如何在TypeScript应用中通过代码计算CPU使用率并定时写入文件？

可行性判断 #

完全可行，但要注意20毫秒高频采样+持续文件写入带来的潜在性能问题：

• 单进程下采样本身的CPU开销极小，但如果用同步IO写文件，频繁的磁盘操作可能阻塞事件循环；
• 若系统本身处于高负载状态，高频采样会小幅增加CPU占用，建议先在目标环境做简单测试。

Node.js 实现方案 #

原生模块实现（无第三方依赖） #

用Node.js内置的os模块，通过对比两次采样的CPU时间统计值计算使用率：

const os = require('os');
const { createWriteStream } = require('fs');

// 初始化追加模式的写入流，避免覆盖旧日志
const logStream = createWriteStream('./cpu_usage.log', { flags: 'a' });
// 记录上一次的CPU时间统计
let prevCpuTimes = os.cpus().map(cpu => cpu.times);

function getCpuUsage() {
  const currCpuTimes = os.cpus().map(cpu => cpu.times);
  let totalUsage = 0;

  currCpuTimes.forEach((curr, idx) => {
    const prev = prevCpuTimes[idx];
    // 计算两次采样的总时间差和空闲时间差
    const totalDiff = Object.values(curr).reduce((a, b) => a + b) - Object.values(prev).reduce((a, b) => a + b);
    const idleDiff = curr.idle - prev.idle;
    // 单核心使用率 = (总时间差 - 空闲时间差) / 总时间差 * 100
    const coreUsage = ((totalDiff - idleDiff) / totalDiff) * 100;
    totalUsage += coreUsage;
  });

  // 返回多核平均使用率
  return (totalUsage / currCpuTimes.length).toFixed(2);
}

// 定时采样写入
setInterval(() => {
  const usage = getCpuUsage();
  const logLine = `${new Date().toISOString()} - CPU使用率: ${usage}%\n`;
  
  // 用流式写入避免同步IO阻塞
  logStream.write(logLine, err => {
    if (err) console.error('日志写入失败:', err);
  });

  // 更新上一次的CPU时间记录
  prevCpuTimes = os.cpus().map(cpu => cpu.times);
}, 20);

第三方库简化实现 #

如果不想自己写计算逻辑，可以用pidusage这类库直接获取CPU使用率（注意：默认采样间隔可能不同，需按需调整）：

const pidusage = require('pidusage');
const { createWriteStream } = require('fs');

const logStream = createWriteStream('./cpu_usage.log', { flags: 'a' });

setInterval(async () => {
  // 获取当前进程的CPU使用率，如需系统级需额外处理
  const stats = await pidusage(process.pid);
  const usage = stats.cpu.toFixed(2);
  const logLine = `${new Date().toISOString()} - CPU使用率: ${usage}%\n`;
  
  logStream.write(logLine, err => {
    if (err) console.error('日志写入失败:', err);
  });
}, 20);

重要优化点 #

• 不要用同步写文件：同步IO会阻塞Node.js的事件循环，优先用流式写入或批量缓存（比如攒10条日志再一次性写入）；
• 日志轮转：长期运行的话，要配置日志轮转（比如按文件大小或时间分割），防止单个日志文件过大；
• 按需调整采样间隔：如果业务对延迟敏感，可在高峰时段适当降低采样频率，平衡监控精度和性能。

内容的提问来源于stack exchange，提问作者limor