Linux性能优化-01.平均负载和IO、CPU问题定位

文章目录结构

  1. uptime 命令介绍
  2. 什么是平均负载?
  3. 平均负载和CPU使用率的关系
  4. 定位平均负载高的具体问题
  5. 总结

uptime 命令

1
2
[root@VM_0_2_centos ~]# uptime
22:42:00 up 147 days, 11:02, 2 users, load average: 0.05, 0.04, 0.05

说明:

1
2
3
22:42:00 			// 当前时间
up 147 days, 11:02 // 系统运行时间
2 users // 正在登录用户数

而下面的这几个数值

1
0.05, 0.04, 0.05

则依次是过去 1 分钟、5 分钟、15 分钟的平均负载(Load Average)

什么是平均负载(Load Average)

平均负载是指单位时间内,系统处于可运行状态不可中断状态的平均进程数,也就是平均活跃进程数,它和 CPU 使用率并没有直接关系。上面的 0.05,并不是就代表CPU 使用率是 5% 。
平均活跃进程数,直观上的理解就是单位时间内的活跃进程数。

  • 可运行状态
    所谓可运行状态的进程,是指正在使用 CPU 或者正在等待 CPU 的进程,也就是处于 R 状态(Running 或 Runnable)的进程。

  • 不可中断状态
    不可中断状态的进程则是正处于内核态关键流程中的进程,并且这些流程是不可打断的,比如最常见的是等待硬件设备的I/O响应,也就是处于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

例如:

比如当平均负载为 2 时,意味着什么呢?

  • 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。

首先你要知道系统有几个 CPU

1
grep 'model name' /proc/cpuinfo | wc -l

平均负载为多少时合理

举个例子,假设我们在一个单 CPU 系统上看到平均负载为 1.73,0.60,7.98,那么说明在过去 1 分钟内,系统有 73% 的超载,而在 15 分钟内,有 698% 的超载,从整体趋势来看,系统的负载在降低。

一般来说, 当平均负载高于 CPU 数量 70% 的时候,就应该分析排查负载高的问题了。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。

平均负载 和 CPU使用率的关系

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。
而 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。比如:

  • CPU 密集型进程,使用大量 CPU 会导致平均负载升高,此时这两者是一致的;
  • 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。

定位问题

查看平均负载的变化情况:

1
2
3
# -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

场景一:CPU 密集型进程

使用 mpstat 查看CPU 使用率的变化情况:

1
2
3
4
5
6
7
# -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
13:30:11 all 50.05 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
13:30:11 0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
13:30:11 1 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

上面的1分钟的平均负载会慢慢增加到 1.00,而查看CPU 使用率还可以看到,正好有一个 CPU 的使用率为 100%(%usr),但它的 iowait 只有 0。这说明,平均负载的升高正是由于 CPU 使用率为 100% 。(%sys)表示系统CPU使用率。

使用 pidstat 来查询哪个进程导致了 CPU 使用率为 100%:

1
2
3
4
# 间隔 5 秒后输出一组数据,-u 表示 CPU 指标
$ 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

从这里可以明显看到,stress 进程的 CPU 使用率为 100%。

场景二:I/O 密集型进程

端运行 uptime 查看平均负载的变化情况:

1
2
$ watch -d uptime
..., load average: 1.06, 0.58, 0.37

运行 mpstat 查看 CPU 使用率的变化情况:

1
2
3
4
5
6
7
# 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
13:41:33 all 0.21 0.00 12.07 32.67 0.00 0.21 0.00 0.00 0.00
13:41:33 0 0.43 0.00 23.87 67.53 0.00 0.43 0.00 0.00 0.00
13:41:33 1 0.00 0.00 0.81 0.20 0.00 0.00 0.00 0.00 0.00

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。

用 pidstat 来查询:

1
2
3
4
5
6
7
8
# 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 进程导致的。
另外可以使用pidstat -d命令查看系统IO情况

1
2
# -d 表示 IO 指标
pidstat -d 5 1

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。
由于系统只有 2 个 CPU,明显比 8 个进程要少得多,因而,系统的 CPU 处于严重过载状态,平均负载高达 7.97:

1
2
$ uptime
..., load average: 7.97, 5.93, 3.02

再运行 pidstat 来看一下进程的情况:

1
2
3
4
5
6
7
8
9
10
11
12
# 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。

总结

  1. 平均负载高的原因有: 可能是 CPU 密集型进程导致的; CPU 使用率高导致; 还有可能是I/O密集导致;
  2. 当发现负载高的时候,你可以使用 mpstat、pidstat 等工具,辅助分析负载的来源。

注: 本系列文章都是学习极客时间《Linux性能优化实战》课程后的笔记