由于自己使用 macOS，因此以下所有测试都 macOS 下进行。而 macOS 中的 time 与 Linux 中的 time 命令是几乎几乎完全相同的。
Demo
我们执行一个 node 任务，并测试它的耗时：
$ time node main.js
node main.js 4.95s user 0.06s system 97% cpu 5.139 total
我们得到了 4 个数字，接下来分别来解释：
4.95s user
0.06s system
97% cpu
5.139 total
total 值
5.139 total 最为简单，表示整个任务执行的总时长，即当开始执行 node main.js 的那一刻，我们看了一下手表，再执行结束时，又看了一下手表。两次时间的差值就为 total 的值。
一句话概括，total 表示该任务进行的绝对时长。
在 Linux 中，real 值即对应这里的 total 值。比如，在 Linux 中执行一次 time 命令：
$time file1
real 0m0.003s
user 0m0.000s
sys 0m0.004s
执行一个较为特殊的例子：
$ time sleep 2
sleep 2 0.00s user 0.00s system 0% cpu 2.008 total
sleep 2 会让当前进程的主线程休眠 2 秒，可以看到这个进程总共存活了 2.008 秒。
在介绍 user 值和 system 值之前，我们先介绍两个概念。
内核态（Kernel Mode）
在内核态时，当前执行的代码拥有完全的、不受限制的访问底层硬件（underlying hardware）的能力。它可以执行任何 CPU 指令或者引用任何内存地址。当处在内核态时，通常都在执行由操作系统提供的最底层的、可靠的代码。
如在处在内核态时，发生了崩溃，这将会是灾难性的，因为这个崩溃会影响整个操作系统的运行。
用户态（User Mode）
在用户态时，当前执行的代码不具备直接访问底层硬件或内存的能力。代码必须通过调用操作系统 API（通常是系统调用，System Call）来访问底层硬件或内存。
通过因此内核态和用户态的隔离机制，使得处于用户态的崩溃都可以被恢复。
我们的大部分代码都运行在用户态状态下。
引入了上述概念后，这两个值就非常容易理解了。
user 值
即 user time，即一个进程执行过程中，代码处于用户态过程所经历的 CPU 时间。
system 值
即 system time，即一个进程执行过程中，代码处于内核态过程所经历的 CPU 时间。
cpu 值
即 CPU 利用率（CPU usgae），即在一个进程执行过程中，CPU 的利用率。
CPU_usage = (user time + system time)/ total time * 100%
在上面 node 的例子中：
- 4.95s user
- 0.06s system
- 97% cpu
- 5.139 total
(4.95 + 0.06)/5.139 = 97.489784% 约等于 97%，因此，我们认为这个进程的执行过程中，CPU 的利用率很高。
在 sleep 2 的例子中
- 0.00s user
- 0.00s system
- 0% cpu
- 2.008 total
(0.00 + 0.00)/2.008 = 0%，即 CPU 的利用率为 0，事实上，这个进程中的主线程仅仅的休眠了 2s，此后这个进程就被结束了。
这个过程中，不存在任何处于用户态和内核态的执行代码。
误区解释
误区 1：total_time = user_time + sys_time
这显然是不对的，比如在前面的 sleep 2 的例子中，2.008 ≠ 0.00 + 0.00。
误区 2：total_time > user_time + sys_time
这不是绝对正常的。只是在大部分单线程执行的情况下，往往都会呈现 total_time > user_time + sys_time。
比如在上面 node 的例子中，就符合了 total_time > user_time + sys_time 的情景。
5.139 > 5.01 = 4.95 + 0.06
然而，在使用多线程 / 多进程执行一个应用时，就可能会出现 total_time < user_time + sys_time。
比如，以下的 Node 的程序中，通过使用 cluster 模块同时开启八个进程，就出现了 total_time < user_time + sys_time 的情况。
var cluster = require('cluster');
var numCPUs = 8;
function fibo (n) {
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
console.time('8 cluster');
if (cluster.isMaster) {
// Fork workers.
for (var i = 0; i < numCPUs; i++) {
cluster.fork();
}
var i = 8;
cluster.on('exit', function(worker, code, signal) {
if(!--i){
console.timeEnd('8 cluster');
process.exit(0);
}
});
} else {
//console.log(fibo (40));
process.exit(0);
}
使用 time：
$ time node main.js
8 cluster: 3126.211ms
node main.js 21.71s user 0.34s system 684% cpu 3.221 total
结论
“total_time” 与 ”user_time + sys_time 的和 “之间没有任何关系。