性能监测CPU,内存等

CPU

# 查看机器一共几个cpu
cat /proc/cpuinfo | grep "physical id" | uniq | wc -l
# 查看单个cpu的物理核数
cat /proc/cpuinfo | grep "cpu cores" | uniq
# 查看总逻辑核数  cpu个数×物理核数 = 总逻辑核数
cat /proc/cpuinfo | grep "processor" |wc -l

top 按 大写的P，是cpu使用率从大到小排列

cpu全部使用也就是100%，怎么会出现超过cpu核心数 14倍的使用率呢？谁来提供额外的cpu核心数呢？

对于一个拥有96个逻辑核心的CPU来说，它的处理能力可以类比为一个96个工人的工厂，每个工人都可以独立工作。当工厂中的所有工人都在忙碌的工作时，我们说这个工厂的工作状态是100%的使用率。

然而，在某些情况下，一个工人不仅可以完成自己的任务，还可以帮助其他工人完成任务。类似的，一个逻辑核心也可以协助其他核心完成计算任务。这种情况下，我们可以认为这个核心提供了额外的处理能力，超出了它本身的处理能力，因此会导致CPU使用率高于100%。

另外，现代的CPU通常具有超线程（Hyper-Threading）技术，使得一个逻辑核心能够同时执行多个线程。在这种情况下，每个逻辑核心可以被视为两个虚拟核心，因此一个96个逻辑核心的CPU实际上可能具有192个虚拟核心。当所有虚拟核心都在工作时，CPU使用率也会高于100%。

总之，当CPU使用率高于100%时，说明CPU正在使用一些超出其本身物理核心数量的处理能力，可能是由于超线程技术、多核处理器、分布式系统等原因。

多核处理器可以比喻为一个工厂，工厂里有多个工人可以独立工作。当所有工人都在工作时，工厂的工作状态就是100%的使用率。但是，如果有一个工人可以完成多个工作岗位的任务，那么他就可以提供额外的处理能力，超出了工厂实际的工作岗位数量，这就好比多核处理器的一个核心可以执行多个线程，提供额外的处理能力。

而分布式系统则可以比喻为多个工厂联合生产，每个工厂都有自己的工人和生产线。当需要完成一个庞大的任务时，每个工厂都可以分担一部分任务，协同完成。这就好比分布式系统中的每个节点都可以分担一部分计算任务，协同完成整个系统的计算工作。因此，分布式系统可以提供更多的计算资源，从而超出了单个节点的处理能力，使得CPU使用率高于100%。

%Cpu(s): 7.1 us, 12.1 sy, 0.0 ni, 76.9 id, 3.0 wa, 0.0 hi, 0.9 si, 0.0 st

这段输出是显示当前系统的CPU使用情况。下面是各项指标的含义：

us：用户空间占用CPU的时间比例，比如运行应用程序的时间。
sy：系统空间占用CPU的时间比例，比如内核处理I/O操作的时间。
ni：nice值，表示用户定义的进程优先级，这里为0。
id：空闲CPU时间比例，即CPU处于空闲状态的时间比例。
wa：CPU等待I/O操作完成的时间比例。
hi：硬中断（Hardware IRQ）占用CPU的时间比例，比如磁盘、网卡等设备中断。
si：软中断（Software Interrupt）占用CPU的时间比例，比如系统调用等软件中断。
st：虚拟化环境中，被“抢占”的时间比例。如果不在虚拟化环境中，这个值通常为0。

一个类比的例子是想象一个厨房，厨房可以看做是CPU，炒菜的厨师就是应用程序。现在假设厨房里有一些厨师在炒菜，有些人在切菜、洗菜，还有些人在清洁锅碗瓢盆。那么我们可以类比为：

us：表示有多少厨师在炒菜。
sy：表示有多少人在切菜、洗菜等辅助工作。
ni：在这个例子中没有意义，可以理解为没有设置。
id：表示有多少时间是厨房没有厨师在工作的，空闲状态。
wa：表示有多少人在等待食材、水、电等资源，类似于等待I/O操作完成。
hi：表示有多少人在处理特殊的任务，比如负责烤箱、炉灶等硬件设备。
si：表示有多少人在处理软件中断，比如调味料、工具等。
st：在这个例子中没有意义，可以理解为没有设置。

内存

top 按大写的M是内存排序