如何在R语言中跨Unix和Windows平台获取当前CPU使用率百分比？

以下是两种无需依赖Python、跨平台兼容的纯R实现方案，可解决Windows/Unix（Linux/macOS）下的CPU使用率获取需求：

方案一：使用processx包结合系统命令 #

processx包比基础的system()函数更稳定，能更安全地处理系统命令输出，避免格式解析错误。

library(processx)

get_cpu_usage <- function() {
  if (.Platform$OS.type == "windows") {
    # Windows平台调用wmic获取CPU负载
    cmd_result <- processx::run("wmic", args = c("cpu", "get", "loadpercentage"), stdout = TRUE)
    # 提取并清洗输出数据
    cpu_percent <- as.numeric(trimws(strsplit(cmd_result$stdout, "\n")[[1]][2]))
  } else {
    # Unix/Linux/macOS平台使用mpstat（需sysstat工具包，多数系统默认预装）
    cmd_result <- processx::run("mpstat", args = c("-P", "ALL", "1", "1"), stdout = TRUE)
    # 提取所有CPU核心的平均空闲率，计算总使用率
    cpu_avg_lines <- grep("Average:", cmd_result$stdout, value = TRUE)[-1]
    idle_rates <- sapply(strsplit(cpu_avg_lines, "\\s+"), function(x) as.numeric(x[12]))
    cpu_percent <- 100 - mean(idle_rates)
  }
  return(cpu_percent)
}

# 调用示例
get_cpu_usage()

优势： #

• 纯R依赖，无需额外安装Python；
• 针对不同平台的系统命令做了适配，输出解析更严谨；
• Unix平台用mpstat比top的输出格式更统一，避免不同系统版本的格式差异。

方案二：使用ps包（R原生跨平台进程监控工具） #

ps包是R生态中维护活跃的进程监控库，支持直接获取系统级CPU时间数据，通过时间差计算使用率，结果更准确。

library(ps)

get_cpu_usage_ps <- function() {
  # 第一次采样CPU时间数据
  cpu_initial <- ps_system_cpu()
  # 等待1秒让系统产生可测量的CPU时间变化
  Sys.sleep(1)
  # 第二次采样
  cpu_final <- ps_system_cpu()
  
  # 计算总CPU时间和空闲时间的差值
  total_time_diff <- sum(cpu_final$times) - sum(cpu_initial$times)
  idle_time_diff <- cpu_final$times["idle"] - cpu_initial$times["idle"]
  
  # 计算CPU使用率百分比
  cpu_percent <- 100 * (total_time_diff - idle_time_diff) / total_time_diff
  return(cpu_percent)
}

# 调用示例
get_cpu_usage_ps()

优势： #

• 完全基于R原生API，无需调用外部系统命令；
• 跨平台兼容性强，无需针对不同系统写分支逻辑；
• 计算逻辑更底层，结果精度和可靠性更高。

对比现有方案的问题 #

• 你之前用的Windowswmic命令方案：依赖base::system()处理输出，容易受系统语言、换行格式影响，processx能更好地规避这类问题；
• reticulate+psutil方案：需要预先安装Python和psutil库，依赖链较长，在无Python环境的机器上无法使用；
• benchmarkme包：仅能获取CPU硬件参数（如核心数、主频），不支持实时使用率监测。

内容的提问来源于stack exchange，提问作者Masoud