1. 引言
突然观察到服务器 load 过高，可是 CPU 占用率很低。
这也算是一个常见问题了。
那么，如何排查和解决这个问题呢？
2. top 查看 cpu wait
通过 top 命令，可以看到 CPU 的 wait 很高，可以参考：
top 命令详解
2.1. 诊断
- 若 wait 值过高，则说明磁盘 IO 存在瓶颈
- 若 idle 值高，但 load 仍很高则说明内存容量不足
- 若 idle 值持续低于 1，则系统的 CPU 处理能力存在瓶颈
3. iostat 分析 IO 性能
我们通过 iostat 可以分析 IO 性能。
通常通过 -x 参数显示详细信息。
下面是一个示例，执行：
iostat -x -k 3 2
3.1. 参数说明
- -x – 显示详细信息
- -k – 以 KB 为单位
- -m – 以 MB 为单位
- 3 – 每 3 秒执行一次
- 2 – 总共执行 2 次
- 需要注意的是，第1次采样信息与单独执行iostat的效果一样，为从系统开机到当前执行时刻的统计信息，第2次及此后才是当前的实时数据
3.2. 返回信息
返回信息总共包含三部分：
iostat 命令返回信息
选项 | 说明 |
第一行 | 最上面指示系统版本、主机名和当前日期 |
avg-cpu | 总体cpu使用情况统计信息，对于多核cpu，这里为所有cpu的平均值 |
Device | 各磁盘设备的IO统计信息 |
3.3. 返回信息 – avg-cpu
avg-cpu中各列参数含义如下：
iostat 返回的 avg-cpu 信息
选项 | 说明 |
%user | CPU在用户态执行进程的时间百分比。 |
%nice | CPU在用户态模式下，用于nice操作，所占用CPU总时间的百分比 |
%system | CPU处在内核态执行进程的时间百分比 |
%iowait | CPU用于等待I/O操作占用CPU总时间的百分比 |
%steal | 管理程序(hypervisor)为另一个虚拟进程提供服务而等待虚拟CPU的百分比 |
%idle | CPU空闲时间百分比 |
3.4. 返回信息 – Device
Device 中各列参数含义如下：
iostat 返回的 Device 信息
选项 | 说明 |
rrqm/s | 每秒对该设备的读请求被合并次数，文件系统会对读取同块(block)的请求进行合并 |
wrqm/s | 每秒对该设备的写请求被合并次数 |
r/s | 每秒完成的读次数 |
w/s | 每秒完成的写次数 |
rkB/s | 每秒读数据量(kB为单位) |
wkB/s | 每秒写数据量(kB为单位) |
avgrq-sz | 平均每次IO操作的数据量(扇区数为单位) |
avgqu-sz | 平均等待处理的IO请求队列长度 |
await | 平均每次IO请求等待时间(包括等待时间和处理时间，毫秒为单位) |
svctm | 平均每次IO请求的处理时间(毫秒为单位) |
%util | 采用周期内用于IO操作的时间比率，即IO队列非空的时间比率 |
3.5. 诊断
通过具体的 Device 中的 %util 可以看出具体是那块磁盘负载过大。
4. 通过iotop查找高I/O对应的进程
执行 iotop 命令可以看到每个进程占用的 io 比例：
我们可以找到占用 IO 最大的 TID 即进程 ID。
5. 通过 lsof -p pid 具体文件
SIZE 一列即读写大小，通过其增长我们就可以锁定究竟是哪个文件造成了 IO 过高。
从而可以分析具体的代码来解决这个问题。
6. 微信公众号
7. 参考资料
https://support.zabbix.com/browse/ZBXNEXT-1914。https://www.jianshu.com/p/cb64232df70c。
