一、核心公式（工程上真正使用的）

进程 CPU 使用率必须是“两个时间点之间的差值”，公式如下：

CPU% = (Δ(utime + stime) / Δtotal_cpu_time) × NCPU × 100%

或更常见等价形式：

CPU% = Δproc_time / Δwall_time × 100%

取决于你用哪种参照系。

下面解释清楚。

---

二、utime / stime 是什么单位？

单位不是秒，而是：

clock ticks

转换成秒：

seconds = ticks / sysconf(_SC_CLK_TCK)

查看：

getconf CLK_TCK

通常：

100

表示：

1 tick = 10 ms

---

三、方法 1：最直观工程计算法（推荐）

步骤：

Step 1：读取进程 CPU 时间

cat /proc/<pid>/stat

第 14、15 字段：

utime stime

例如：

第一次：

utime = 1200
stime = 300
total = 1500

1 秒后：

utime = 1300
stime = 400
total = 1700

增量：

Δproc = 200 ticks

---

Step 2：换算为秒

如果 CLK_TCK = 100：

200 ticks = 2 seconds CPU time

---

Step 3：除以实际时间

假设采样间隔 1 秒：

CPU% = 2 / 1 × 100% = 200%

表示：

使用了 2 个 CPU 核心满载

---

四、为什么可以超过 100%？

因为进程可以多线程并行：

1 核满载  = 100%
2 核满载  = 200%
8 核满载  = 800%

top 的显示就是这样。

---

五、方法 2：用 /proc/stat 作为基准（更精确）

读取：

cat /proc/stat

第一行：

cpu  user nice system idle iowait irq softirq steal ...

计算：

total_cpu_time = 所有字段之和

然后：

CPU% = Δproc_time / Δtotal_cpu_time × NCPU × 100%

这是 top 的实现方式。

---

六、完整 Python 示例（工程级）

import time

CLK_TCK = 100

def read_proc_time(pid):
    with open(f"/proc/{pid}/stat") as f:
        fields = f.read().split()
        utime = int(fields[13])
        stime = int(fields[14])
        return utime + stime

pid = 1234

t1 = read_proc_time(pid)
time.sleep(1)
t2 = read_proc_time(pid)

delta = t2 - t1

cpu_percent = delta / CLK_TCK * 100

print(cpu_percent, "%")

---

七、utime vs stime 的工程意义

它们回答不同问题：

字段	含义	判断什么问题
utime	用户态执行时间	算法 / 计算
stime	内核态执行时间	syscall / IO / kernel

---

八、工程诊断意义（非常重要）

情况 1：utime 高

utime >> stime

说明：

CPU 花在用户代码

原因：

• 算法复杂
• 死循环
• 计算密集

---

情况 2：stime 高

stime >> utime

说明：

CPU 花在内核

原因：

• write()
• read()
• 网络
• 文件系统
• 锁竞争

---

情况 3：CPU% 低，但进程卡

检查：

D state

说明：

在等 IO

不是 CPU 问题。

---

九、top 的 %CPU 本质就是这个公式

top 每隔一段时间：

读取 proc stat
计算差值
显示 %

不是瞬时值。

---

十、一张完整因果链图

---

十一、一句话工程总结

进程 CPU 使用率，本质是“单位时间内消耗的 CPU 时间”，
utime + stime 提供了这个时间，而 CPU% 是它的变化速率。

---