每当发现系统变慢时，通常会先执行​​top​​或者​​uptime​​命令，来了解系统负载情况。

$ uptime
02:34:03 up 2 days, 20:14,  1 user,  load average: 0.63, 0.83, 0.88

一、​​uptime​​每列含义

02:34:03              //当前时间
up 2 days, 20:14      //系统运行时间
1 user                //正在登录用户数

后面三个数，依次是过去 1 分钟、5 分钟、15 分钟的平均负载（Load Average）。

02:34:03

up 2 days, 20:14

1 user

0.63

0.83

0.88

当前时间

系统运行时间


正在登录用户数

过去1分钟平均负载


过去5分钟平均负载

过去15分钟平均负载

二、平均负载是单位时间内的CPU使用率吗？

上面的0.63可能会被认为，就代表CPU使用率是63%，其实并不是。可以通过执行​​man uptime​​命令来了解平均负载的详细解释。

平均负载：单位时间内，系统处于可运行状态和不可中断状态的平均进程数，也就是平均活跃进程数，和CPU使用率并没有直接联系

  • 可运行状态进程 (R进程)
  • 指正在使用 CPU 或者正在等待CPU的进程，也就是​​ps​​命令看到的，处于R 状态（Running 或 Runnable）的进程。
  • 不可中断状态进程 (D进程)
  • 指正处于内核态关键流程的进程，并且这些流程是不可打断的，如：等待硬件设备的 I/O 响应，也就是​​ps​​命令中看到的D 状态（Uninterruptible Sleep，也称为 Disk Sleep）的进程。

比如，当一个进程向磁盘读写数据时，为了保证数据的一致性，在得到磁盘回复前，它是不能被其他进程或者中断打断的，这个时候的进程就处于不可中断状态。如果此时的进程被打断了，就容易出现磁盘数据与进程数据不一致的问题。所以，不可中断状态实际上是系统对进程和硬件设备的一种保护机制。

可以简单理解为，平均负载就是平均活跃进程数。

平均活跃进程数，直观上理解就是单位时间内的活跃进程数，但它实际上是活跃进程数的指数衰减平均值。

平均活跃进程数，最理想的，就是每个 CPU 上刚好运行着一个进程，如此每个 CPU 都得到了充分利用。如：当平均负载为2时，意味这什么？

  • 在只有 2 个 CPU 的系统上，意味着所有的 CPU 都刚好被完全占用。
  • 在 4 个 CPU 的系统上，意味着 CPU 有 50% 的空闲。
  • 而在只有 1 个 CPU 的系统中，则意味着有一半的进程竞争不到 CPU。

应该怎么理解"平均负载"?_平均负载

三、平均负载多少时合理

平均负载最理想的情况是等于 CPU 个数。所以在评判平均负载时，首先要知道系统有几个 CPU，可以通过​​top​​​命令或者从文件​​/proc/cpuinfo​​中读取

# 关于grep和wc的用法请查询它们的手册或者网络搜索
$ grep 'model name' /proc/cpuinfo | wc -l
2

当平均负载比CPU个数还大的时候，系统已经出现了过载 平均负载三个不同时间间隔的平均值，都需要看，分析系统负载趋势的数据来源

  • 如果 1 分钟、5 分钟、15 分钟的三个值基本相同，或者相差不大，那就说明系统负载很平稳。
  • 但如果 1 分钟的值远小于 15 分钟的值，就说明系统最近 1 分钟的负载在减少，而过去 15 分钟内却有很大的负载。
  • 反过来，如果 1 分钟的值远大于 15 分钟的值，就说明最近 1 分钟的负载在增加，这种增加有可能只是临时性的，也有可能还会持续增加下去，所以就需要持续观察。一旦 1 分钟的平均负载接近或超过了 CPU 的个数，就意味着系统正在发生过载的问题，这时就得分析调查是哪里导致的问题，并要想办法优化了。

实际生产环境中，平均负载多高时候需要重点关注？
当平均负载高于CPU数量的70%的时候，就应该分析排查负载高的问题，一旦负载过高，就可能导致进程响应变慢，进而影响服务的正常功能。

应该怎么理解"平均负载"?_平均负载_02

四、平均负载与 CPU 使用率

平均负载：平均负载是指单位时间内，处于可运行状态和不可中断状态的进程数。所以，它不仅包括了正在使用 CPU 的进程，还包括等待 CPU 和等待 I/O 的进程。

CPU 使用率：是单位时间内 CPU 繁忙情况的统计，跟平均负载并不一定完全对应。

两者对比

  • CPU密集型进程，使用大量CPU会导致平均负载升高，此时两者一致；
  • I/O密集型进程，等待I/O也会导致平均负载升高，但CPU使用率不一定很高；
  • 大量等待CPU的进程调度也会导致平均负载升高，此时的CPU使用率也会比较高。

五、平均负载案例分析

说明：以下三个实例分别来看三种情况，并用​​iostat、mpstat、pidstat​​等工具，找出平均负载升高的根源。

5.1、环境准备

  • Linux系统（Ubuntu、CentOS均可）
  • 机器配置：2 CPU，8 GB内存
  • 预先安装 ​​stress​​ 和 ​​sysstat​​包
# Ubuntu
$ sudo apt install stress sysstat

# CentOS
$ sudo yum install -y epel-release
$ sudo yum install -y stress
$ sudo yum -y install sysstat
  • ​​stress​​ 和 ​​sysstat​​ 工具

stress 是一个 Linux 系统压力测试工具，此处用于异常进程模拟平均负载升高的场景

sysstat包含了常用的Linux性能工具，用来监控和分析系统的性能。案例中会用到mpstat和pidstat

  • mpstat：是一个常用的多核CPU性能分析工具，用来时实查看每个CPU的性能指标，以及所有CPU的平均指标。
  • pidstat：是一个常用的进程性能分析工具，用来实时查看进程的CPU、内存、I/O以及上下文切换等性能指标。

应该怎么理解"平均负载"?_平均负载_03

5.2、场景一：CPU密集型进程

  • 终端一：运行 ​stress ​命令，模拟一个 CPU 使用率 100% 场景
$ stress --cpu 1 --timeout 600
  • 终端二：运行 ​uptime​ 查看平均负载的变化情况
# -d 参数表示高亮显示变化的区域
$ watch -d uptime
...,  load average: 1.00, 0.75, 0.39
  • 终端三：运行 ​mpstat ​查看 CPU使用率的变化情况
# -P ALL 表示监控所有CPU，后面数字5表示间隔5秒后输出一组数据
$ mpstat -P ALL 5
Linux 4.15.0 (ubuntu) 09/22/18 _x86_64_ (2 CPU)
13:30:06     CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
13:30:11     all   50.05    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00   49.95
13:30:11       0    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00  100.00
13:30:11       1  100.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00

从终端二中可以看到，1分钟平均负载会慢慢增加到 1.00，而从终端三中可以看到，正好有一个CPU的使用率为100%，但它们的  iowait 只有0。这说明，平均负载的升高正式由于 CPU 使用率为100%。

  • 使用 ​pidstat​ 查询到底哪个进程导致了 CPU 使用率为100%
# 间隔5秒后输出一组数据
$ pidstat -u 5 1
13:37:07      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
13:37:12        0      2962  100.00    0.00    0.00    0.00  100.00     1  stress

这里可以明显看到，stress进程的CPU使用率为100%

5.4、场景二：I/O密集型进程

  • 终端一：运行 ​stress​ 命令，但此次模拟 I/O 压力，即不停地执行 sync
$ stress -i 1 --timeout 600
  • 终端二：运行​uptime​查看平均负载的变化情况
$ watch -d uptime
...,  load average: 1.06, 0.58, 0.37
  • 终端三：运行 ​mpstat​ 查看 CPU 使用率的变化情况
# 显示所有CPU的指标，并在间隔5秒输出一组数据
$ mpstat -P ALL 5 1
Linux 4.15.0 (ubuntu)     09/22/18     _x86_64_    (2 CPU)
13:41:28     CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
13:41:33     all    0.21    0.00   12.07   32.67    0.00    0.21    0.00    0.00    0.00   54.84
13:41:33       0    0.43    0.00   23.87   67.53    0.00    0.43    0.00    0.00    0.00    7.74
13:41:33       1    0.00    0.00    0.81    0.20    0.00    0.00    0.00    0.00    0.00   98.99

从这里可以看到，1分钟的平均负载会慢慢增加到1.06，其中一个 CPU 的系统 CPU 使用率升高到了 23.87，而 iowait 高达 67.53%。这说明，平均负载的升高是由于 iowait 的升高。

  • 使用 ​pidstat​ 查询到底哪个进程导致iowait这么高
# 间隔5秒后输出一组数据，-u表示CPU指标
$ pidstat -u 5 1
Linux 4.15.0 (ubuntu)     09/22/18     _x86_64_    (2 CPU)
13:42:08      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
13:42:13        0       104    0.00    3.39    0.00    0.00    3.39     1  kworker/1:1H
13:42:13        0       109    0.00    0.40    0.00    0.00    0.40     0  kworker/0:1H
13:42:13        0      2997    2.00   35.53    0.00    3.99   37.52     1  stress
13:42:13        0      3057    0.00    0.40    0.00    0.00    0.40     0  pidstat

可以发现，还是 stress 进程导致

5.5、场景三：大量进程的场景

当系统中运行进程超出 CPU 运行能力时，就会出现等待 CPU 的进程。

  • 终端一：使用 ​stress​ 模拟 8 个进程
$ stress -c 8 --timeout 600
  • 终端二：由于系统只有 2 个 CPU ，明显比 8 个进程要少得多，因此，系统的 CPU 处于严重过载状态，平均负载高达 7.97
$ uptime
...,  load average: 7.97, 5.93, 3.02
  • 终端三：运行​ pidstat ​来查看进程情况
# 间隔5秒后输出一组数据
$ pidstat -u 5 1
14:23:25      UID       PID    %usr %system  %guest   %wait    %CPU   CPU  Command
14:23:30        0      3190   25.00    0.00    0.00   74.80   25.00     0  stress
14:23:30        0      3191   25.00    0.00    0.00   75.20   25.00     0  stress
14:23:30        0      3192   25.00    0.00    0.00   74.80   25.00     1  stress
14:23:30        0      3193   25.00    0.00    0.00   75.00   25.00     1  stress
14:23:30        0      3194   24.80    0.00    0.00   74.60   24.80     0  stress
14:23:30        0      3195   24.80    0.00    0.00   75.00   24.80     0  stress
14:23:30        0      3196   24.80    0.00    0.00   74.60   24.80     1  stress
14:23:30        0      3197   24.80    0.00    0.00   74.80   24.80     1  stress
14:23:30        0      3200    0.00    0.20    0.00    0.20    0.20     0  pidstat

可以看出，8 个进程在争抢 2 个 CPU ，每个进程等待 CPU 的时间（也就是代码块中的 %wait 列）高达 75%。这些超出 CPU 计算能力的进程，最终导致 CPU 过载。

六、小结

平均负载提供了一个快速查看系统整体性能的手段，反映了整体的负载情况。但只看平均负载本身，我们并不能直接发现，到底是哪里出现了瓶颈。所以，在理解平均负载时，也要注意

  • 平均负载有可能是 CPU 密集型进程导致的
  • 平均负载高并不一定代表 CPU 使用率高，还有可能是 I/O 更繁忙了
  • 当发现负载高的时候，可以使用 mpstat、pidstat 等工具，辅助分析负载的来源。