基于C++和Python的进程线程CPU使用率监控工具

0. 概述

本文将介绍一个基于C++和Python实现的进程线程CPU使用率监控工具，用于监控指定进程及其所有线程的CPU使用情况。
编写这个工具的初衷是源于部分嵌入式ARM系统的top工具不支持显示线程级别的CPU使用情况。

该工具分为两部分：

• C++录制程序：负责实时采集指定进程及其线程的CPU使用数据，并将数据以二进制格式存储到文件中。

• Python解析脚本：读取二进制数据文件，解析CPU使用数据，并生成可视化图表，帮助用户直观了解CPU使用情况。

  本文完整代码可从gitee的thread-monitor获取到，编译和使用方法见README.md

1. 数据可视化示例

以下是生成的CPU使用率图表示例：

图中，黑色实线表示整个进程的CPU总使用率，蓝色实线和虚线分别表示特定线程的用户态和内核态CPU使用率。

本文测试的dummp_worker实现代码见：使用C++多线程和POSIX库模拟CPU密集型工作

• C++录制程序终端显示

  $ ./thread_cpu_bin -n0.5  dummp_worker  -o dump.bin 
  Process Name: dummp_worker
  Process ID: 19515
  Process Priority: 0
  Threads (5):
    Thread Name: dummp_worker, Thread ID: 19515,  Priority: 20
    Thread Name: worker_0, Thread ID: 19516,  Priority: -2
    Thread Name: worker_1, Thread ID: 19517,  Priority: -3
    Thread Name: worker_2, Thread ID: 19518,  Priority: -4
    Thread Name: worker_3, Thread ID: 19519,  Priority: -5
  

• Python解析脚本终端显示

  $ python3 thread_cpu_bin.py dump.bin 
  Process Name: dummp_worker
  worker_0: Max/Avg User=2%/1.01% | Max/Avg Kernel=3%/2.03%
  worker_1: Max/Avg User=2%/1.02% | Max/Avg Kernel=3%/2.03%
  worker_2: Max/Avg User=2%/1.02% | Max/Avg Kernel=3%/2.03%
  worker_3: Max/Avg User=2%/1.02% | Max/Avg Kernel=3%/2.03%
  

2. 设计思路

2.1 系统架构

整个系统由两个独立的组件组成：

• 数据采集组件（C++）：

  • 监控指定进程的CPU使用情况。
  • 定期采集每个线程的用户态和内核态CPU时间。
  • 将采集到的数据写入二进制文件，便于后续分析。

• 数据解析与可视化组件（Python）：

  • 读取C++采集的二进制数据文件。
  • 解析并转换为结构化数据（如Pandas DataFrame）。
  • 计算统计指标（最小值、最大值、平均值）。
  • 生成CPU使用率随时间变化的可视化图表。

2.2 设计优势

• 高性能：使用C++进行数据采集，确保低延迟和高效性能。
• 灵活性：Python脚本提供了灵活的数据处理和可视化能力，用户可以根据需要定制分析和展示方式。
• 可扩展性：系统设计模块化，便于未来功能扩展，如添加更多监控指标或支持更多操作系统。

3. 流程图

3.1 C++录制程序

3.2 Python解析脚本

4. 数据结构说明

4.1 CpuUsageData 结构体

在C++录制程序中，定义了一个结构体 CpuUsageData 用于存储每个线程的CPU使用数据。该结构体采用1字节对齐（#pragma pack(push, 1)），确保数据在二进制文件中的紧凑存储。

#pragma pack(push, 1)
struct CpuUsageData {
  uint8_t user_percent;   // 用户态CPU使用百分比 (0-100)
  uint8_t kernel_percent; // 内核态CPU使用百分比 (0-100)
  uint16_t user_ticks;    // 用户态CPU时间滴答数
  uint16_t kernel_ticks;  // 内核态CPU时间滴答数
  uint32_t timestamp;     // 时间戳（自纪元以来的秒数）
  uint32_t thread_id;     // 线程ID（完整形式）
  uint8_t thread_status;  // 线程状态（2位）
  uint8_t extra_flags;    // 额外标志（3位）
};
#pragma pack(pop)

字段说明：

• user_percent 和 kernel_percent：表示线程在用户态和内核态的CPU使用百分比。
• user_ticks 和 kernel_ticks：表示线程在用户态和内核态的CPU时间滴答数。
• timestamp：记录数据采集的时间点。
• thread_id：线程的唯一标识符。
• thread_status 和 extra_flags：存储线程的状态信息和额外标志位。

5. C++录制代码解析

C++录制程序负责实时监控指定进程及其线程的CPU使用情况，并将数据存储到二进制文件中。以下将详细解析其主要模块和关键函数。

5.1 主要模块

• 信号处理：

  • 通过信号处理机制，程序能够优雅地响应用户中断（如Ctrl+C），确保资源的正确释放和数据的完整性。

• 文件和目录管理：

  • 使用RAII（资源获取即初始化）类 FileCloser 和 DirCloser，确保文件和目录在使用后自动关闭，防止资源泄漏。

• 线程管理：

  • 动态初始化和更新被监控进程的所有线程信息，包括线程ID、名称和优先级。

• 数据采集与记录：

  • 定期采集每个线程的CPU使用情况，并将数据封装到 CpuUsageData 结构体中。
  • 将采集到的数据写入二进制文件中，便于后续分析。

5.2 关键函数

5.2.1 CpuUsageMonitor::Run()

程序的主循环，负责定期采集数据并记录。

void Run() {
  GetThreadCpuTicks();
  current_total_cpu_time_ = GetTotalCpuTime();
  StoreCurrentTicksAsPrevious();

  while (keep_running) {
    std::this_thread::sleep_for(
        std::chrono::duration<double>(refresh_delay_));
    InitializeThreads();
    GetThreadCpuTicks();
    current_total_cpu_time_ = GetTotalCpuTime();
    delta_total_cpu_time_ =
        current_total_cpu_time_ - previous_total_cpu_time_;

    if (delta_total_cpu_time_ > 0) {
      ComputeCpuUsage();
    }

    StoreCurrentTicksAsPrevious();
  }

  fprintf(stdout, "Exiting gracefully...\n");
}

功能描述：

• 数据采集：调用 GetThreadCpuTicks() 和 GetTotalCpuTime() 获取当前的CPU使用数据。
• 数据处理：计算与上次采集之间的CPU时间差，并通过 ComputeCpuUsage() 计算CPU使用百分比。
• 数据记录：将计算后的数据写入二进制文件。
• 循环控制：根据 refresh_delay_ 设置的时间间隔进行循环，直到接收到退出信号。

5.2.2 CpuUsageMonitor::ComputeCpuUsage()

计算每个线程的CPU使用百分比，并将数据封装为 CpuUsageData 结构体。

void ComputeCpuUsage() {
  std::lock_guard<std::mutex> lck(data_mutex_);

  auto now = std::chrono::system_clock::now();
  auto epoch = now.time_since_epoch();
  auto seconds_since_epoch =
      std::chrono::duration_cast<std::chrono::seconds>(epoch).count();
  uint32_t timestamp = static_cast<uint32_t>(seconds_since_epoch);

  std::vector<CpuUsageData> batch_data;

  for (const auto &thread : threads_) {
    int64_t user_delta = 0;
    int64_t kernel_delta = 0;

    if (previous_ticks_.find(thread) != previous_ticks_.end()) {
      user_delta =
          current_ticks_.at(thread).first - previous_ticks_.at(thread).first;
      kernel_delta = current_ticks_.at(thread).second -
                     previous_ticks_.at(thread).second;
    }

    uint32_t user_percent = 0;
    uint32_t kernel_percent = 0;

    if (delta_total_cpu_time_ > 0) {
      user_percent = static_cast<uint32_t>(static_cast<double>(user_delta) /
                                           delta_total_cpu_time_ * 100.0);
      kernel_percent = static_cast<uint32_t>(
          static_cast<double>(kernel_delta) / delta_total_cpu_time_ * 100.0);
    }

    uint8_t thread_status =
        0; // e.g., 0 = Running, 1 = Sleeping, 2 = Waiting, 3 = Stopped
    uint8_t extra_flags = 0; // Can store priority or other flags

    auto it = thread_names_.find(thread);
    std::string thread_name =
        (it != thread_names_.end()) ? it->second : "unknown";

    if (thread_name.find("worker") != std::string::npos) {
      thread_status = 1; // Assume threads with 'worker' in name are sleeping
    }
    extra_flags = thread_priorities_[thread] &
                  0x7; // Lower 3 bits of priority as extra flags

    int real_thread_id = std::stoi(thread);

    CpuUsageData data;
    data.user_percent =
        user_percent > 100 ? 100 : static_cast<uint8_t>(user_percent);
    data.kernel_percent =
        kernel_percent > 100 ? 100 : static_cast<uint8_t>(kernel_percent);
    data.user_ticks = static_cast<uint16_t>(current_ticks_.at(thread).first);
    data.kernel_ticks =
        static_cast<uint16_t>(current_ticks_.at(thread).second);
    data.timestamp = timestamp;
    data.thread_id = static_cast<uint32_t>(real_thread_id);
    data.thread_status = thread_status;
    data.extra_flags = extra_flags;

    batch_data.push_back(data);

    DEBUG_PRINT("Thread ID %u: user_percent=%u, kernel_percent=%u, "
                "status=%u, flags=%u\n",
                data.thread_id, data.user_percent, data.kernel_percent,
                data.thread_status, data.extra_flags);
  }

  // Write data to binary file
  WriteDataToBinaryFile(batch_data);
}

功能描述：

• CPU时间差计算：计算当前与上次采集之间的用户态和内核态CPU时间差。
• CPU使用百分比：基于CPU时间差计算每个线程的用户态和内核态CPU使用百分比。
• 状态与标志：根据线程名称推断线程状态，并提取线程优先级的低3位作为额外标志。
• 数据封装：将计算结果封装为 CpuUsageData 结构体，并批量写入二进制文件。

5.2.3 CpuUsageMonitor::PrintProcessInfo()

打印进程和所有线程的基本信息，包括名称、ID和优先级。

void PrintProcessInfo() {
  // Lock the mutex to ensure thread-safe access to shared data
  std::lock_guard<std::mutex> lck(data_mutex_);

  // Retrieve and print process priority
  int process_priority = getpriority(PRIO_PROCESS, pid_);
  if (process_priority == -1 && errno != 0) {
    fprintf(stderr, "Failed to get process priority: %s\n", strerror(errno));
  } else {
    fprintf(stdout, "Process Name: %s\n", process_name_.c_str());
    fprintf(stdout, "Process ID: %d\n", pid_);
    fprintf(stdout, "Process Priority: %d\n", process_priority);
  }

  // Print thread information
  fprintf(stdout, "Threads (%zu):\n", thread_names_.size());
  for (const auto &entry : thread_names_) {
    // Get thread ID and name
    const std::string &thread_id_str = entry.first;
    const std::string &thread_name = entry.second;

    // Retrieve thread priority
    auto priority_it = thread_priorities_.find(thread_id_str);
    if (priority_it != thread_priorities_.end()) {
      int thread_priority = priority_it->second;
      fprintf(stdout, "  Thread Name: %s, Thread ID: %s,  Priority: %d\n",
              thread_name.c_str(), thread_id_str.c_str(), thread_priority);
    } else {
      fprintf(stdout,
              "  Thread Name: %s, Thread ID: %s,  Priority: Unknown\n",
              thread_name.c_str(), thread_id_str.c_str());
    }
  }
}

功能描述：

• 进程信息打印：输出进程名称、ID和优先级。
• 线程信息打印：遍历所有线程，输出线程名称、ID和优先级。如果无法获取某个线程的优先级，则标记为“Unknown”。

5.3 其他重要功能

5.3.1 CpuUsageMonitor::InitializeThreads()

初始化被监控进程的所有线程信息，包括线程ID、名称和优先级。

void InitializeThreads() {
  std::lock_guard<std::mutex> lck(data_mutex_);
  threads_.clear();
  thread_names_.clear();
  thread_priorities_.clear();

  std::string task_path = "/proc/" + std::to_string(pid_) + "/task";
  DIR *dir = opendir(task_path.c_str());
  if (!dir) {
    fprintf(stderr, "Failed to open directory: %s\n", task_path.c_str());
    return;
  }
  DirCloser dir_closer(dir);

  struct dirent *ent;
  while ((ent = readdir(dir)) != nullptr) {
    std::string tid_str = ent->d_name;
    if (std::isdigit(tid_str[0])) {
      threads_.push_back(tid_str);
      std::string comm_filename = task_path + "/" + tid_str + "/comm";
      std::ifstream comm_file(comm_filename);
      if (comm_file.is_open()) {
        std::string thread_name;
        if (std::getline(comm_file, thread_name)) {
          thread_names_[tid_str] = thread_name;
        } else {
          fprintf(stderr, "Failed to read thread name for TID %s\n",
                  tid_str.c_str());
          thread_names_[tid_str] = "unknown";
        }

        // Get thread priority and nice value
        std::string stat_filename = task_path + "/" + tid_str + "/stat";
        std::ifstream stat_file(stat_filename);
        if (!stat_file.is_open()) {
          fprintf(stderr, "Failed to open file: %s\n", stat_filename.c_str());
          continue;
        }

        std::string line;
        if (!std::getline(stat_file, line)) {
          fprintf(stderr, "Failed to read line from file: %s\n",
                  stat_filename.c_str());
          continue;
        }

        std::istringstream iss(line);
        std::string temp;
        int priority = 0, nice_value = 0;

        // Skip to the priority and nice fields
        for (int i = 0; i < PRIORITY_FIELD_INDEX; ++i) {
          if (!(iss >> temp)) {
            fprintf(stderr, "Error parsing stat file: %s\n",
                    stat_filename.c_str());
            continue;
          }
        }

        // Read priority and nice value
        if (!(iss >> priority >> nice_value)) {
          fprintf(stderr,
                  "Error parsing priority/nice value from stat file: %s\n",
                  stat_filename.c_str());
          continue;
        }

        // Store priority
        thread_priorities_[tid_str] = priority;

      } else {
        fprintf(stderr, "Failed to open comm file for TID %s\n",
                tid_str.c_str());
        thread_names_[tid_str] = "unknown";
      }
    }
  }
}

功能描述：

• 线程遍历：通过访问 /proc/[pid]/task 目录，遍历所有线程ID。
• 线程名称获取：读取每个线程的 comm 文件，获取线程名称。
• 线程优先级获取：读取每个线程的 stat 文件，解析优先级和nice值。
• 数据存储：将线程名称和优先级存储到相应的映射中，供后续使用。

5.3.2 CpuUsageMonitor::ReadAndStoreProcessName()

读取被监控进程的名称并存储。

void ReadAndStoreProcessName() {
  std::string comm_filename = "/proc/" + std::to_string(pid_) + "/comm";
  std::ifstream comm_file(comm_filename);
  if (comm_file.is_open()) {
    std::getline(comm_file, process_name_);
    if (!process_name_.empty()) {
      DEBUG_PRINT("Process name: %s\n", process_name_.c_str());
    } else {
      fprintf(stderr, "Process name is empty for PID %d.\n", pid_);
    }
  } else {
    fprintf(stderr, "Failed to open %s\n", comm_filename.c_str());
  }
}

功能描述：

• 进程名称获取：通过读取 /proc/[pid]/comm 文件，获取进程名称。
• 数据存储：将进程名称存储到 process_name_ 变量中，以便后续打印和记录。

6. Python解析代码解析

Python脚本负责读取C++录制的二进制数据文件，解析CPU使用数据，并生成可视化图表。以下将详细解析其主要模块和关键函数。

6.1 主要模块

• 二进制数据解析：

  • 读取C++程序生成的二进制文件，按照预定义的结构体格式解析数据。
  • 提取进程名称、线程ID与线程名称的映射。

• 数据处理与分析：

  • 将解析后的数据转换为Pandas DataFrame，方便后续分析。
  • 计算各线程的CPU使用统计指标（最小值、最大值、平均值）。

• 数据可视化：

  • 使用Matplotlib生成CPU使用率随时间变化的图表。
  • 支持过滤特定线程、CPU使用类型以及时间范围。

6.2 关键函数

6.2.1 parse_cpu_usage_data(record_bytes)

解析单条CPU使用数据。

def parse_cpu_usage_data(record_bytes):
    """
    Parse a single CpuUsageData record from bytes.

    Parameters:
    record_bytes (bytes): 16-byte binary data representing CPU usage.

    Returns:
    dict: Parsed fields from the record.
    """
    if len(record_bytes) != CPU_USAGE_SIZE:
        raise ValueError("Record size must be 16 bytes")

    # Define the struct format: little-endian
    # B: uint8_t user_percent
    # B: uint8_t kernel_percent
    # H: uint16_t user_ticks
    # H: uint16_t kernel_ticks
    # I: uint32_t timestamp
    # I: uint32_t thread_id
    # B: uint8_t thread_status
    # B: uint8_t extra_flags
    struct_format = '<BBHHIIBB'
    unpacked_data = struct.unpack(struct_format, record_bytes)

    record = {
        "user_percent": unpacked_data[0],
        "kernel_percent": unpacked_data[1],
        "user_ticks": unpacked_data[2],
        "kernel_ticks": unpacked_data[3],
        "timestamp": unpacked_data[4],
        "thread_id": unpacked_data[5],
        "thread_status": unpacked_data[6],
        "extra_flags": unpacked_data[7],
    }

    return record

功能描述：

• 数据长度校验：确保每条记录为16字节。
• 数据解包：使用struct.unpack按照C++定义的结构体格式解析数据。
• 数据存储：将解析后的数据存储到字典中，便于后续处理。

6.2.2 read_file_header(f)

读取并解析二进制文件的头部信息。

def read_file_header(f):
    """
    Read and parse the file header from cpu_usage.bin.

    Parameters:
    f (file object): Opened binary file object positioned at the beginning.

    Returns:
    tuple: (process_name (str), thread_name_map (dict))
    """
    # Read header_size (4 bytes)
    header_size_data = f.read(4)
    if len(header_size_data) < 4:
        raise ValueError("Failed to read header size.")
    header_size = struct.unpack("<I", header_size_data)[0]

    # Read the rest of the header
    header_data = f.read(header_size)
    if len(header_data) < header_size:
        raise ValueError("Failed to read complete header.")

    offset = 0

    # Read process_name_length (4 bytes)
    process_name_length = struct.unpack_from("<I", header_data, offset)[0]
    offset += 4

    # Read process_name
    process_name = header_data[offset : offset + process_name_length].decode("utf-8")
    offset += process_name_length

    # Read thread_map_size (4 bytes)
    thread_map_size = struct.unpack_from("<I", header_data, offset)[0]
    offset += 4

    thread_name_map = {}
    for _ in range(thread_map_size):
        # Read thread_id (4 bytes)
        thread_id = struct.unpack_from("<I", header_data, offset)[0]
        offset += 4

        # Read thread_name_length (4 bytes)
        thread_name_length = struct.unpack_from("<I", header_data, offset)[0]
        offset += 4

        # Read thread_name
        thread_name = header_data[offset : offset + thread_name_length].decode("utf-8")
        offset += thread_name_length

        thread_name_map[thread_id] = thread_name

    # Debug: Print the header information
    # Uncomment the following lines for debugging purposes
    # print(f"Process Name: {process_name}")
    # print(f"Thread Name Map: {thread_name_map}")

    return process_name, thread_name_map

功能描述：

• 头部大小读取：读取前4字节，获取头部大小。
• 进程名称读取：根据进程名称长度，读取进程名称。
• 线程映射读取：读取线程数量及每个线程的ID与名称，存储到字典中。

6.2.3 read_cpu_usage_bin(filename)

读取并解析整个二进制数据文件。

def read_cpu_usage_bin(filename):
    """
    Read and parse the cpu_usage.bin file.

    Parameters:
    filename (str): Path to the cpu_usage.bin file.

    Returns:
    tuple: (records (list of dict), process_name (str), thread_name_map (dict))
    """
    records = []
    process_name = "Unknown Process"
    thread_name_map = {}

    try:
        with open(filename, "rb") as f:
            # Read and parse the header
            process_name, thread_name_map = read_file_header(f)

            # Read and parse each CpuUsageData record
            while True:
                record_bytes = f.read(CPU_USAGE_SIZE)
                if not record_bytes or len(record_bytes) < CPU_USAGE_SIZE:
                    break
                record = parse_cpu_usage_data(record_bytes)
                records.append(record)

    except FileNotFoundError:
        print(f"File {filename} not found.")
    except Exception as e:
        print(f"Error reading binary file: {e}")

    return records, process_name, thread_name_map

功能描述：

• 文件读取：打开二进制文件并读取头部信息。
• 数据采集：循环读取每条CPU使用数据，并调用 parse_cpu_usage_data 解析。
• 数据存储：将所有记录存储到列表中，便于后续转换为DataFrame。

6.2.4 parse_records_to_dataframe(records, thread_name_map)

将解析后的记录转换为Pandas DataFrame。

def parse_records_to_dataframe(records, thread_name_map):
    """
    Convert parsed records to a pandas DataFrame.

    Parameters:
    records (list of dict): Parsed CPU usage records.
    thread_name_map (dict): Mapping from thread ID to thread name.

    Returns:
    pandas.DataFrame: DataFrame containing the CPU usage data.
    """
    data = pd.DataFrame(records)
    # Ensure thread_id is integer
    data["thread_id"] = data["thread_id"].astype(int)
    # Map thread_id to thread_name
    data["thread_name"] = data["thread_id"].map(thread_name_map).fillna("unknown")
    # Convert timestamp to datetime (assuming timestamp is seconds since epoch)
    data["timestamp"] = pd.to_datetime(data["timestamp"], unit="s")
    return data

功能描述：

• 数据转换：将记录列表转换为Pandas DataFrame。
• 线程名称映射：根据线程ID映射线程名称，填充“unknown”以处理未知线程。
• 时间戳转换：将时间戳转换为可读的日期时间格式。

6.2.5 plot_cpu_usage(...)

生成CPU使用率随时间变化的图表。

def plot_cpu_usage(
    data,
    process_name="Unknown Process",
    filter_thread=None,
    filter_cpu_type=None,
    time_range=None,
    show_summary_info=True,
):
    """
    Plot CPU usage over time for the process and its threads.

    Parameters:
    data (pandas.DataFrame): DataFrame containing CPU usage data.
    process_name (str): Name of the process.
    filter_thread (str, optional): Filter to include only specific thread names.
    filter_cpu_type (str, optional): Filter to include only 'user' or 'kernel' CPU usage.
    time_range (tuple, optional): Tuple of (start_time, end_time) to filter the data.
    show_summary_info (bool): Whether to display summary information on the plot.
    """
    plt.figure(figsize=(14, 10))

    # Calculate total CPU usage of the process
    process_cpu = calculate_process_cpu(data)

    # Sort by timestamp
    process_cpu = process_cpu.sort_values("timestamp")

    # Plot total CPU usage
    plt.plot(
        process_cpu["timestamp"],
        process_cpu["total_usage"],
        label="Process Total CPU Usage",
        color="black",
        linewidth=2,
    )

    # Apply filters if any
    if filter_thread:
        data = data[data["thread_name"].str.contains(filter_thread, case=False)]
    if filter_cpu_type:
        if filter_cpu_type.lower() == "user":
            data = data[["timestamp", "thread_name", "user_percent"]]
        elif filter_cpu_type.lower() == "kernel":
            data = data[["timestamp", "thread_name", "kernel_percent"]]

    if time_range:
        start_time, end_time = time_range
        data = data[(data["timestamp"] >= start_time) & (data["timestamp"] <= end_time)]

    # Sort data by timestamp
    data = data.sort_values("timestamp")

    # Set timestamp as index for resampling
    data.set_index("timestamp", inplace=True)

    # Determine resampling frequency based on data
    resample_freq = 'S'  # 1 second

    # Plot CPU usage for each thread
    for thread_name in data["thread_name"].unique():
        subset = data[data["thread_name"] == thread_name]

        # Resample to ensure continuity
        user_usage = subset["user_percent"].resample(resample_freq).mean().interpolate()
        kernel_usage = subset["kernel_percent"].resample(resample_freq).mean().interpolate()

        # Plot user_percent as solid line
        plt.plot(
            user_usage.index,
            user_usage.values,
            label=f"{thread_name} (User)",
            linestyle="-",  # Solid line for user
        )

        # Plot kernel_percent as dashed line
        plt.plot(
            kernel_usage.index,
            kernel_usage.values,
            label=f"{thread_name} (Kernel)",
            linestyle="--",  # Dashed line for kernel
        )

    plt.xlabel("Time")
    plt.ylabel("CPU Usage (%)")
    plt.title(f"CPU Usage Over Time by Thread for Process: {process_name}")
    plt.gcf().autofmt_xdate()
    plt.legend(loc="upper left", bbox_to_anchor=(1, 1))
    plt.grid(True)
    plt.tight_layout(rect=[0, 0.1, 1, 0.95])

    if show_summary_info:
        summary_info = get_summary_table(data.reset_index(), process_name)

        plt.figtext(
            0.02,
            0.01,
            summary_info,
            fontsize=9,
            verticalalignment="bottom",
            horizontalalignment="left",
            bbox=dict(facecolor="white", alpha=0.5),
        )

    try:
        plt.savefig("cpu_usage_over_time.png")
        plt.show()
    except KeyboardInterrupt:
        print("\nPlotting interrupted by user. Exiting gracefully.")
        plt.close()
        sys.exit(0)

功能描述：

• 总CPU使用率绘制：绘制整个进程的CPU总使用率曲线。
• 线程CPU使用率绘制：为每个线程绘制用户态和内核态的CPU使用率曲线，其中用户态使用实线，内核态使用虚线。
• 过滤与时间范围：支持根据线程名称、CPU使用类型和时间范围进行数据过滤。
• 摘要信息：在图表底部显示每个线程的CPU使用统计信息。