linux loadavg详解（top cpu load）

Loadavg分析

Loadavg浅述

cat /proc/loadavg可以看到当前系统的load
$ cat /proc/loadavg
0.01 0.02 0.05 2/317 26207
前面三个值分别对应系统当前1分钟、5分钟、15分钟内的平均load。load用于反映当前系统的负载情况，对于16核的系统，如果每个核上cpu利用率为30%，则在不存在uninterruptible进程的情况下，系统load应该维持在4.8左右。对16核系统，如果load维持在16左右，在不存在uninterrptible进程的情况下，意味着系统CPU几乎不存在空闲状态，利用率接近于100%。结合iowait、vmstat和loadavg可以分析出系统当前的整体负载，各部分负载分布情况。

Loadavg读取

在内核中/proc/loadavg是通过load_read_proc来读取相应数据，下面首先来看一下load_read_proc的实现：

fs/proc/proc_misc.c

static int loadavg_read_proc(char *page, char **start, off_t off,

                                 int count, int *eof, void *data)

{

        int a, b, c;

        int len; 

        a = avenrun[] + (FIXED_1/);

        b = avenrun[] + (FIXED_1/);

        c = avenrun[] + (FIXED_1/);

        len = sprintf(page,"%d.%02d %d.%02d %d.%02d %ld/%d %d\n",

                LOAD_INT(a), LOAD_FRAC(a),

                LOAD_INT(b), LOAD_FRAC(b),

                LOAD_INT(c), LOAD_FRAC(c),

                nr_running(), nr_threads, last_pid);

        return proc_calc_metrics(page, start, off, count, eof, len);

}

几个宏定义如下：

#define FSHIFT          11              /* nr of bits of precision */

#define FIXED_1         (1<<FSHIFT)     /* 1.0 as fixed-point */

#define LOAD_INT(x) ((x) >> FSHIFT)

#define LOAD_FRAC(x) LOAD_INT(((x) & (FIXED_1-1)) * 100)

根据输出格式，LOAD_INT对应计算的是load的整数部分，LOAD_FRAC计算的是load的小数部分。
将a=avenrun[0] + (FIXED_1/200）带入整数部分和小数部分计算可得：

LOAD_INT(a) = avenrun[]/(^) + /

LOAD_FRAC(a) = ((avenrun[]%(^) + ^/) * ) / (^)

             = (((avenrun[]%(^)) *  + ^) / (^)

             = ((avenrun[]%(^) * ) / (^) + ½

由上述计算结果可以看出，FIXED_1/200在这里是用于小数部分第三位的四舍五入，由于小数部分只取前两位，第三位如果大于5，则进一位，否则直接舍去。

临时变量a/b/c的低11位存放的为load的小数部分值，第11位开始的高位存放的为load整数部分。因此可以得到a=load(1min) * 2^11
因此有: load(1min) * 2^11 = avenrun[0] + 2^11 / 200
进而推导出： load(1min)=avenrun[0]/(2^11) + 1/200
忽略用于小数部分第3位四舍五入的1/200，可以得到load(1min)=avenrun[0] / 2^11，即：
avenrun[0] = load(1min) * 2^11

avenrun是个陌生的量，这个变量是如何计算的，和系统运行进程、cpu之间的关系如何，在第二阶段进行分析。

Loadavg和进程之间的关系

内核将load的计算和load的查看进行了分离，avenrun就是用于连接load计算和load查看的桥梁。
下面开始分析通过avenrun进一步分析系统load的计算。
avenrun数组是在calc_load中进行更新

kernel/timer.c

/*

* calc_load - given tick count, update the avenrun load estimates.

* This is called while holding a write_lock on xtime_lock.

*/

static inline void calc_load(unsigned long ticks)

{

        unsigned long active_tasks; /* fixed-point */

        static int count = LOAD_FREQ;

        count -= ticks;

        if (count < ) {

                count += LOAD_FREQ;

                active_tasks = count_active_tasks();

                CALC_LOAD(avenrun[], EXP_1, active_tasks);

                CALC_LOAD(avenrun[], EXP_5, active_tasks);

                CALC_LOAD(avenrun[], EXP_15, active_tasks);

        }

}

static unsigned long count_active_tasks(void)

{

        return nr_active() * FIXED_1;

}

#define LOAD_FREQ       (5*HZ)          /* 5 sec intervals */

#define EXP_1           1884            /* 1/exp(5sec/1min) as fixed-point */

#define EXP_5           2014            /* 1/exp(5sec/5min) */

#define EXP_15          2037            /* 1/exp(5sec/15min) */

calc_load在每个tick都会执行一次，每个LOAD_FREQ（5s）周期执行一次avenrun的更新。
active_tasks为系统中当前贡献load的task数nr_active乘于FIXED_1，用于计算avenrun。宏CALC_LOAD定义如下：

#define CALC_LOAD(load,exp,n) \

       load *= exp; \

       load += n*(FIXED_1-exp); \

       load >>= FSHIFT;

用avenrun(t-1)和avenrun(t)分别表示上一次计算的avenrun和本次计算的avenrun，则根据CALC_LOAD宏可以得到如下计算：

avenrun(t)=(avenrun(t-) * EXP_N + nr_active * FIXED_1*(FIXED_1 – EXP_N)) / FIXED_1

          = avenrun(t-) + (nr_active*FIXED_1 – avenrun(t-)) * (FIXED_1 -EXP_N) / FIXED_1

推导出：

avenrun(t) – avenrun(t-1) = (nr_active*FIXED_1 – avenrun(t-1)) * (FIXED_1 – EXP_N) / FIXED_1

将第一阶段推导的结果代入上式，可得：

(load(t) – load(t-1)) * FIXED_1 = (nr_active – load(t-1)) * (FIXED_1 – EXP_N)

进一步得到nr_active变化和load变化之间的关系式：

load(t) – load(t-1) = (nr_active – load(t-1)) * (FIXED_1 – EXP_N) / FIXED_1

这个式子可以反映的内容包含如下两点：
1）当nr_active为常数时，load会不断的趋近于nr_active，趋近速率由快逐渐变缓
2）nr_active的变化反映在load的变化上是被降级了的，系统突然间增加10个进程，
1分钟load的变化每次只能够有不到1的增加（这个也就是权重的的分配）。

另外也可以通过将式子简化为：

load(t)= load(t-1) * EXP_N / FIXED_1 + nr_active * (1 - EXP_N/FIXED_1)

这样可以更加直观的看出nr_active和历史load在当前load中的权重关系（多谢任震宇大师的指出）

#define EXP_1           1884            /* 1/exp(5sec/1min) as fixed-point */

#define EXP_5           2014            /* 1/exp(5sec/5min) */

#define EXP_15          2037            /* 1/exp(5sec/15min) */

1分钟、5分钟、15分钟对应的EXP_N值如上，随着EXP_N的增大，(FIXED_1 – EXP_N)/FIXED_1值就越小，
这样nr_active的变化对整体load带来的影响就越小。对于一个nr_active波动较小的系统，load会
不断的趋近于nr_active，最开始趋近比较快，随着相差值变小，趋近慢慢变缓，越接近时越缓慢，并最
终达到nr_active。如下图所示：
文件:load 1515.jpg(无图）

也因此得到一个结论，load直接反应的是系统中的nr_active。那么nr_active又包含哪些？如何去计算
当前系统中的nr_active？这些就涉及到了nr_active的采样。

Loadavg采样

nr_active直接反映的是为系统贡献load的进程总数，这个总数在nr_active函数中计算：

kernel/sched.c

unsigned long nr_active(void)

{

        unsigned long i, running = , uninterruptible = ; 

        for_each_online_cpu(i) {

                running += cpu_rq(i)->nr_running;

                uninterruptible += cpu_rq(i)->nr_uninterruptible;

        } 

        if (unlikely((long)uninterruptible < ))

                uninterruptible = ; 

        return running + uninterruptible;

}

#define TASK_RUNNING            0

#define TASK_INTERRUPTIBLE      1

#define TASK_UNINTERRUPTIBLE    2

#define TASK_STOPPED            4

#define TASK_TRACED             8

/* in tsk->exit_state */

#define EXIT_ZOMBIE             16

#define EXIT_DEAD               32

/* in tsk->state again */

#define TASK_NONINTERACTIVE     64

该函数反映，为系统贡献load的进程主要包括两类，一类是TASK_RUNNING，一类是TASK_UNINTERRUPTIBLE。
当5s采样周期到达时，对各个online-cpu的运行队列进行遍历，取得当前时刻该队列上running和uninterruptible的
进程数作为当前cpu的load，各个cpu load的和即为本次采样得到的nr_active。

下面的示例说明了在2.6.18内核情况下loadavg的计算方法：

18内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load
0HZ+10	1	1	1	0	0	0	0	0	0
5HZ	0	0	0	0	1	1	1	1	4
5HZ+1	0	1	1	1	0	0	0	0	0
5HZ+9	0	0	0	0	0	1	1	1	0
5HZ+11	1	1	1	0	0	0	0	0	0

18内核计算loadavg存在的问题

xtime_lock解析

内核在5s周期执行一次全局load的更新，这些都是在calc_load函数中执行。追寻calc_load的调用：

kernel/timer.c

static inline void update_times(void)

{

        unsigned long ticks; 

        ticks = jiffies - wall_jiffies;

        wall_jiffies += ticks;

        update_wall_time();

        calc_load(ticks);

}

update_times中更新系统wall time，然后执行全局load的更新。

kernel/timer.c

void do_timer(struct pt_regs *regs)

{

        jiffies_64++;

        /* prevent loading jiffies before storing new jiffies_64 value. */

        barrier();

        update_times();

}

do_timer中首先执行全局时钟jiffies的更新，然后是update_times。

void main_timer_handler(struct pt_regs *regs)

{

...

        write_seqlock(&xtime_lock);

...

        do_timer(regs);

#ifndef CONFIG_SMP

        update_process_times(user_mode(regs));

#endif

...

        write_sequnlock(&xtime_lock);

}

对wall_time和全局jiffies的更新都是在加串行锁（sequence lock）xtime_lock之后执行的。

include/linux/seqlock.h

static inline void write_seqlock(seqlock_t *sl)

{

        spin_lock(&sl->lock);

        ++sl->sequence;

        smp_wmb();

} 

static inline void write_sequnlock(seqlock_t *sl)

{

        smp_wmb();

        sl->sequence++;

        spin_unlock(&sl->lock);

} 

typedef struct {

        unsigned sequence;

        spinlock_t lock;

} seqlock_t;

sequence lock内部保护一个用于计数的sequence。Sequence lock的写锁是通过spin_lock实现的，
在spin_lock后对sequence计数器执行一次自增操作，然后在锁解除之前再次执行sequence的自增操作。
sequence初始化时为0。这样，当锁内部的sequence为奇数时，说明当前该sequence lock的写锁正被拿，
读和写可能不安全。如果在写的过程中，读是不安全的，那么就需要在读的时候等待写锁完成。对应读锁使用如下：

#if (BITS_PER_LONG < 64)

u64 get_jiffies_64(void)

{

        unsigned long seq;

        u64 ret;  

        do {

                seq = read_seqbegin(&xtime_lock);

                ret = jiffies_64;

        } while (read_seqretry(&xtime_lock, seq));

        return ret;

} 

EXPORT_SYMBOL(get_jiffies_64);

#endif

读锁实现如下：

static __always_inline unsigned read_seqbegin(const seqlock_t *sl)

{

        unsigned ret = sl->sequence;

        smp_rmb();

        return ret;

} 

static __always_inline int read_seqretry(const seqlock_t *sl, unsigned iv)

{

        smp_rmb();

        /*iv为读之前的锁计数器

        * 当iv为基数时，说明读的过程中写锁被拿，可能读到错误值

        * 当iv为偶数，但是读完之后锁的计数值和读之前不一致，则说明读的过程中写锁被拿，

        * 也可能读到错误值。

        */

        return (iv & ) | (sl->sequence ^ iv);

}

至此xtime_lock的实现解析完毕，由于对应写锁基于spin_lock实现，多个程序竞争写锁时等待者会一直循环等待，
当锁里面处理时间过长，会导致整个系统的延时增长。另外，如果系统存在很多xtime_lock的读锁，在某个程
序获取该写锁后，读锁就会进入类似spin_lock的循环查询状态，直到保证可以读取到正确值。因此需要尽可能
短的减少在xtime_lock写锁之间执行的处理流程。

全局load读写分离解xtime_lock问题

在计算全局load函数calc_load中，每5s需要遍历一次所有cpu的运行队列，获取对应cpu上的load。1）由于cpu个数是不固
定的，造成calc_load的执行时间不固定，在核数特别多的情况下会造成xtime_lock获取的时间过长。2）calc_load是
每5s一次的采样程序，本身并不能够精度特别高，对全局avenrun的读和写之间也不需要专门的锁保护，可以将全局load的
更新和读进行分离。
Dimitri Sivanich提出在他们的large SMP系统上，由于calc_load需要遍历所有online CPU，造成系统延迟较大。
基于上述原因Thomas Gleixnert提交了下述patch对该bug进行修复：

[Patch 1/2] sched, timers: move calc_load() to scheduler

[Patch 2/2] sched, timers: cleanup avenrun users

文件:rw isolate.jpg

Thomas的两个patch，主要思想如上图所示。首先将全局load的计算分离到per-cpu上，各个cpu上计算load时不加xtime_lock
的锁，计算的load更新到全局calc_load_tasks中，所有cpu上load计算完后calc_load_tasks即为整体的load。在5s定
时器到达时执行calc_global_load，读取全局cacl_load_tasks，更新avenrun。由于只是简单的读取calc_load_tasks，
执行时间和cpu个数没有关系。

几个关键点：

不加xtime_lock的per cpu load计算

在不加xtime_lock的情况下，如何保证每次更新avenrun时候读取的calc_load_tasks为所有cpu已经更新之后的load？

Thomas的解决方案

Thomas的做法是将定时器放到sched_tick中，每个cpu都设置一个LOAD_FREQ定时器。
定时周期到达时执行当前处理器上load的计算。sched_tick在每个tick到达时执行
一次，tick到达是由硬件进行控制的，客观上不受系统运行状况的影响。

sched_tick的时机

将per-cpu load的计算放至sched_tick中执行，第一反应这不是又回到了时间处理中断之间，是否依旧
存在xtime_lock问题？下面对sched_tick进行分析（以下分析基于linux-2.6.32-220.17.1.el5源码）

static void update_cpu_load_active(struct rq *this_rq)

{

        update_cpu_load(this_rq); 

        calc_load_account_active(this_rq);

}

void scheduler_tick(void)

{

        int cpu = smp_processor_id();

        struct rq *rq = cpu_rq(cpu);

...

        spin_lock(&rq->lock);

...

        update_cpu_load_active(rq);

...

        spin_unlock(&rq->lock); 

...

} 

void update_process_times(int user_tick)

{

...

        scheduler_tick();

...

}

static void tick_periodic(int cpu)

{

        if (tick_do_timer_cpu == cpu) {

                write_seqlock(&xtime_lock); 

                /* Keep track of the next tick event */

                tick_next_period = ktime_add(tick_next_period, tick_period); 

                do_timer();  // calc_global_load在do_timer中被调用

                write_sequnlock(&xtime_lock);

        } 

        update_process_times(user_mode(get_irq_regs()));

...

}

void tick_handle_periodic(struct clock_event_device *dev)

{

        int cpu = smp_processor_id();

...

        tick_periodic(cpu);

...

}

交错的时间差

将per-cpu load的计算放到sched_tick中后，还存在一个问题就是何时执行per-cpu上的load计算，如何保证更新全
局avenrun时读取的全局load为所有cpu都计算之后的？当前的方法是给所有cpu设定同样的步进时间LOAD_FREQ，
过了这个周期点当有tick到达则执行该cpu上load的计算，更新至全局的calc_load_tasks。calc_global_load
的执行点为LOAD_FREQ+10，即在所有cpu load计算执行完10 ticks之后，读取全局的calc_load_tasks更新avenrun。

32内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load_tasks
0HZ+10	0	0	0	0	0	0	0	0	0
5HZ	1	1	1	1	1	1	1	1	0
5HZ+1	0	1	1	1	0	0	0	0	0
		+1	+1	+1					1+1+1=3
5HZ+11	0	1	1	1	0	0	0	0	3
calc_global_load	<--	--	--	--	--	--	--	--	3

通过将calc_global_load和per-cpu load计算的时间进行交错，可以避免calc_global_load在各个cpu load计算之间执行，
导致load采样不准确问题。

32内核Load计数nohz问题

一个问题的解决，往往伴随着无数其他问题的诞生！Per-cpu load的计算能够很好的分离全局load的更新和读取，避免大型系统中cpu
核数过多导致的xtime_lock问题。但是也同时带来了很多其他需要解决的问题。这其中最主要的问题就是nohz问题。

为避免cpu空闲状态时大量无意义的时钟中断，引入了nohz技术。在这种技术下，cpu进入空闲状态之后会关闭该cpu对应的时钟中断，等
到下一个定时器到达，或者该cpu需要执行重新调度时再重新开启时钟中断。

cpu进入nohz状态后该cpu上的时钟tick停止，导致sched_tick并非每个tick都会执行一次。这使得将per-cpu的load计算放在
sched_tick中并不能保证每个LOAD_FREQ都执行一次。如果在执行per-cpu load计算时，当前cpu处于nohz状态，那么当
前cpu上的sched_tick就会错过，进而错过这次load的更新，最终全局的load计算不准确。
基于Thomas第一个patch的思想，可以在cpu调度idle时对nohz情况进行处理。采用的方式是在当前cpu进入idle前进行一次该cpu
上load的更新，这样即便进入了nohz状态，该cpu上的load也已经更新至最新状态，不会出现不更新的情况。如下图所示：

32内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load_tasks
0HZ+11	1	1	1	0	0	0	0	0	3
5HZ	0	0	0	0	3	2	1	3	0
	-1	-1	-1						3-3=0
5HZ+1	0	1	1	1	1	1	1	1	1
		+1	+1	+1	+1	+1	+1	+1	0+1+...+1=7
5HZ+11	0	1	1	1	1	1	1	1	7
calc_global_load	<--	--	--	--	--	--	--	--	7

理论上，该方案很好的解决了nohz状态导致全局load计数可能不准确的问题，事实上这却是一个苦果的开始。大量线上应用反馈
最新内核的load计数存在问题，在16核机器cpu利用率平均为20%~30%的情况下，整体load却始终低于1。

解决方案

接到我们线上报告load计数偏低的问题之后，进行了研究。最初怀疑对全局load计数更新存在竞争。对16核的系统，如果都没有进入
nohz状态，那么这16个核都将在LOAD_FREQ周期到达的那个tick内执行per-cpu load的计算，并更新到全局的load中，这
之间如果存在竞争，整体计算的load就会出错。当前每个cpu对应rq都维护着该cpu上一次计算的load值，如果发现本次计算load
和上一次维护的load值之间差值为0，则不用更新全局load，否则将差值更新到全局load中。正是由于这个机制，全局load如果被
篡改，那么在各个cpu维护着自己load的情况下，全局load最终将可能出现负值。而负值通过各种观察，并没有在线上出现，最终竞
争条件被排除。

通过/proc/sched_debug对线上调度信息进行分析，发现每个时刻在cpu上运行的进程基本维持在2~3个，每个时刻运行有进程的cpu都
不一样。进一步分析，每个cpu上平均每秒出现sched_goidle的情况大概为1000次左右。因此得到线上每次进入idle的间隔为1ms/次。
结合1HZ=1s=1000ticks，可以得到1tick =1ms。所以可以得到线上应用基本每一个tick就会进入一次idle！！！这个发现就好比
原来一直用肉眼看一滴水，看着那么完美那么纯净，突然间给你眼前架了一个放大镜，一下出现各种凌乱的杂碎物。在原有的世界里，
10ticks是那么的短暂，一个进程都可能没有运行完成，如今发现10ticks内调度idle的次数就会有近10次。接着用例子对应用场景进行分析：

32内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load_tasks
0HZ+11	1	1	1	0	0	0	0	0	3
5HZ	0	0	0	1	1	1	0	0
	-1	-1	-1						3-3=0
5HZ+1	1	0	0	0	0	0	1	1
	+1						+1	+1	0+1+1+1=3
5HZ+3	0	1	1	1	0	0	0	0	3
	-1						-1	-1	3-1-1-1=0
5HZ+5	0	0	0	0	1	1	1	0	0
5HZ+11	1	0	0	0	0	0	1	1	0
calc_global_load	<--	--	--	--	--	--	--	--	0

(说明：可能你注意到了在5HZ+5到5HZ+11过程中也有CPU从非idle进入了idle，但是为什么没有-1，这里是由于每个cpu都保留
了一份该CPU上一次计算时的load，如果load没有变化则不进行计算，这几个cpu上一次计算load为0，并没有变化)

Orz！load为3的情况直接算成了0，难怪系统整体load会偏低。这里面的一个关键点是：对已经计算过load的cpu，我们对idle进
行了计算，却从未考虑过这给从idle进入非idle的情况带来的不公平性。这个是当前线上2.6.32系统存在的问题。在定位到问题
之后，跟进到upstream中发现Peter Z针对该load计数问题先后提交了三个patch，最新的一个patch是在4月份提交。这三个
patch如下：

[Patch] sched: Cure load average vs NO_HZ woes

[Patch] sched: Cure more NO_HZ load average woes

[Patch] sched: Fix nohz load accounting – again!

这是目前我们backport的patch，基本思想是将进入idle造成的load变化暂时记录起来，不是每次进入idle都导致全局load的更新。
这里面的难点是什么时候将idle更新至全局的load中？在最开始计算per-cpu load的时候需要将之前所有的idle都计算进来，
由于目前各个CPU执行load计算的先后顺序暂时没有定，所以将这个计算放在每个cpu里面都计算一遍是一种方法。接着用示例进行说明：

32内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load_tasks	tasks_idle
0HZ+11	1	1	1	0	0	0	0	0	3	0
5HZ	0	0	0	1	1	1	0	0
	-1	-1	-1						3	-3
5HZ+1	1	0	0	0	0	0	1	1	3
	+1						+1	+1	3-3+1+1+1=3	0
5HZ+3	0	1	1	1	0	0	0	0	3
5HZ+3	-1						-1	-1	3	-1-1-1=-3
5HZ+5	0	0	0	0	1	1	1	0	3
5HZ+11	1	0	0	0	0	0	1	1	3
calc_global_load	<--	--	--	--	--	--	--	--	3	-3

至此这三个patch能够很好的处理我们的之前碰到的进入idle的问题。
将上述三个patch整理完后，在淘客前端线上机器中进行测试，测试结果表明load得到了明显改善。

更细粒度的时间问题

将上述三个patch整理完后，似乎一切都完美了，idle进行了很好的处理，全局load的读写分离也很好实现。然而在业务线上的测试结果却出乎意料，虽然添加patch之后load计数较之前有明显改善，但是依旧偏低。下面是一个抓取的trace数据（粗体为pick_next_idle）：

<...>-9195 [000] 11994.232382: calc_global_load: calc_load_task = 0

<...>-9198 [000] 11999.213365: calc_load_account_active: cpu 0 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 1

<...>-9199 [001] 11999.213379: calc_load_account_active: cpu 1 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 2

<...>-9194 [002] 11999.213394: calc_load_account_active: cpu 2 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 3

<...>-9198 [000] 11999.213406: calc_load_account_active: cpu 0 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 2

<...>-9201 [003] 11999.213409: calc_load_account_active: cpu 3 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 3

<...>-9190 [004] 11999.213424: calc_load_account_active: cpu 4 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 4

<...>-9197 [005] 11999.213440: calc_load_account_active: cpu 5 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 5

<...>-9194 [002] 11999.213448: calc_load_account_active: cpu 2 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 4

<...>-9203 [006] 11999.213455: calc_load_account_active: cpu 6 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 5

<...>-9202 [007] 11999.213471: calc_load_account_active: cpu 7 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 6

<...>-9195 [008] 11999.213487: calc_load_account_active: cpu 8 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 7

<...>-9204 [009] 11999.213502: calc_load_account_active: cpu 9 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 8

<...>-9190 [004] 11999.213517: calc_load_account_active: cpu 4 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 7

<...>-9192 [010] 11999.213519: calc_load_account_active: cpu 10 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 8

<...>-9200 [011] 11999.213533: calc_load_account_active: cpu 11 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 9

<...>-9189 [012] 11999.213548: calc_load_account_active: cpu 12 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 10

<...>-9196 [013] 11999.213564: calc_load_account_active: cpu 13 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 11

<...>-9193 [014] 11999.213580: calc_load_account_active: cpu 14 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 12

<...>-9191 [015] 11999.213596: calc_load_account_active: cpu 15 nr_run 1 nr_uni 0 nr_act 1 delta 1 calc 13

<...>-9204 [009] 11999.213610: calc_load_account_active: cpu 9 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 12<...>-9195 [008] 11999.213645: calc_load_account_active: cpu 8 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 11<...>-9203 [006] 11999.213782: calc_load_account_active: cpu 6 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 10<...>-9197 [005] 11999.213809: calc_load_account_active: cpu 5 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 9<...>-9196 [013] 11999.213930: calc_load_account_active: cpu 13 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 8<...>-9193 [014] 11999.213971: calc_load_account_active: cpu 14 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 7<...>-9189 [012] 11999.214004: calc_load_account_active: cpu 12 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 6<...>-9199 [001] 11999.214032: calc_load_account_active: cpu 1 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 5<...>-9191 [015] 11999.214164: calc_load_account_active: cpu 15 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 4<...>-9202 [007] 11999.214201: calc_load_account_active: cpu 7 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 3<...>-9201 [003] 11999.214353: calc_load_account_active: cpu 3 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 2<...>-9192 [010] 11999.214998: calc_load_account_active: cpu 10 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 1<...>-9200 [011] 11999.215115: calc_load_account_active: cpu 11 nr_run 0 nr_uni 0 nr_act 0 delta -1 calc 0

<...>-9198 [000] 11999.223342: calc_global_load: calc_load_task = 0

虽然这个是未加三个patch之前的trace数据，但是我们依旧能够发现一些问题：原来的10tick对我们来说从一个微不足道的小时间片被提升为一个大时间片，相对此低了一个数量级的1 tick却一直未真正被我们所重视。trace数据中，cpu0、2、4在计算完自己的load之后，其他cpu计算完自己的load之前，进入了idle，由于默认情况下每个cpu都会去将idle计算入全局的load中，这部分进入idle造成的cpu load发生的变化会被计算到全局load中。依旧出现了之前10ticks的不公平问题。示例如下：

32内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load_tasks	tasks_idle
0HZ+11	1	1	1	0	0	0	0	0	3	0
5HZ	0	0	0	1	1	1	0	0
	-1	-1	-1						3	-3
5HZ+1.3	1	0	0	0	0	0	1	1
	+1								3-3+1=1	0
5HZ+1.5	0	1	1	1	0	0	0	0	1	0
	-1			+1					1+1-1=1	0
5HZ+1.7	0	0	0	0	1	1	1	0	0	0
				-1			+1		1-1+1=3	0
5HZ+3	0	1	1	1	0	0	1	0
							-1		1	-1
5HZ+5	0	0	0	0	1	1	1	0
5HZ+11	1	1	0	0	0	0	1	-1
calc_global_load	<--	--	--	--	--	--	--	--	1	-1

线上业务平均每个任务运行时间为0.3ms，任务运行周期为0.5ms，因此每个周期idle执行时间为0.2ms。在1个tick内，cpu执行完自己load的计算之后，很大的概率会在其他cpu执行自己load计算之前进入idle，致使整体load计算对idle和非idle不公平，load计数不准确。针对该问题，一个简单的方案是检测第一个开始执行load计算的CPU，只在该CPU上将之前所有进入idle计算的load更新至全局的load，之后的CPU不在将idle更新至全局的load中。这个方案中检测第一个开始执行load计算的CPU是难点。另外一个解决方案是将LOAD_FREQ周期点和全局load更新至avenren的LOAD_FREQ+10时间点作为分界点。对上一次LOAD_FREQ+10到本次周期点之间的idle load，可以在本次CPU执行load计算时更新至全局的load；对周期点之后到LOAD_FREQ+10时间点之间的idle load可以在全局load更新至avenrun之后更新至全局load。
Peter Z采用的是上述第二个解决，使用idx翻转的技术实现。通过LOAD_FREQ和LOAD_FREQ+10两个时间点，可以将idle导致的load分为两部分，一部分为LOAD_FREQ至LOAD_FREQ+10这部分，这部分load由于在各个cpu计算load之后到全局avenrun更新之间，不应该直接更新至全局load中；另一部分为LOAD_FREQ+10至下一个周期点LOAD_FREQ，这部分idle导致的load可以随时更新至全局的load中。实现中使用了一个含2个元素的数组，用于对这两部分load进行存储，但这两部分并不是分别存储在数组的不同元素中，而是每个LOAD_FREQ周期存储一个元素。如下图所示，在0~5周期中，这两部分idle都存储在数组下标为1的元素中。5~10周期内，这两个部分都存储在数组下标为0的元素中。在5~10周期中，各个cpu计算load时读取的idle为0~5周期存储的；在计算完avenrun之后，更新idle至全局load时读取的为5~10周期中前10个ticks的idle导致的load。这样在10~15周期中，各个cpu计算load时读取的idle即为更新avenrun之后产生的idle load。具体实现方案如下：

      0             5             10            15          --->HZ

        +10           +10           +10           +10       ---> ticks

      |-|-----------|-|-----------|-|-----------|-|

idx:0   1     1       0     0       1      1      0

  w:0 1 1         1 0 0         0 1 1         1 0 0

  r:0 0 1         1 1 0         0 0 1         1 1 0

说明：1）0 5 10 15代表的为0HZ、5HZ、10HZ、15HZ，这个就是各个cpu执行load计算的周期点

     2）+10表示周期点之后10ticks（即为计算avenrun的时间点）

     3）idx表示当前的idx值（每次只取最后一位的值，因此变化范围为0~1）

     4）w后面3列值，第一列表示周期点之前idle计算值写入的数组idx；第二列表示周期点到+10之间idle导致的load变化写入的数

       组idx；第三列表示计算万avenrun之后到下一个周期点之间idle写入的数组idx；

用如下示例进行说明（假定0HZ+11之后idx为0）：

32内核loadavg计算
	cpu0	cpu1	cpu2	cpu3	cpu4	cpu5	cpu6	cpu7	calc_load_tasks	idle[0]	idle[1]	idx
0HZ+11	1	1	1	0	0	0	0	0	3	0	0	0
5HZ	0	0	0	1	1	1	0	0
	-1	-1	-1						3	-3	0	0
5HZ+1.3	1	0	0	0	0	0	1	1
	+1								3-3+1=1	0	0	0
5HZ+1.5	0	1	1	1	0	0	0	0	1	0
	-1			+1					1+1=2	0	-1	0
5HZ+1.7	0	0	0	0	1	1	1	0	0	0
				-1			+1		2+1=3	0	-2	0
5HZ+3	0	1	1	1	0	0	1	0	0
5HZ+3									3	0	-2	0
5HZ+5	0	0	0	0	1	1	1	0	0
5HZ+11	1	1	0	0	0	0	1	1
calc_global_load	<--	--	--	--	--	--	--	--	3	0	-2	0
									3-2=1	0	0	1
5HZ+15	1	1	0	0	0	0	0	1
							-1		1	0	-1	1

再次回归到公平性问题

经过对细粒度idle调度问题进行解决，在线上业务整体load得到了很好的改善。原来平均运行进程数在16的情况下，load一直徘徊在1左右，改善之后load回升到了15左右。
然而这个patch发布到社区，经过相关报告load计数有问题的社区人员进行测试之后，发现系统的load整体偏高，而且很多时候都是趋近于系统总运行进程数。为了验证这个patch的效果，升级了一台添加该patch的机器，进行观察，确实发现升级之后机器的load比原有18还高出1左右。
又是一次深度的思考，是否当前这个patch中存在BUG? 是否从第一个CPU到最后一个CPU之间的idle就应该直接计算在整体load中？对于高频度调度idle的情况，这部分idle是不应该加入到全局load中，否则无论系统运行多少进程，最终load都会始终徘徊在0左右。因此这部分idle必须不能够加入到全局load中。通过trace数据进行分析，也证明了patch运行的行为符合预期，并不存在异常。
如果假设之前所有的patch都没有问题，是否存在其他情况会导致系统load偏高？导致load偏高，一个很可能的原因就是在该计算为idle时，计算为非idle情况。为此先后提出了负载均衡的假设、计算load时有进程wakeup到当前运行队列的假设，最终都被一一排除。
进一步观察trace数据，发现几乎每次都是在做完该CPU上load计算之后，该CPU立即就进入idle。16个CPU，每个CPU都是在非idle的时候执行load计算，执行完load计算之后又都是立即进入idle。而且这种情况是在每一次做load计算时都是如此，并非偶然。按照采样逻辑，由于采样时间点不受系统运行状况影响，对于频繁进出idle的情况，采样时idle和非idle都应该会出现。如今只有非idle情况，意味着采样时间点选取存在问题。
进一步分析，如果采样点处于idle内部，由于nohz导致进入idle之后并不会周期执行sched_tick，也就无法执行load计算，看起来似乎会导致idle load计算丢失。事实并不是，之前计算idle load就是为了避免进入nohz导致load计算丢失的问题，在进入idle调度前会将当前cpu上的load计算入idle load中，这样其他cpu执行load计算时会将这部分load一同计算入内。
但是基于上述逻辑，也可以得到一个结论：如果采样点在idle内部，默认应该是将进入idle时的load作为该cpu上采样load。事实是否如此？继续分析，该CPU如果从nohz重新进入调度，这个时候由于采样时间点还存在，而且间隔上一次采样已经超过一个LOAD_FREQ周期，会再次执行load计算。再次执行load计算会覆盖原有进入idle时计算的load，这直接的一个结果是，该CPU上的采样点从idle内部变成了非idle！问题已经变得清晰，对采样点在idle内部的情况，实际计算load应该为进入idle时该cpu上的load，然而由于该cpu上采样时间点没有更新，导致退出nohz状态之后会再次执行load计算，最终将退出nohz状态之后的load作为采样的load。

问题已经清楚，解决方案也比较简单：在退出nohz状态时检测采样时间点在当前时间点之前，如果是，则意味着这次采样时间点在idle内部，这个周期内不需要再次计算该CPU上的load。

转自：http://kernel.taobao.org/index.php?title=Loadavg%E9%97%AE%E9%A2%98%E5%88%86%E6%9E%90&diff=514&oldid=293