Linux 效能調優CPU篇:平均負載與CPU使用率
平均負載
檢視平均負載
每次發現系統變慢時,我們通常做的第一件事,就是執行 top 或者 uptime 命令,來了解系統的負載情況:
02:34:03 up 2 days, 20:14, 1 user, load average: 0.63, 0.83, 0.88
分別對應:
- 02:34:03 :當前時間
- up 2 days, 20:14 :系統執行時間
- 1 user :正在登入使用者數
- load average: 0.63, 0.83, 0.88 :過去 1 分鐘、5 分鐘、15 分鐘的平均負載(Load Average)
平均負載的定義
平均負載是指單位時間內,系統處於執行狀態、等待執行狀態和不可中斷狀態的平均程序數,也就是平均活躍程序數,它和 CPU 使用率並沒有直接關係。
所謂可執行狀態的程序,是指正在使用 CPU 或者正在等待 CPU 的程序,也就是我們常用 ps 命令看到的,處於 R 狀態(Running 或 Runnable)的程序。
不可中斷程序
不可中斷狀態的程序則是正處於核心態關鍵流程中的程序,並且這些流程是不可打斷的,比如最常見的是等待硬體裝置的 I/O 響應,也就是我們在 ps 命令中看到的 D 狀態(Uninterruptible Sleep,也稱為 Disk Sleep)的程序。
比如,當一個程序向磁碟讀寫資料時,為了保證資料的一致性,在得到磁盤迴復前,它是不能被其他程序或者中斷打斷的,這個時候的程序就處於不可中斷狀態。
如果此時的程序被打斷了,就容易出現磁碟資料與程序資料不一致的問題。所以,不可中斷狀態實際上是系統對程序和硬體裝置的一種保護機制
平均負載的合理值
平均的是活躍程序數,那麼最理想的,就是每個 CPU 上都剛好執行著一個程序,這樣每個 CPU 都得到了充分利用。
比如當平均負載為 2 時:
- 在2個CPU 的系統上,意味著所有的 CPU 都剛好被完全佔用。
- 在 4 個 CPU 的系統上,意味著 CPU 有 50% 的空閒。
- 在只有 1 個 CPU 的系統中,則意味著有一半的程序競爭不到 CPU。
平均負載最理想的情況是等於 CPU 個數。所以在評判平均負載時,首先你要知道系統有幾個 CPU,這可以通過 top 命令或者從檔案 /proc/cpuinfo 中讀取,比如:
grep 'model name' /proc/cpuinfo | wc -l
當平均負載高於 CPU 數量 70% 的時候,就應該分析排查負載高的問題了。一旦負載過高,就可能導致程序響應變慢,進而影響服務的正常功能。
平均負載有三個數值,到底該參考哪一個呢?實際上,都要看。
三個不同時間間隔的平均值,其實給我們提供了,分析系統負載趨勢的資料來源,讓我們能更全面、更立體地理解目前的負載狀況。
打個比方,就像初秋時北京的天氣,如果只看中午的溫度,你可能以為還在 7 月份的大夏天呢。但如果你結合了早上、中午、晚上三個時間點的溫度來看,基本就可以全方位瞭解這一天的天氣情況了。
同樣的,前面說到的 CPU 的三個負載時間段也是這個道理。如果 1 分鐘、5 分鐘、15 分鐘的三個值基本相同,或者相差不大,那就說明系統負載很平穩。
但如果 1 分鐘的值遠小於 15 分鐘的值,就說明系統最近 1 分鐘的負載在減少,而過去 15 分鐘內卻有很大的負載。反過來,如果 1 分鐘的值遠大於 15 分鐘的值,就說明最近 1 分鐘的負載在增加,這種增加有可能只是臨時性的,也有可能還會持續增加下去,所以就需要持續觀察。
一旦 1 分鐘的平均負載接近或超過了 CPU 的個數,就意味著系統正在發生過載的問題,這時就得分析調查是哪裡導致的問題,並要想辦法優化了。這裡我再舉個例子,假設我們在一個單 CPU 系統上看到平均負載為 1.73,0.60,7.98,那麼說明在過去 1 分鐘內,系統有 73% 的超載,而在 15 分鐘內,有 698% 的超載,從整體趨勢來看,系統的負載在降低。
平均負載與 CPU 使用率
平均負載是指單位時間內,處於可執行狀態和不可中斷狀態的程序數。所以,它不僅包括了正在使用 CPU 的程序,還包括等待 CPU 和等待 I/O 的程序。
而 CPU 使用率,是單位時間內 CPU 繁忙情況的統計,跟平均負載並不一定完全對應。比如:
- CPU 密集型程序,使用大量 CPU 會導致平均負載升高,此時這兩者是一致的;
- I/O 密集型程序,等待 I/O 也會導致平均負載升高,但 CPU 使用率不一定很高;
- 大量等待 CPU 的程序排程也會導致平均負載升高,此時的 CPU 使用率也會比較高。
平均負載案例分析
機器配置:2 CPU,8GB 記憶體。
準備:iostat、mpstat、pidstat分析工具。
安裝 stress 和 sysstat 包,如 apt install stress sysstat。
- stress 是一個 Linux 系統壓力測試工具,這裡我們用作異常程序模擬平均負載升高的場景。
- sysstat 包含了常用的 Linux 效能工具,用來監控和分析系統的效能。我們的案例會用到這個包的兩個命令 mpstat 和 pidstat。
- mpstat 是一個常用的多核 CPU 效能分析工具,用來實時檢視每個 CPU 的效能指標,以及所有 CPU 的平均指標。
- pidstat 是一個常用的程序效能分析工具,用來實時檢視程序的 CPU、記憶體、I/O 以及上下文切換等效能指標。
場景一:CPU 密集型程序首先,我們在第一個終端執行 stress 命令,模擬一個 CPU 使用率 100% 的場景:
stress --cpu 1 --timeout 600
接著,在第二個終端執行 uptime 檢視平均負載的變化情況:
# -d 引數表示高亮顯示變化的區域
watch -d uptime
..., load average: 1.00, 0.75, 0.39
最後,在第三個終端執行 mpstat 檢視 CPU 使用率的變化情況:
# -P ALL 表示監控所有CPU,後面數字5表示間隔5秒後輸出一組資料
$ 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
從終端二中可以看到,1 分鐘的平均負載會慢慢增加到 1.00,而從終端三中還可以看到,正好有一個 CPU 的使用率為 100%,但它的 iowait 只有 0。這說明,平均負載的升高正是由於 CPU 使用率為 100% 。
那麼,到底是哪個程序導致了 CPU 使用率為 100% 呢?你可以使用 pidstat 來查詢:
# 間隔5秒後輸出一組資料 $ 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
場景二:I/O 密集型程序首先還是執行 stress 命令,但這次模擬 I/O 壓力,即不停地執行 sync
stress -i 1 --timeout 600
還是在第二個終端執行 uptime 檢視平均負載的變化情況
watch -d uptime
..., load average: 1.06, 0.58, 0.37
然後,第三個終端執行 mpstat 檢視 CPU 使用率的變化情況:
# 顯示所有CPU的指標,並在間隔5秒輸出一組資料 $ 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
從這裡可以看到,1 分鐘的平均負載會慢慢增加到 1.06,其中一個 CPU 的系統 CPU 使用率升高到了 23.87,而 iowait 高達 67.53%。這說明,平均負載的升高是由於 iowait 的升高。那麼到底是哪個程序,導致 iowait 這麼高呢?我們還是用 pidstat 來查詢:
# 間隔5秒後輸出一組資料,-u表示CPU指標 $ 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
場景三:大量程序的場景當系統中執行程序超出 CPU 執行能力時,就會出現等待 CPU 的程序。比如,我們還是使用 stress,但這次模擬的是 8 個程序:
stress -c 8 --timeout 600
由於系統只有 2 個 CPU,明顯比 8 個程序要少得多,因而,系統的 CPU 處於嚴重過載狀態,平均負載高達 7.97:
$ uptime
..., load average: 7.97, 5.93, 3.02
接著再執行 pidstat 來看一下程序的情況:
# 間隔5秒後輸出一組資料 $ 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 個程序在爭搶 2 個 CPU,每個程序等待 CPU 的時間(也就是程式碼塊中的 %wait 列)高達 75%。這些超出 CPU 計算能力的程序,最終導致 CPU 過載。小結分析完這三個案例,我再來歸納一下平均負載的理解。
平均負載提供了一個快速檢視系統整體效能的手段,反映了整體的負載情況。但只看平均負載本身,我們並不能直接發現,到底是哪裡出現了瓶頸。
所以,在理解平均負載時,也要注意:
- 平均負載高有可能是 CPU 密集型程序導致的;
- 平均負載高並不一定代表 CPU 使用率高;
- 還有可能是 I/O 更繁忙了;
當發現負載高的時候,你可以使用 mpstat、pidstat 等工具,輔助分析負載的來源。