平均負載

是指單位時間內，系統處於可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。

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。

既然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，意味著什麼呢？

• 在只有 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。

• 而在只有 1 個 CPU 的系統中，則意味著有一半的程序競爭不到 CPU。

平均負載多少時合理

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：

[root@god ~]# grep 'model name' /proc/cpuinfo |wc -l
1

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。

• 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。

當平均負載高於 CPU 數量 70% 的時候，你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。

但 70% 這個數字並不是絕對的，最推薦的方法，還是把系統的平均負載監控起來，然後根據更多的歷史資料，判斷負載的變化趨勢。當發現負載有明顯升高趨勢時，比如說負載翻倍了，你再去做分析和調查。

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

以三個示例分別來看這三種情況，並用 iostat、mpstat、pidstat 等工具，找出平均負載升高的根源。

環境準備：

基於 Centos7，當然，同樣適用於其他 Linux 系統。使用的案例環境如下所示。

• 機器配置(虛擬機器)：1 CPU，1GB 記憶體。

• 預先安裝 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。

PS: 每個場景都需要你開三個終端，登入到同一臺 Linux 機器中(預設以root使用者執行)。

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：

[root@god ~]# stress --cpu 1 --timeout 600
stress: info: [5380] dispatching hogs: 1 cpu, 0 io, 0 vm, 0 hdd

接著，在第二個終端執行 uptime 檢視平均負載的變化情況：

[root@god ~]# 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
[root@god ~]# mpstat -P ALL 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 	11/30/2020 	_x86_64_	(1 CPU)

11:51:47 AM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
11:51:52 AM  all   99.60    0.00    0.40    0.00    0.00    0.00    0.00    0.00    0.00    0.00
11:51:52 AM    0   99.60    0.00    0.40    0.00    0.00    0.00    0.00    0.00    0.00    0.00

Average:     CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
Average:     all   99.60    0.00    0.40    0.00    0.00    0.00    0.00    0.00    0.00    0.00
Average:       0   99.60    0.00    0.40    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 99.6%，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 99.6% 。

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
[root@god ~]# pidstat -u 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 	11/30/2020 	_x86_64_	(1 CPU)

11:54:13 AM   UID       PID    %usr %system  %guest    %CPU   CPU  Command
11:54:18 AM     0      5381   99.60    0.00    0.00   99.60     0  stress
11:54:18 AM     0      5439    0.20    0.00    0.00    0.20     0  watch

Average:      UID       PID    %usr %system  %guest    %CPU   CPU  Command
Average:        0      5381   99.60    0.00    0.00   99.60     -  stress
Average:        0      5439    0.20    0.00    0.00    0.20     -  watch

從這裡可以明顯看到，stress 程序的 CPU 使用率為 99.6%。

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：

[root@god ~]# stress -i 1 --timeout 600
stress: info: [5883] dispatching hogs: 0 cpu, 1 io, 0 vm, 0 hdd

還是在第二個終端執行 uptime 檢視平均負載的變化情況：

[root@god ~]# watch -d uptime
...,  load average: 1.20, 1.35, 1.39

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
[root@god ~]# mpstat -P ALL 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 	11/30/2020 	_x86_64_	(1 CPU)

12:02:23 PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
12:02:28 PM  all    3.60    0.00   96.40    32.60    0.00    0.00    0.00    0.00    0.00    0.00
12:02:28 PM    0    3.60    0.00   96.40   68.20    0.00    0.00    0.00    0.00    0.00    0.00

Average:     CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest  %gnice   %idle
Average:     all    3.60    0.00   96.40    32.60    0.00    0.00    0.00    0.00    0.00    0.00
Average:       0    3.60    0.00   96.40    68.20    0.00    0.00    0.00    0.00    0.00    0.00

從這裡可以看到，1 分鐘的平均負載會慢慢增加到 1.20，其中一個 CPU 的系統 CPU 使用率升高到了 96.40，而 iowait 高達 68.20%。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
[root@god ~]# pidstat -u 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 	11/30/2020 	_x86_64_	(1 CPU)

12:05:34 PM   UID       PID    %usr %system  %guest    %CPU   CPU  Command
12:05:39 PM     0       809    0.00    0.20    0.00    0.20     0  tuned
12:05:39 PM     0      4880    0.00    5.79    0.00    5.79     0  kworker/u256:2
12:05:39 PM     0      5439    0.00    0.20    0.00    0.20     0  watch
12:05:39 PM     0      5884    3.79   81.84    0.00   85.63     0  stress
12:05:39 PM     0      6030    0.00    7.39    0.00    7.39     0  kworker/u256:0

Average:      UID       PID    %usr %system  %guest    %CPU   CPU  Command
Average:        0       809    0.00    0.20    0.00    0.20     -  tuned
Average:        0      4880    0.00    5.79    0.00    5.79     -  kworker/u256:2
Average:        0      5439    0.00    0.20    0.00    0.20     -  watch
Average:        0      5884    3.79   81.84    0.00   85.63     -  stress
Average:        0      6030    0.00    7.39    0.00    7.39     -  kworker/u256:0

可以發現，還是 stress 程序導致的。

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：

[root@god ~]# stress -c 8 --timeout 600
stress: info: [6501] dispatching hogs: 8 cpu, 0 io, 0 vm, 0 hdd

由於系統只有 1 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：

[root@god ~]# watch -d uptime
...,  load average: 7.60, 3.35, 2.39

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
[root@god ~]# pidstat -u 5 1
Linux 3.10.0-1062.el7.x86_64 (god) 	11/30/2020 	_x86_64_	(1 CPU)

12:10:28 PM   UID       PID    %usr %system  %guest    %CPU   CPU  Command
12:10:33 PM     0      6502   12.57    0.00    0.00   12.57     0  stress
12:10:33 PM     0      6503   12.38    0.00    0.00   12.38     0  stress
12:10:33 PM     0      6504   12.57    0.00    0.00   12.57     0  stress
12:10:33 PM     0      6505   12.18    0.00    0.00   12.18     0  stress
12:10:33 PM     0      6506   12.38    0.00    0.00   12.38     0  stress
12:10:33 PM     0      6507   12.18    0.00    0.00   12.18     0  stress
12:10:33 PM     0      6508   12.57    0.00    0.00   12.57     0  stress
12:10:33 PM     0      6509   12.57    0.00    0.00   12.57     0  stress
12:10:33 PM     0      6670    0.00    0.20    0.00    0.20     0  pidstat

Average:      UID       PID    %usr %system  %guest    %CPU   CPU  Command
Average:        0      6502   12.57    0.00    0.00   12.57     -  stress
Average:        0      6503   12.38    0.00    0.00   12.38     -  stress
Average:        0      6504   12.57    0.00    0.00   12.57     -  stress
Average:        0      6505   12.18    0.00    0.00   12.18     -  stress
Average:        0      6506   12.38    0.00    0.00   12.38     -  stress
Average:        0      6507   12.18    0.00    0.00   12.18     -  stress
Average:        0      6508   12.57    0.00    0.00   12.57     -  stress
Average:        0      6509   12.57    0.00    0.00   12.57     -  stress
Average:        0      6670    0.00    0.20    0.00    0.20     -  pidsta

可以看出，8 個程序在爭搶 2 個 CPU，每個程序等待 CPU 的時間。這些超出 CPU 計算能力的程序，最終導致 CPU 過載。

PS：centos系統如果使用yum安裝sysstat軟體包版本較低，導致使用命令pidstat時沒有%wait這一列。可以重新手動安裝該軟體。

小結

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。