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。
一、uptime
每列含义
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。
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
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。
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
-
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。
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
- 终端二:运行
uptime
查看平均负载的变化情况
- 终端三:运行
mpstat
查看 CPU使用率的变化情况
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%
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
- 终端二:运行
uptime
查看平均负载的变化情况
- 终端三:运行
mpstat
查看 CPU 使用率的变化情况
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
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
- 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
- 终端三:运行
pidstat
来查看进程情况
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。