So Hot？快給 CPU 降降溫！

時間 2021-02-19

標籤 html linux ios git github 數據庫性能優化服務器網絡併發欄目 HTML 简体版

原文原文鏈接

做者：夏明（涯海）
創做日期：2019-08-14
專欄地址：【穩定大於一切】

CPU（Central Processing Unit）是計算機系統的運算和控制核心，是信息處理、程序運行的最終執行單元，至關於系統的「大腦」。當 CPU 過於繁忙，就像「人腦」併發處理過多的事情，會下降作事的效率，嚴重時甚至會致使崩潰「宕機」。所以，理解 CPU 的工做原理，合理控制負載，是保障系統穩定持續運行的重要手段。html

CPU 的物理核與邏輯核

一臺機器可能包含多塊 CPU 芯片，多個 CPU 之間經過系統總線通訊。linux

一塊 CPU 芯片可能包含多個物理核，每一個物理核都是一個實打實的運算核心（包括運算器、存儲器等）。ios

超線程（Hyper-Threading）技術可讓一個物理核在單位時間內同時處理兩個線程，變成兩個邏輯核。但它不會擁有傳統單核 2 倍的處理能力，也不可能提供完整的並行處理能力。git

舉個例子，假設一個 CPU 芯片就是一個班級；它有 2 個物理核，也就是 2 個同窗，老師讓他們分別擔任班長和體育委員；過了一段時間，校長要求每一個班級還要有學習委員和生活委員，理論上還須要 2 位同窗，可是這個班級只有 2 我的，最後老師只能讓班長和體育委員兼任。github

這樣一來，對於不瞭解的人來講，這個班級有班長、體育委員、學習委員和生活委員 4 個職位，應該有 4 我的，每一個職位就是一個邏輯核；可是，實際上這個班級只有 2 位同窗，也就是隻有 2 個物理核，雖然他們能夠作 4 份工做，可是不能把他們當作 4 我的。數據庫

如何查詢 CPU 信息？

在 Linux 系統下，能夠從 /proc/cpuinfo 文件中讀取 CPU 信息，以下圖所示：性能優化

查看 CPU 個數：

cat /proc/cpuinfo | grep 'physical id' | sort | uniq | wc -l

查看 CPU 物理核數：

cat /proc/cpuinfo | grep 'cpu cores' | sort | uniq

查看 CPU 邏輯核數：

cat /proc/cpuinfo | grep 'siblings' | sort | uniq

什麼是 CPU 使用率？

CPU 使用率就是 CPU 非空閒態運行的時間佔比，它反映了 CPU 的繁忙程度。好比，單核 CPU 1s 內非空閒態運行時間爲 0.8s，那麼它的 CPU 使用率就是 80%；雙核 CPU 1s 內非空閒態運行時間分別爲 0.4s 和 0.6s，那麼，整體 CPU 使用率就是 (0.4s + 0.6s) / (1s * 2) = 50%，其中 2 表示 CPU 核數，多核 CPU 同理。服務器

在 Linux 系統下，使用 top 命令查看 CPU 使用狀況，能夠獲得以下信息：網絡

Cpu(s):  0.2%us,  0.1%sy,  0.0%ni, 77.5%id,  2.1%wa,  0.0%hi,  0.0%si, 20.0%st

us(user)：表示 CPU 在用戶態運行的時間百分比，一般用戶態 CPU 高表示有應用程序比較繁忙。典型的用戶態程序包括：數據庫、Web 服務器等。
sy(sys)：表示 CPU 在內核態運行的時間百分比（不包括中斷），一般內核態 CPU 越低越好，不然表示系統存在某些瓶頸。
ni(nice)：表示用 nice 修正進程優先級的用戶態進程執行的 CPU 時間。nice 是一個進程優先級的修正值，若是進程經過它修改了優先級，則會單獨統計 CPU 開銷。
id(idle)：表示 CPU 處於空閒態的時間佔比，此時，CPU 會執行一個特定的虛擬進程，名爲 System Idle Process。
wa(iowait)：表示 CPU 在等待 I/O 操做完成所花費的時間，一般該指標越低越好，不然表示 I/O 存在瓶頸，能夠用 iostat 等命令作進一步分析。
hi(hardirq)：表示 CPU 處理硬中斷所花費的時間。硬中斷是由外設硬件（如鍵盤控制器、硬件傳感器等）發出的，須要有中斷控制器參與，特色是快速執行。
si(softirq)：表示 CPU 處理軟中斷所花費的時間。軟中斷是由軟件程序（如網絡收發、定時調度等）發出的中斷信號，特色是延遲執行。
st(steal)：表示 CPU 被其餘虛擬機佔用的時間，僅出如今多虛擬機場景。若是該指標太高，能夠檢查下宿主機或其餘虛擬機是否異常。

因爲 CPU 有多種非空閒態，所以，CPU 使用率計算公式能夠總結爲：CPU 使用率 = (1 - 空閒態運行時間/總運行時間) * 100%。併發

根據經驗法則， 建議生產系統的 CPU 總使用率不要超過 70%。

什麼是平均負載？

平均負載（Load Average）是指單位時間內，系統處於 可運行狀態（Running / Runnable） 和 不可中斷態 的平均進程數，也就是 平均活躍進程數。

可運行態進程包括正在使用 CPU 或者等待 CPU 的進程；不可中斷態進程是指處於內核態關鍵流程中的進程，而且該流程不可被打斷。好比當進程向磁盤寫數據時，若是被打斷，就可能出現磁盤數據與進程數據不一致。 不可中斷態，本質上是系統對進程和硬件設備的一種保護機制。

在 Linux 系統下，使用 top 命令查看平均負載，能夠獲得以下信息：

load average: 1.09, 1.12, 1.52

這 3 個數字分別表示 1分鐘、5分鐘、15分鐘內系統的平均負載。該值越小，表示系統工做量越少，負荷越低；反之負荷越高。

平均負載爲多少更合理？

理想狀況下，每一個 CPU 應該滿負荷工做，而且沒有等待進程，此時，平均負載 = CPU 邏輯核數。

可是，在實際生產系統中，不建議系統滿負荷運行。通用的經驗法則是：平均負載 = 0.7 * CPU 邏輯核數。

當平均負載持續大於 0.7 * CPU 邏輯核數，就須要開始調查緣由，防止系統惡化；
當平均負載持續大於 1.0 * CPU 邏輯核數，必須尋找解決辦法，下降平均負載；
當平均負載持續大於 5.0 * CPU 邏輯核數，代表系統已出現嚴重問題，長時間未響應，或者接近死機。

除了關注平均負載值自己，咱們也應關注平均負載的變化趨勢，這包含兩層含義。一是 load一、load五、load15 之間的變化趨勢；二是歷史的變化趨勢。

當 load一、load五、load15 三個值很是接近，代表短時間內系統負載比較平穩。此時，應該將其與昨天或上週同時段的歷史負載進行比對，觀察是否有顯著上升。
當 load1 遠小於 load5 或 load15 時，代表系統最近 1 分鐘的負載在下降，而過去 5 分鐘或 15 分鐘的平均負載卻很高。
當 load1 遠大於 load5 或 load15 時，代表系統負載在急劇升高，若是不是臨時性抖動，而是持續升高，特別是當 load5 都已超過 0.7 * CPU 邏輯核數 時，應調查緣由，下降系統負載。

CPU 使用率與平均負載的關係

CPU 使用率是單位時間內 CPU 繁忙程度的統計。而平均負載不只包括正在使用 CPU 的進程，還包括等待 CPU 或 I/O 的進程。所以，二者不能等同，有兩種常見的場景以下所述：

CPU 密集型應用，大量進程在等待或使用 CPU，此時 CPU 使用率與平均負載呈正相關狀態。
I/O 密集型應用，大量進程在等待 I/O，此時平均負載會升高，但 CPU 使用率不必定很高。

爲了更深刻的理解 CPU 使用率與平均負載的關係，咱們舉一個例子：假設如今有一個電話亭，有 4 我的在等待打電話，電話亭同一時刻只能容納 1 我的打電話，只有拿起電話筒纔算是真正使用。

那麼 CPU 使用率就是拿起電話筒的時間佔比，它只取決於在電話亭裏的人的行爲，與平均負載沒有很是直接的關係。而平均負載是指在電話亭裏的人加上排隊的總人數，以下圖所示:

性能優化實戰

不管是 CPU 使用率，仍是平均負載，都只是反映系統健康狀態的度量指標，而不是問題的根因。所以，它們的價值主要體如今兩個方面： 一是綜合反映當前系統的健康程度，結合監控告警產品，實現快速響應；二是初步定位問題方向，縮小排查範圍，下降故障恢復時間。 好比當 CPU iowait 高時，應優先排查磁盤 I/O；當 CPU steal 高時，就優先排查宿主機狀態。

CPU 涵蓋的問題場景有不少，限於篇幅限制，下面以最多見的用戶態 CPU 使用率高爲例，介紹下 Java 應用的排查思路，其餘場景留待後續分享，推薦閱讀《如何迅速分析出系統CPU的瓶頸在哪裏？》。