Linux性能監控——CPU,Memory,IO,Network

版權聲明：本文由劉爽原創文章，轉載請註明出處: 
文章原文連接：https://www.qcloud.com/community/article/107

來源：騰雲閣 https://www.qcloud.com/community

 

一.CPU

1.良好狀態指標

• CPU利用率：User Time <= 70%，System Time <= 35%，User Time + System Time <= 70%。
• 上下文切換：與CPU利用率相關聯，若是CPU利用率狀態良好，大量的上下文切換也是能夠接受的。
• 可運行隊列：每一個處理器的可運行隊列<=3個線程。

2.監控工具

• vmstat

$ vmstat 1

procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu------

r   b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st

14  0    140 2904316 341912 3952308  0    0     0   460 1106 9593 36 64  1  0  0

17  0    140 2903492 341912 3951780  0    0     0     0 1037 9614 35 65  1  0  0

20  0    140 2902016 341912 3952000  0    0     0     0 1046 9739 35 64  1  0  0

17  0    140 2903904 341912 3951888  0    0     0    76 1044 9879 37 63  0  0  0

16  0    140 2904580 341912 3952108  0    0     0     0 1055 9808 34 65  1  0  0

重要參數：

r，run queue，可運行隊列的線程數，這些線程都是可運行狀態，只不過CPU暫時不可用；
b，被blocked的進程數，正在等待IO請求；
in，interrupts，被處理過的中斷數
cs，context switch，系統上正在作上下文切換的數目
us，用戶佔用CPU的百分比
sys，內核和中斷佔用CPU的百分比
id，CPU徹底空閒的百分比

上例可得：

sy高us低，以及高頻度的上下文切換（cs），說明應用程序進行了大量的系統調用；

這臺4核機器的r應該在12個之內，如今r在14個線程以上，此時CPU負荷很重。

• 查看某個進程佔用的CPU資源

$  while :; do ps -eo pid,ni,pri,pcpu,psr,comm | grep 'db_server_login'; sleep 1; done

  PID  NI PRI %CPU PSR COMMAND

28577   0  23  0.0   0 db_server_login

28578   0  23  0.0   3 db_server_login

28579   0  23  0.0   2 db_server_login

28581   0  23  0.0   2 db_server_login

28582   0  23  0.0   3 db_server_login

28659   0  23  0.0   0 db_server_login

……

二.Memory

1.良好狀態指標

• swap in （si） == 0，swap out （so） == 0
• 應用程序可用內存/系統物理內存 <= 70%

2.監控工具

• vmstat

$ vmstat 1

procs -----------memory---------- ---swap-- -----io---- --system-- -----cpu------

r  b   swpd   free   buff  cache   si   so    bi    bo   in   cs us sy id wa st

0  3 252696   2432    268   7148 3604 2368  3608  2372  288  288  0  0 21 78  1

0  2 253484   2216    228   7104 5368 2976  5372  3036  930  519  0  0  0 100  0

0  1 259252   2616    128   6148 19784 18712 19784 18712 3821 1853  0  1  3 95  1

1  2 260008   2188    144   6824 11824 2584 12664  2584 1347 1174 14  0  0 86  0

2  1 262140   2964    128   5852 24912 17304 24952 17304 4737 2341 86 10  0  0  4

重要參數：

swpd，已使用的 SWAP 空間大小，KB 爲單位；
free，可用的物理內存大小，KB 爲單位；
buff，物理內存用來緩存讀寫操做的buffer大小，KB 爲單位；
cache，物理內存用來緩存進程地址空間的 cache 大小，KB 爲單位；
si，數據從 SWAP 讀取到 RAM（swap in）的大小，KB 爲單位；
so，數據從 RAM 寫到 SWAP（swap out）的大小，KB 爲單位。

上例可得：

物理可用內存 free 基本沒什麼顯著變化，swapd逐步增長，說明最小可用的內存始終保持在 256MB(物理內存大小) * 10％ = 2.56MB 左右，當髒頁達到10％的時候就開始大量使用swap。

• free

$ free -m

total used free shared buffers cached

Mem: 8111 7185 926 0 243 6299

-/+ buffers/cache: 643 7468

Swap: 8189 0 8189

三.磁盤IO

1.良好狀態指標

• iowait % < 20%
  提升命中率的一個簡單方式就是增大文件緩存區面積，緩存區越大預存的頁面就越多，命中率也越高。
  Linux 內核但願能儘量產生次缺頁中斷（從文件緩存區讀），而且能儘量避免主缺頁中斷（從硬盤讀），這樣隨着次缺頁中斷的增多，文件緩存區也逐步增大，直到系統只有少許可用物理內存的時候 Linux 纔開始釋放一些不用的頁。

2.監控工具

• 查看物理內存和文件緩存狀況

$ cat /proc/meminfo

MemTotal:      8182776 kB

MemFree:       3053808 kB

Buffers:        342704 kB

Cached:        3972748 kB

這臺服務器總共有 8GB 物理內存（MemTotal），3GB 左右可用內存（MemFree），343MB左右用來作磁盤緩存（Buffers），4GB左右用來作文件緩存區（Cached）。

• sar

$ sar -d 2 3

Linux 2.6.9-42.ELsmp (webserver) 11/30/2008 _i686_ (8 CPU)

11:09:33 PM DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util

11:09:35 PM dev8-0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

11:09:35 PM DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util

11:09:37 PM dev8-0 1.00 0.00 12.00 12.00 0.00 0.00 0.00 0.00

11:09:37 PM DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util

11:09:39 PM dev8-0 1.99 0.00 47.76 24.00 0.00 0.50 0.25 0.05

Average: DEV tps rd_sec/s wr_sec/s avgrq-sz avgqu-sz await svctm %util

Average: dev8-0 1.00 0.00 19.97 20.00 0.00 0.33 0.17 0.02

重要參數：

await表示平均每次設備I/O操做的等待時間（以毫秒爲單位）。
svctm表示平均每次設備I/O操做的服務時間（以毫秒爲單位）。
%util表示一秒中有百分之幾的時間用於I/O操做。

若是svctm的值與await很接近，表示幾乎沒有I/O等待，磁盤性能很好，若是await的值遠高於svctm的值，則表示I/O隊列等待太長，系統上運行的應用程序將變慢。

若是%util接近100%，表示磁盤產生的I/O請求太多，I/O系統已經滿負荷的在工做，該磁盤可能存在瓶頸。

四.Network IO

對於UDP

1.良好狀態指標

接收、發送緩衝區不長時間有等待處理的網絡包

2.監控工具

• netstat

對於UDP服務，查看全部監聽的UDP端口的網絡狀況

$ watch netstat -lunp

Proto Recv-Q Send-Q Local Address           Foreign Address         State       PID/Program name

udp        0      0 0.0.0.0:64000           0.0.0.0:*                           -

udp        0      0 0.0.0.0:38400           0.0.0.0:*                           -

udp        0      0 0.0.0.0:38272           0.0.0.0:*                           -

udp        0      0 0.0.0.0:36992           0.0.0.0:*                           -

udp        0      0 0.0.0.0:17921           0.0.0.0:*                           -

udp        0      0 0.0.0.0:11777           0.0.0.0:*                           -

udp        0      0 0.0.0.0:14721           0.0.0.0:*                           -

udp        0      0 0.0.0.0:36225           0.0.0.0:*                           -

RecvQ、SendQ爲0，或者不長時間有數值是比較正常的。

對於UDP服務，查看丟包狀況（網卡收到了，可是應用層沒有處理過來形成的丟包）

$ watch netstat -su

Udp:

    278073881 packets received

    4083356897 packets to unknown port received.

    2474435364 packet receive errors

    1079038030 packets sent

packet receive errors 這一項數值增加了，則代表在丟包。

這裏有對packet receive errors的稍微詳細些的解釋，它包含了7種錯誤，and一般代表是checksum錯誤。不過咱們一般經過這個數值的變化來判斷UDP服務是否丟包（第2項錯誤），不知道是否有其餘什麼方法來判斷UDP的丟包？：

"packet receive errors" usually means:

1) data is truncated, error in checksum while copying

2) udp queue is full, so it needs to be dropped

3) unable to receive udp package from encapsulated socket

4) sock_queue_rcv_skb() failed with -ENOMEM

5) it is a short packet

6) no space for header in udp packet when validating packet

7) xfrm6_policy_check() fails

many times it means the checksum is not right.

對於TCP（來自davidshan單衛的經驗，thx~）

1.良好狀態指標

對於TCP而言，不會出現由於緩存不足而存在丟包的事，由於網絡等其餘緣由，致使丟了包，協議層也會經過重傳機制來保證丟的包到達對方。

因此，tcp而言更多的專一重傳率。

二、監控工具

# cat /proc/net/snmp | grep Tcp:

Tcp: RtoAlgorithm RtoMin RtoMax MaxConn ActiveOpens PassiveOpens AttemptFails EstabResets CurrEstab InSegs OutSegs RetransSegs InErrs OutRsts

Tcp: 1 200 120000 -1 78447 413 50234 221 3 5984652 5653408 156800 0 849

重傳率 = RetransSegs / OutSegs

至於這個值在多少範圍內，算ok的，得看具體的業務了。

業務側更關注的是響應時間