、为何speed值常与任务管理器不符？影响因素分析

实际应用中，开发者常发现os.cpus()[0].speed返回的数值低于BIOS或Windows任务管理器显示的动态频率。原因如下：

• 静态读取机制：Node.js的os.cpus()通常读取的是CPU的基础频率（Base Frequency），而非当前动态调整的睿频（Turbo Boost）频率。
• 节能模式影响：操作系统在电源计划设为“节能”时会主动降频，导致实际运行频率波动，而speed字段可能仍显示标称值。
• 权限限制：非管理员权限下无法访问某些高性能计数器（如RAPL、MSR寄存器），导致频率检测不准确。
• 跨平台差异：Linux依赖/proc/cpuinfo，macOS使用sysctl，Windows调用WMI，各系统API精度不同。

六、进阶应用场景与优化建议

基于os.cpus()可构建更复杂的系统监控流程：

graph TD A[启动监控] --> B[记录初始times] B --> C[延迟1秒采样] C --> D[计算每个核心的利用率] D --> E[汇总平均负载] E --> F[触发告警或日志记录] F --> G[循环监控]

建议在生产环境中结合process.cpuUsage()与os.loadavg()进行交叉验证，并考虑使用原生插件（如node-os-utils）提升精度。