Linux性能優化必備,看完這篇文章，完全掌握"平均負載"

時間 2020-06-04

原文原文鏈接

最新互聯網大廠面試真題、Java程序員面試策略（面試前的準備、面試中的技巧）請訪問GitHub

每次發現系統變慢時，咱們一般作的第一件事，就是執行 top 或者 uptime 命令，來了解系統的負載狀況。好比像下面這樣，我在命令行裏輸入了 uptime 命令，系統也隨即給出告終果。ios

$ uptime
02:34:03 up 2 days, 20:14, 1 user, load average: 0.63, 0.83, 0.88

但我想問的是，你真的知道這裏每列輸出的含義嗎？git

我相信你對前面的幾列比較熟悉，它們分別是當前時間、系統運行時間以及正在登陸用戶數。程序員

02:34:03 // 當前時間
up 2 days, 20:14 // 系統運行時間
1 user // 正在登陸用戶數

而最後三個數字呢，依次則是過去 1 分鐘、5 分鐘、15 分鐘的平均負載（LoadAverage）。github

平均負載？這個詞對不少人來講，可能既熟悉又陌生，咱們天天的工做中，也都會提到這個詞，但你真正理解它背後的含義嗎？若是大家團隊來了一個實習生，他揪住你不放，你能給他講清楚什麼是平均負載嗎？面試

其實，6 年前，我就遇到過這樣的一個場景。公司一個實習生一直追問我，什麼是平均負載，我支支吾吾半天，最後也沒能解釋明白。明明總看到也總會用到，怎麼就說不明白呢？後來我靜下來想一想，其實仍是本身的功底不夠。ubuntu

因而，這幾年，我遇到問題，特別是基礎問題，都會多問本身幾個「爲何」，以求可以完全理解現象背後的本質原理，用起來更靈活，也更有底氣。網絡

今天，我就帶你來學習下，如何觀測和理解這個最多見、也是最重要的系統指標。ide

我猜必定有人會說，平均負載不就是單位時間內的 CPU 使用率嗎？上面的 0.63，就表明CPU 使用率是 63%。其實並非這樣，若是你方便的話，能夠經過執行 man uptime 命令，來了解平均負載的詳細解釋。工具

簡單來講，平均負載是指單位時間內，系統處於可運行狀態和不可中斷狀態的平均進程數，也就是平均活躍進程數，它和 CPU 使用率並無直接關係。這裏我先解釋下，可運行狀態和不可中斷狀態這倆詞兒。性能

所謂可運行狀態的進程，是指正在使用 CPU 或者正在等待 CPU 的進程，也就是咱們經常使用ps 命令看到的，處於 R 狀態（Running 或 Runnable）的進程。

不可中斷狀態的進程則是正處於內核態關鍵流程中的進程，而且這些流程是不可打斷的，好比最多見的是等待硬件設備的 I/O 響應，也就是咱們在 ps 命令中看到的 D 狀態（Uninterruptible Sleep，也稱爲 Disk Sleep）的進程。

好比，當一個進程向磁盤讀寫數據時，爲了保證數據的一致性，在獲得磁盤迴復前，它是不能被其餘進程或者中斷打斷的，這個時候的進程就處於不可中斷狀態。若是此時的進程被打斷了，就容易出現磁盤數據與進程數據不一致的問題。

因此，不可中斷狀態其實是系統對進程和硬件設備的一種保護機制。

所以，你能夠簡單理解爲，平均負載其實就是平均活躍進程數。平均活躍進程數，直觀上的理解就是單位時間內的活躍進程數，但它其實是活躍進程數的指數衰減平均值。這個「指數衰減平均」的詳細含義你不用計較，這只是系統的一種更快速的計算方式，你把它直接當成活躍進程數的平均值也沒問題。

既然平均的是活躍進程數，那麼最理想的，就是每一個 CPU 上都恰好運行着一個進程，這樣每一個 CPU 都獲得了充分利用。好比當平均負載爲 2 時，意味着什麼呢？

在只有 2 個 CPU 的系統上，意味着全部的 CPU 都恰好被徹底佔用。

在 4 個 CPU 的系統上，意味着 CPU 有 50% 的空閒。

而在只有 1 個 CPU 的系統中，則意味着有一半的進程競爭不到 CPU。

平均負載爲多少時合理

講完了什麼是平均負載，如今咱們再回到最開始的例子，不知道你可否判斷出，在 uptime命令的結果裏，那三個時間段的平均負載數，多大的時候能說明系統負載高？或是多小的時候就能說明系統負載很低呢？

咱們知道，平均負載最理想的狀況是等於 CPU 個數。因此在評判平均負載時，首先你要知道系統有幾個 CPU，這能夠經過 top 命令或者從文件 /proc/cpuinfo 中讀取，好比：

# 關於 grep 和 wc 的用法請查詢它們的手冊或者網絡搜索
$ grep 'model name' /proc/cpuinfo | wc -l
2

有了 CPU 個數，咱們就能夠判斷出，當平均負載比 CPU 個數還大的時候，系統已經出現了過載。

不過，且慢，新的問題又來了。咱們在例子中能夠看到，平均負載有三個數值，到底該參考哪個呢？

實際上，都要看。三個不一樣時間間隔的平均值，其實給咱們提供了，分析系統負載趨勢的數據來源，讓咱們能更全面、更立體地理解目前的負載情況。

打個比方，就像初秋時北京的天氣，若是隻看中午的溫度，你可能覺得還在 7 月份的大夏天呢。但若是你結合了早上、中午、晚上三個時間點的溫度來看，基本就能夠全方位瞭解這一天的天氣狀況了。

一樣的，前面說到的 CPU 的三個負載時間段也是這個道理。

若是 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。
但若是 1 分鐘的值遠小於 15 分鐘的值，就說明系統最近 1 分鐘的負載在減小，而過去15 分鐘內卻有很大的負載。
反過來，若是 1 分鐘的值遠大於 15 分鐘的值，就說明最近 1 分鐘的負載在增長，這種增長有可能只是臨時性的，也有可能還會持續增長下去，因此就須要持續觀察。一旦 1分鐘的平均負載接近或超過了 CPU 的個數，就意味着系統正在發生過載的問題，這時就得分析調查是哪裏致使的問題，並要想辦法優化了。

這裏我再舉個例子，假設咱們在一個單 CPU 系統上看到平均負載爲 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，從總體趨勢來看，系統的負載在下降。

那麼，在實際生產環境中，平均負載多高時，須要咱們重點關注呢？

在我看來，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。一旦負載太高，就可能致使進程響應變慢，進而影響服務的正常功能。

但 70% 這個數字並非絕對的，最推薦的方法，仍是把系統的平均負載監控起來，而後根據更多的歷史數據，判斷負載的變化趨勢。當發現負載有明顯升高趨勢時，好比說負載翻倍了，你再去作分析和調查。

平均負載與 CPU 使用率

現實工做中，咱們常常容易把平均負載和 CPU 使用率混淆，因此在這裏，我也作一個區分。

可能你會疑惑，既然平均負載表明的是活躍進程數，那平均負載高了，不就意味着 CPU 使用率高嗎？

咱們仍是要回到平均負載的含義上來，平均負載是指單位時間內，處於可運行狀態和不可中斷狀態的進程數。因此，它不只包括了正在使用 CPU的進程，還包括等待 CPU和等待I/O的進程。

而 CPU 使用率，是單位時間內 CPU 繁忙狀況的統計，跟平均負載並不必定徹底對應。好比：

CPU 密集型進程，使用大量 CPU 會致使平均負載升高，此時這二者是一致的；

I/O 密集型進程，等待 I/O 也會致使平均負載升高，但 CPU 使用率不必定很高；

大量等待 CPU 的進程調度也會致使平均負載升高，此時的 CPU 使用率也會比較高。

平均負載案例分析

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

由於案例分析都是基於機器上的操做，因此不要只是聽聽、看看就夠了，最好仍是跟着我實際操做一下。

前提準備

下面的案例都是基於 Ubuntu 18.04，固然，一樣適用於其餘 Linux 系統。我使用的案例環境以下所示。

機器配置：2 CPU，8GB 內存。

預先安裝 stress 和 sysstat 包，如 apt install stress sysstat。

在這裏，我先簡單介紹一下 stress 和 sysstat。

stress 是一個 Linux 系統壓力測試工具，這裏咱們用做異常進程模擬平均負載升高的場景。

而 sysstat 包含了經常使用的 Linux 性能工具，用來監控和分析系統的性能。咱們的案例會用到這個包的兩個命令 mpstat 和 pidstat。

mpstat 是一個經常使用的多核 CPU 性能分析工具，用來實時查看每一個 CPU 的性能指標，以及全部 CPU 的平均指標。

pidstat 是一個經常使用的進程性能分析工具，用來實時查看進程的 CPU、內存、I/O 以及上下文切換等性能指標。

此外，每一個場景都須要你開三個終端，登陸到同一臺 Linux 機器中。

實驗以前，你先作好上面的準備。若是包的安裝有問題，能夠先在 Google 一下自行解決，若是仍是解決不了，再來留言區找我，這事兒應該不難。

另外要注意，下面的全部命令，咱們都是默認以 root 用戶運行。因此，若是你是用普通用戶登錄的系統，必定要先運行 sudo su root 命令切換到 root 用戶。

若是上面的要求都已經完成了，你能夠先用 uptime 命令，看一下測試前的平均負載狀況：

$ uptime
..., load average: 0.11, 0.15, 0.09

場景一：CPU 密集型進程

首先，咱們在第一個終端運行 stress 命令，模擬一個 CPU 使用率 100% 的場景：

$ stress --cpu 1 --timeout 600

接着，在第二個終端運行 uptime 查看平均負載的變化狀況：

# -d 參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，在第三個終端運行 mpstat 查看 CPU 使用率的變化狀況：

# -P ALL表示監控全部CPU，後面數字5表示間隔5秒後輸出一組數據
$ 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
13:30:11     all   50.05    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00
13:30:11       0    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00
13:30:11       1  100.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00    0.00

從終端二中能夠看到，1 分鐘的平均負載會慢慢增長到 1.00，而從終端三中還能夠看到，正好有一個 CPU 的使用率爲 100%，但它的 iowait 只有 0。這說明，平均負載的升高正是因爲 CPU 使用率爲 100% 。

那麼，究竟是哪一個進程致使了 CPU 使用率爲 100% 呢？你可使用 pidstat 來查詢：

#間隔5秒後輸出一組數據
$ 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

從這裏能夠明顯看到，stress 進程的 CPU 使用率爲 100%。

場景二：I/O密集型進程

首先仍是運行stress命令，但此次模擬I/O壓力，即不停地執行sync：

1$ stress -i 1 --timeout 600

仍是在第二個終端運行 uptime 查看平均負載的變化狀況：

$ watch -d uptime
...,  load average: 1.06, 0.58, 0.37

而後，第三個終端運行 mpstat 查看CPU使用率的變化狀況：

#顯示全部CPU的指標，並在間隔5秒輸出一組數據
$ 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
13:41:33     all    0.21    0.00   12.07   32.67    0.00    0.21    0.00    0.00    0.00
13:41:33       0    0.43    0.00   23.87   67.53    0.00    0.43    0.00    0.00    0.00
13:41:33       1    0.00    0.00    0.81    0.20    0.00    0.00    0.00    0.00    0.00

從這裏能夠看到，1 分鐘的平均負載會慢慢增長到 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，平均負載的升高是因爲 iowait 的升高。

那麼究竟是哪一個進程，致使 iowait 這麼高呢？咱們仍是用 pidstat 來查詢：

1#間隔5秒後輸出一組數據，-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

能夠發現，仍是stress進程致使的。

場景三：大量進程的場景

當系統中運行進程超出 CPU 運行能力時，就會出現等待 CPU 的進程。好比，咱們仍是使用 stress，但此次模擬的是 8 個進程：

1$ stress -c 8 --timeout 600

因爲系統只有 2 個 CPU，明顯比 8 個進程要少得多，於是，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

接着再運行 pidstat 來看一下進程的狀況：

#間隔5秒後輸出一組數據
$ 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

能夠看出，8 個進程在爭搶 2 個 CPU，每一個進程等待 CPU 的時間（也就是代碼塊中的%wait 列）高達 75%。這些超出 CPU 計算能力的進程，最終致使 CPU 過載。