01 uptime命令

通常我們發現系統變慢時，我們都會執行top或者uptime命令，來檢視當前系統的負載情況，比如像下面，我執行了uptime，系統返回的了結果。

[root@lincoding ~]# uptime
 08:31:49 up 27 min,1 user,load average: 0.07,0.04,0.00
複製程式碼

前幾列的資訊，相信大家都很熟悉，它們分別是當前時間、系統執行時間和正在登陸的使用者個數，最後一個就是系統平均負載的情況。

08:31:49                        // 當前時間
up 27 min                       // 系統執行時間
1 user                          // 正在登入使用者數
load average: 0.07,0.00  // 平均負載的情況
複製程式碼
 

Load Average的三個數字，依次則是過去1分鐘、5分鐘、15分鐘的平均負載。可以通過觀察這三個數字的大小，可以簡單判斷系統的負載是下降的趨勢還是上升的趨勢。

• 如果 load average: 1.00,5.00,10.00 三個數字依次增大，則說明在過去的 1 分鐘系統的負載比過去 15 分鐘系統的負載小，表明系統的負載是下降的趨勢。
• 如果 load average: 10.00,1.00 三個數字依次降低，則說明在過去的 1 分鐘系統的負載比過去 15 分鐘系統的負載大，表明系統的負載是上升的趨勢。
• 如果 load average: 0.07,0.0 三個數字基本相同，或者相差不大， 表明系統的負載是平穩的。

所以分析系統的負載情況，必須要看三個不同時間間隔的平均值。

02 平均負載概念

平均負載很多人容易理解成單位時間內的 CPU 使用率，這是不正確的。平均負載確實與 CPU 使用率有關係，但不是直接的關係。

簡單來說，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式數，也就是平均活躍程式數，它和 CPU 使用率並沒有直接關係。

• 可執行狀態，是指正在使用 CPU 或者正在等待 CPU 的程式，也就是在 ps 命令看到的 R 狀態的程式。
• 不可中斷狀態，是指正處於核心關鍵流程中的程式，並且這些流程是不可以打斷的，比如最常見的等待硬體裝置的 I/O 響應，也就是在 ps 命令看到的 D 狀態的程式。

因此，平均負載其實就是平均活躍程式數，可以更直觀的理解成單位時間內的活躍程式數。

既然平均的是活躍程式數，那麼最理想的，就是每個CPU上剛好執行著一個程式，這樣每個CPU就得到了充分利用。 比如當平均負載為2時，意味著：

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

03 平均負載為多少時合理

在評判你當前的系統平均負載是否合理的時，首先你要知道系統有幾個 CPU，可以通過 lscpu 命令或者從檔案 /proc/cpuinfo 中讀取

# lscpu 命令檢視 CPU 個數
[root@lincoding ~]# lscpu
Architecture:          x86_64
CPU op-mode(s):        32-bit,64-bit
Byte Order:            Little Endian
CPU(s):                4 # 這裡數字表示 CPU 個數        
....

# 從檔案 /proc/cpuinfo 中檢視 CPU 個數
[root@lincoding ~]# grep 'model name' /proc/cpuinfo | wc -l
4
複製程式碼

有了 CPU 個數，我們就可以判斷出，當平均負載比 CPU 個數還大的時候，系統已經出現了過載。

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

• 在過去 1 分鐘內，系統有 73% 的超載
• 在過 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，就可能導致程式響應變慢，進而影響服務的正常功能。

04 平均負載與 CPU 使用率

我們經常容易把平均負載和 CPU 使用率混淆，所以在這裡，我也做一個區分。

再次說明下，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式數。所以，它不僅包括了正在使用 CPU 的程式，還包括等待 CPU 和等待 I/O 的程式。

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 密集型程式，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 密集型程式，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 的程式排程也會導致平均負載升高，此時的 CPU 使用率也會比較高。

05 平均負載升高分析命令

我們現在很清楚的知道導致平均負載高的情況，不只是看 CPU 的使用率，也要觀察系統 I/O 等待時間高不高。

當發現平均負載升高時，可以使用 mpstat 命令檢視 CPU 的效能。

# -P ALL 表示監控所有CPU，後面數字1表示間隔1秒後輸出一組資料
$ mpstat -P ALL 1
Linux 2.6.32-431.el6.x86_64 (lzc) 	11/05/2019 	_x86_64_	(2 CPU)

07:51:45 PM  CPU    %usr   %nice    %sys %iowait    %irq   %soft  %steal  %guest   %idle
07:51:50 PM  all   42.90    0.00   49.39    0.41    0.00    4.56    0.00    0.00    2.74
07:51:50 PM    0   44.38    0.00   48.67    0.41    0.00    2.86    0.00    0.00    3.68
07:51:50 PM    1   41.57    0.00   49.80    0.40    0.00    6.43    0.00    0.00    1.81
複製程式碼

從上面發現

• CPU 的使用者層（%usr）使用率高達45%左右；
• CPU 的系統層（%sys）使用率高達50%左右；
• CPU 的 I/0 - 等待（%iowait）佔用率為0.41%；
• CPU 的空閒率（%idle）只有2~3%。

可以推斷出是由於 CPU 使用率導致平均負載升高的情況。

假設只有 CPU 的I/0 等待（%iowait）佔用率高，CPU 使用者層和系統層使用率很輕鬆，那麼導致平均負載升高的原因就是 iowait 的升高。

判斷了是因為 CPU 使用率升高還是 iowait 升高導致平均負載升高後，我們還需要定位是哪個程式導致的。可以用 pidstat 來查詢：

# 間隔1秒後輸出一組資料，-u表示CPU指標
$ pidstat -u 1
08:07:55 PM       PID    %usr %system  %guest    %CPU   CPU  Command
08:07:56 PM         4    0.00    1.00    0.00    1.00     0  ksoftirqd/0
08:07:56 PM         9    0.00    1.00    0.00    1.00     1  ksoftirqd/1
08:07:56 PM        11    0.00   16.00    0.00   16.00     0  events/0
08:07:56 PM        12    0.00   20.00    0.00   20.00     1  events/1
08:07:56 PM       616    7.00    6.00    0.00   13.00     1  pppoe
08:07:56 PM      2745    6.00    6.00    0.00   12.00     1  pppoe
複製程式碼

可以發現是 events/0 和 events/1 核心程式 CPU 使用率非常高，所以可能這兩個程式導致平均負載升高。

06 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 密集型程式導致的；
• 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。