Linux效能調優 | 01 平均負載的理解和分析
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。